谁杀死了板载调试器?

一块 STM32F429 开发板,一个"Keil 找不到烧录器"的故障,两层固件缺陷,一个由我亲手埋下的字节错误,以及一场持续一整天、最后靠模拟器才结案的解剖。

案发现场

实验课作业,STM32F429 开发板插上电脑,Keil 报"找不到烧录器"。换同型号的开发板,一切正常。直觉说:板子坏了,换板。

但事情没这么简单。这块板的调试器是板载的——一片 STM32F103C8T6 烧着开源的 X893 CMSIS-DAP 固件,通过 USB 枚举成复合设备(CDC 虚拟串口 + HID 调试通道),SWD 线直连主芯片 F429。

第一层排查:USB 活着,DAP 死了

设备管理器里 VID_C251&PID_F001 乖乖躺在那里,设备名 "CMSIS-DAP",串口 COM10 也在。用 Python 的 hidapi 直接向 HID 接口发 CMSIS-DAP 协议命令:

DAP_Info:    write=65B, reply=(无响应)
DAP_Connect: write=65B, reply=(无响应)

写入成功,零响应。USB 枚举是硬件中断层干的活,而 DAP 命令解释在固件主循环里——USB 活着、主循环死了。Keil 探测烧录器就是发 DAP_Info 等回应,等不到,自然报"找不到烧录器"。

后门:借道 WCH-Link 进 F103

手头恰好有一个 WCH-Link(它对电脑就是一个标准 CMSIS-DAP v2 设备)。板子上留给出厂烧录 DAP 芯片的 4 个测试点(3V3/JTMS/JTCK/GND)接上,pyOCD 直连 F103——注意要绕开系统里那个"死"的 DAP,用 -u <序列号> 指定探针,否则 pyOCD 会卡死在无响应的坏探针上。

连上之后,事情就好办了:

  • DHCSR 显示内核活着,在睡眠;
  • RCC_CSR 读复位原因;
  • 往 RAM 里塞一段代码、设 PC/SP、resume(),这块芯片就是一个可以用 SWD 随意驱动的白盒。

反汇编:一个教科书级的死锁

把 64KB flash 全量 dump 下来,定位到 USART2 中断服务程序(它负责把"电脑→虚拟串口"的数据搬进环形缓冲):

// 伪代码,来自反汇编
SR = USART2->SR;
if (SR & (RXNE|NE|PE|LBD)) {
    free = ring_w - ring_r;
    if (free > 255)  goto TX侧;      // ★ 缓冲区满:跳过读 DR!
    ch = USART2->DR;                  // 读 SR 再读 DR 才能清 RXNE/ORE/FE
    ring[ring_w++] = ch;
}

STM32F1 清 RXNE 的唯一方法是"先读 SR、再读 DR"。而这段代码缓冲区满时就不读 DR 了——RXNE 永远保持置位,中断退出瞬间再次挂起,尾链无缝重入,100% CPU 锁死在 IRQ 里,主循环一个时间片都拿不到。

更妙的是这个死锁是自锁的:哪怕数据停了, latch 住的 RXNE 也会让风暴永远继续,只有断电才能解脱。

补丁 v1:四个字节的手术

修法很直白:满的时候也把 DR 读掉,字节丢弃,标志清干净,永不死锁。不想搭编译环境,直接对 dump 做二进制补丁——把 cmp r5,#0xFF; bgt 跳过 四个字节换成 bl 0x08006000,在空白 flash 区放一个 20 字节的桩:

0x08006000: cmp  r5, #0xFF
            ble  返回            ; 没满:原路返回,正常读+入队
            ldr  r0, =0x40004400 ; 满:也读一次 DR!
            ldrh r0, [r0, #4]    ;   清掉 RXNE/ORE/FE(字节丢弃)
            b    0x08000E00      ;   继续原流程
    返回:   bx   lr

