博客
关于我
crc16校验代码中 多项式码明明是8005 为什么要用A001来异或,还有CRC16-REV=A001是什么意思
阅读量:128 次
发布时间:2019-02-27

本文共 1586 字,大约阅读时间需要 5 分钟。

让我们从基础开始,逐步分析并解决问题。

1. CRC校验的基本原理

CRC(循环冗余校验)是一种用于检测数据传输或存储中是否发生错误的简单且有效的方法。它通过使用一个预先确定的多项式,对数据进行计算,并生成一个校验值,与实际数据一起传输。接收端可以使用相同的多项式对数据和校验值进行计算,比较结果是否一致,从而判断数据是否完整无误。

在本文中,我们使用的是 CRC-16 校验,多项式为 0xA001。

2. 数据与校验值的构成

假设我们有以下数据(十六进制):

01 03 61 00 00 02

这个数据总共有6个字节,换算成二进制则为:

01 03 61 00 00 02 -> 00000001 00000011 01100001 00000000 00000000 00000010

将这些二进制数据按顺序连接起来,得到一个16位的二进制数:

00000001 00000011 01100001 00000000 00000000 00000010 -> 00000001 00000011 01100001 00000000 00000000 00000010

将其转换为十六进制:

01 03 61 00 00 02

接收端会使用多项式 0xA001 进行计算,生成一个校验值。校验值的计算过程是对数据与多项式进行按位异或运算。

3. 校验值的计算过程

计算过程如下:

  • 初始化一个16位的寄存器,初始值为 0xffff(即 11111111 11111111)。
  • 按照数据传输的顺序,将每个数据字节依次异或到寄存器中。
  • 对寄存器中每一位进行移位运算(右移一位),并与多项式 0xA001(即 00000010 00000001)进行异或运算。
  • 重复上述步骤直到所有数据字节处理完毕。
  • 最终的寄存器值即为校验值。
  • 让我们用代码来模拟这一过程:

    unsigned short tmp = 0xffff; // 初始化寄存器为 0xffffunsigned short ret1 = 0;    // 用于存储校验值for(int n = 0; n < 6; n++){    tmp = buff[n] ^ tmp;}for(int i = 0; i < 8; i++){    if(tmp & 0x01){        tmp = tmp >> 1;        tmp = tmp ^ 0xa001;    } else {        tmp = tmp >> 1;    }}

    4. 校验值的计算结果

    按照上述代码,输入数据 01 03 61 00 00 02,计算得到校验值为 F7DB

    5. 校验值反转的含义

    用户提到“校验值的高低位顺序反转”,即 F7DB 反转后变为 DBF7。这在实际应用中可能会导致校验失败,因为校验值的高低位顺序必须与传输数据的高低位顺序一致。

    6. 校验值反转的正确方法

    在实际应用中,校验值的高低位顺序应与数据的高低位顺序保持一致。因此,如果数据的高低位顺序是 高 -> 低,校验值的高低位顺序也应保持 高 -> 低。如果需要改变顺序,可以在计算校验值后进行反转处理。

    7. 代码实现的优化

    在代码中,我们可以直接将 tmp 变量进行反转处理:

    ret1 = tmp >> 8;    // 提取校验值的高 8 位ret1 |= (tmp << 8); // 将低 8 位移到高位

    这样,ret1 就变成了反转后的校验值。

    8. 最终校验值

    经过计算,校验值为 F7DB。反转后为 DBF7

    9. 结论

    在实际应用中,必须确保校验值的高低位顺序与数据的高低位顺序保持一致。如果需要改变顺序,应在计算校验值后进行反转处理。通过上述步骤,我们可以正确地生成和验证 CRC 校验值,确保数据传输的完整性和可靠性。

    转载地址:http://lcpb.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>
    opencv中读写视频
    查看>>
    opencv之cv2.findContours和drawContours(python)
    查看>>
    opencv之namedWindow,imshow出现两个窗口
    查看>>
    opencv之模糊处理
    查看>>
    Opencv介绍及opencv3.0在 vs2010上的配置
    查看>>
    OpenCV使用霍夫变换检测图像中的形状
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>