用 keystone 汇编,capstone 反汇编验证,自写了一个逐页"先比对再擦写"的 F1 烧录器刷进去(顺带一提:pyOCD 内置的 F103 算法在这颗芯片上确定性失败——一颗报 128KB 的"C8T6",懂的都懂)。

然后做了一个回归测试:写个程序在 PB10 上输出 1.6MHz 方波(模拟肇事物),DAP 稳定存活 60 秒,Keil 风暴中正常烧录。当时以为结案了。

悖论:方波能活,真实数据会死

真实的故障程序后来找到了——是上一届的串口示波器作业,115200 波特往串口桥灌 ADC 数据帧。刷进 F429,板上电瞬间 D3 慢闪、反复"无法识别的 USB 设备"——无限重启循环。

奇怪的不是它死,而是它的死法和方波不同:

  • 1.6MHz 方波(边沿率是真实数据的三倍)→ 补丁固件活得好好的;
  • 115200 真实数据(边沿率低得多)→ 慢闪重启循环。

如果死因是"信号太强",频率低的应该更安全才对。边沿率理论破产。

模拟器实锤:凶手是我自己

派了一个模型对固件做完整逆向 + 写了个 Cortex-M3 模拟器执行验证,结论让人哭笑不得——重启循环的凶手是我自己的补丁。

我的桩里那条 ble 返回,跳转目标算错了 2 字节:

0x08006002: ble  0x0800600A   ← 跳进 0x6008 那条 4 字节 b.w 的正中间!
0x08006008: b.w  0x08000E00   ← 4 字节指令,占 0x6008~0x600B
0x0800600C: bx   lr           ← bx lr 实际在这里

缓冲一满,ble 跳到 0x600A,把 b.w 的后两个字节(立即数 FA BE)当指令取出来——解码成 bkpt #0xFA。板上没挂调试器时,BKPT 直接触发 HardFault,而 X893 固件的 HardFault_Handler 是这样的:

void HardFault_Handler(void) {
    for (count = 0; count < 5; count++) {
        LED 开; Delay_ms(750); LED 关;   // ← D3 慢闪的真身
    }
    NVIC_SystemReset();                    // ← 自杀重启的真身
}

闪 5 下灯(7.5 秒,和观察到的"慢闪"分毫不差),然后整机复位。重启后数据还在灌,再次触发,无限循环。模拟器完整复现:收到第一个字节、环满、走满路径、bkpt、闪灯、重启,和硬件观察逐帧吻合。

那为什么原厂固件是"冻死"而不是"重启"?

原厂固件没有我这条 bkpt 路径,它的死法是纯净版的 bug #1:环满 → RXNE 锁死 → 主循环饿死 → 一切静止(D3 熄灭,USB 枚举还在)。它连重启的机会都没有——主循环饿死的系统,永远走不到任何后续代码。

而"方波能活、真实数据会死"的悖论也解开了,和频率、和电磁都无关:

  • 真实 115200 数据与 9600 的过采样精确锁相,接收器满速率产出垃圾字符,256 字节环形缓冲 27ms 灌满——Windows USB 枚举还没完成,比赛已经结束;
  • 方波的起始位判优通过率只有约 1/8,入环速率慢数倍,枚举赢得了赛跑。

最终真相表

现象原因责任方
原厂固件 + 持续串口数据 → DAP 冻死环满不读 DR,RXNE 活锁,主循环饿死X893 固件
补丁固件 + 持续数据 → 慢闪重启循环ble 跳进 b.w 中间,FA BE = bkpt #0xFA我

复盘:三条教训

1. 线性反汇编验证不了跳转目标。 capstone 从头顺序解码,永远把 0x6008 解码成完整的 b.w,从没"跳进中间"看过一眼。我逐条反汇编"验证"过补丁,却漏掉了跳转目标落在指令肚子里。二进制补丁唯一可信的验证方式是模拟执行。

2. 修一个 bug 会揭开下一个。 原厂固件的死锁把系统冻在半路,恰好掩盖了后面所有的雷;补丁让系统活得够久,我的 bug 才得以登场。老固件上"修一层露一层"是常态,心理预期要按"洋葱"来设。

3. 所谓"缺德程序",往往是无心的正常程序。 上一届的"肇事程序"就是课程每年都要做的串口画图演示——演示时串口开着,数据被画图软件消费,固件不炸;演示完断电收走,下一个人上电时没人读 COM 口,雷就响了。它不是被恶意留下的,它只是被原封不动地留下了。真正的责任在一个 2013 年的业余固件:把"缓冲区满"设计成"永久失聪",又把异常处理设计成"闪灯自杀"。


附录:现场真实代码(全部实测跑通,可直接抄)

以下代码来自本次排查的会话记录,对应工具脚本存放在 dap-firmware/ 目录。环境:Windows 11 + Python 3.12,pip install --user pyocd keystone-engine capstone hidapi。

A1. 判断 DAP 是"死了"还是"没死"(第一个要分清的事)

"USB 设备在但命令不应答"和"设备整个消失"是两种完全不同的故障。先花 30 秒分清:

import hid
devs = [d for d in hid.enumerate(0xC251, 0xF001)   # 换成你板子的 VID/PID
        if d["interface_number"] == 2]             # CMSIS-DAP 的 HID 接口号
print("DAP HID present:", bool(devs))
if devs:
    d = hid.device(); d.open_path(devs[0]["path"])
    d.write([0, 0x02, 0x01])                # DAP_Connect(SWD)
    r = d.read(64, timeout_ms=1500)
    # 正常应答 = 02 01 00;TIMEOUT = USB 活着但固件主循环死了
    print("DAP_Connect:", bytes(r[:3]).hex() if r else "TIMEOUT (frozen)")
    d.close()

判读:

  • present=False → 芯片掉电/反复重启/USB 损坏,查供电;
  • present=True + 应答正常 → 固件健康,问题在别处;
  • present=True + TIMEOUT → 主循环饿死(本文主角),继续往下看。

坑:hidapi 看不到 CMSIS-DAP v2(WinUSB 接口)的设备,比如 WCH-Link——但它恰恰能在 Keil 里直接用(选 "CMSIS-DAP Debugger"),只是 Python 里要靠 pyOCD(pyusb)而不是 hidapi。

A2. pyOCD 连接模板(两个必踩的坑)

from pyocd.core.helpers import ConnectHelper
with ConnectHelper.session_with_chosen_probe(
        unique_id="9CC28F062260",        # ★ 坑1:必须指定探针序列号!
        target_override="cortex_m",
        options={"connect_mode": "attach",
                 "frequency": 100000}) as session:  # ★ 手按线/长杜邦线降到 100k
    t = session.target
    t.halt()
    ...
  • 坑 1:系统里挂着一个无响应的坏探针时,pyocd list / 不带 -u 的任何命令都会卡死在它的 HID 读上。永远用 unique_id= 精确指定。
  • 坑 2:pip install pyocd 自带 libusb,WCH-Link 这类 WinUSB 探针直接能驱动;-f 200000(或 options 里 frequency)在小圆焊盘手按场景大幅提高成功率。
  • 手按焊盘烧录时,把整个流程放进重试循环(逐页断点续烧,见 A4),失败自动重连,已写对的页自动跳过。

A3. F103 的 flash:pyOCD 内置算法会翻车,自写 RAM loader 最稳

现象:pyOCD 用 stm32f103rc 算法烧录,每次都确定性死在同一个页。这颗"标称 C8T6 却报 128KB"的片子大概率是国产兼容片,别和算法较劲——F1 的 flash 编程协议很简单,自己往 RAM 塞一段 loader 就行,还天然支持"先比对、不同才写"的断点续烧:

# 寄存器:以 FLASH_KEYR(0x40022004)为基址
#   SR  = base+8   (bit0 BSY)
#   CR  = base+12  (bit0 PG, bit1 PER, bit6 STRT, bit7 LOCK)
#   AR  = base+16
# ★ 坑:我第一版把 SR 写成 +12、CR 写成 +16——擦写全程空转,
#   loader 还"正常"返回 0。写 RAM 代码前先把偏移表抄在注释里。
LOADER = """
    push {r4-r7, lr}
    mov  r5, r0            // dst flash addr (page aligned)
    mov  r6, r1            // src RAM addr
    mov  r7, r2            // halfword count
    ldr  r4, =0x40022004   // FLASH_KEYR
    ldr  r0, =0x45670123
    str  r0, [r4, #0]
    ldr  r0, =0xCDEF89AB
    str  r0, [r4, #0]
    cmp  r3, #0            // erase flag
    beq  prog
    movs r0, #2            // CR(+12): PER
    str  r0, [r4, #12]
    str  r5, [r4, #16]     // AR(+16) = page addr
    movs r0, #0x42         // CR: PER | STRT
    str  r0, [r4, #12]
wait1:
    ldr  r0, [r4, #8]      // SR(+8): BSY
    tst  r0, #1
    bne  wait1
    movs r0, #0
    str  r0, [r4, #12]     // clear PER
prog:
    movs r0, #1            // CR: PG
    str  r0, [r4, #12]
loop:
    ldrh r0, [r6], #2
    strh r0, [r5]
    adds  r5, #2
wait2:
    ldr  r0, [r4, #8]
    tst  r0, #1
    bne  wait2
    subs r7, #1
    bne  loop
    movs r0, #0
    str  r0, [r4, #12]     // clear PG
    movs r0, #0x80
    str  r0, [r4, #12]     // LOCK
    movs r0, #0            // status OK
    bkpt #0
"""
# keystone 汇编后写入 RAM(0x20000200),页数据放 0x20001000,
# 设 SP=0x20000100、PC=LOAD_BASE|1、r0=目标页/r1=数据/r2=半字数/r3=擦除标志,
# resume 后等 bkpt 停下,读 r0 取状态,再回读 flash 校验。

外层套一个"逐页比对"循环:页内容已一致就 continue,失败只重做当前页——杜邦线接触再烂,进度也不会清零。

A4. 二进制补丁:错误版 vs 修正版(1 字节定生死)

补丁桩布局(意图):

0x08006000: cmp  r5, #0xFF
0x08006002: ble  0x0800600C      ; 没满 → 返回
0x08006004: ldr  r0, [pc, #8]    ; 字面量在 0x6010 = 0x40004400
0x08006006: ldrh r0, [r0, #4]    ; 读 DR,清 RXNE/ORE/FE
0x08006008: b.w  0x08000E00      ; 满:继续原流程(4 字节!占 0x6008~0x600B)
0x0800600C: bx   lr              ; ★ 注意 0x600A 是 b.w 的内脏,不是bx lr
0x08006010: .word 0x40004400

我实际编码出的 ble 目标是 0x0800600A(机器码 02 DD)——落在 b.w 的立即数 FA BE 上,执行即 bkpt #0xFA。修正只需一个字节:

# 错误:02 DD   (ble → 0x0800600A,落在 b.w 内部 → bkpt #0xFA → HardFault → 自复位)
# 正确:03 DD   (ble → 0x0800600C,真正的 bx lr)

怎么防?用 capstone 从跳转目标处单独反汇编一遍:

from capstone import Cs, CS_ARCH_ARM, CS_MODE_THUMB
md = Cs(CS_ARCH_ARM, CS_MODE_THUMB)
# 线性扫描(它永远显示一切正常):
for i in md.disasm(stub, 0x08006000): print(...)
# ★ 关键补充:把每个分支目标当起点再反汇编一次
for i in md.disasm(stub[0x0A:], 0x0800600A):
    print("从跳转目标看: %s %s" % (i.mnemonic, i.op_str))
    # 你会看到 bkpt #0xfa —— 这时就知道坏了

最好再加一层指令模拟器(Capstone 只解码不执行;本文最终靠一个 ~200 行的 Cortex-M3 模拟器跑出 bkpt)。

A5. F429 的"复位陷阱 + AHB 直写"烧录法(风暴运行中也能烧)

场景:目标芯片一跑起来就干扰调试器,正常烧录连不上。解法:让调试器把目标按停在复位向量的第一条指令上(代码一行没跑,干扰源没启动),然后绕过 CPU 直接写 flash 控制器。

DHCSR, DEMCR = 0xE000EDF0, 0xE000EDFC
F_ACR, F_KEYR, F_SR, F_CR = 0x40023C00, 0x40023C04, 0x40023C0C, 0x40023C10

# 1) 布陷阱:VC_CORERESET——目标一出复位立刻 halt
demcr = t.read32(DEMCR)
t.write32(DEMCR, demcr | 1)
# 2) 此时让目标脱离复位(松开 RESET 按钮或拉高复位线),
#    轮询 DHCSR bit17(S_HALT)= 1,即已按停在复位向量
# 3) CPU 停着没关系,flash 控制器是独立外设,直接经 AHB 写:
t.write32(F_KEYR, 0x45670123)
t.write32(F_KEYR, 0xCDEF89AB)
crv = 0x200 | 0x2 | (sector << 3)      # PSIZE=x32 | SER | 扇区号
t.write32(F_CR, crv)
t.write32(F_CR, crv | 0x10000)         # STRT
while t.read32(F_SR) & (1 << 16): ...  # 等 BSY
t.write32(F_CR, 0x200 | 0x1)           # PG
for off in range(0, len(img), 4):
    t.write32(base+off, word)
    while t.read32(F_SR) & (1 << 16): ...
# 4) ★ 验证前必须复位 ART 缓存,否则读到旧数据 → 假 verify 失败
acr = t.read32(F_ACR)
t.write32(F_ACR, acr | 0x3000)         # ICRST | DCRST
time.sleep(0.01)
t.write32(F_ACR, acr & ~0x3000)
# 然后再回读比对。没有这一步,你会看到"刚写完就校验失败"的灵异现象

配套的时序技巧:如果目标芯片一上电就开始作恶,就"断电 → 按住 RESET → 上电(调试器活)→ 布陷阱 → 松开 RESET"。陷阱保证它一行用户代码都执行不到。

A6. 读"复位原因寄存器":别猜,问芯片

芯片反复重启时,先读 RCC 的 CSR,它是历史记录(直到软件清除):

csr = t.read32(0x40021024)   # STM32F1 RCC_CSR
# bit26 PINRSTF=引脚复位  bit27 PORRSTF=上电复位
# bit28 SFTRSTF=软件复位  bit29 IWDGRSTF=独立看门狗  bit30 WWDGRSTF

本次实测 0x1C000000(SFTRSTF+PORRSTF+PINRSTF)——SFTRSTF 说明重启来自 NVIC_SystemReset(),是固件主动行为,直接把"电磁干扰/掉电"假设全部排除,少走两小时弯路。

A7. 用固件本身当逻辑分析仪

怀疑某根线上的信号?不需要示波器——往目标 RAM 塞一个采样循环:

// Thumb,keystone 汇编后写入 RAM;72MHz 下约 10MSa/s
ldr  r0, =0x20001000      // 缓冲区
ldr  r1, =0x40010808      // GPIOA_IDR
ldr  r3, =0x4000          // 采样数
loop: ldrh r4,[r1]; strb r4,[r0],#1; subs r3,#1; bne loop
bkpt

跑几十毫秒、halt、把 RAM 读回来,就是一段逻辑分析仪波形。本次用它测出肇事信号的电平/占空/边沿率,还顺带证明了"低电平长 runs"的真实数据特征。

A8. 工具与硬件速查

工具角色坑
WCH-Link它对电脑就是 CMSIS-DAP v2(WinUSB),Keil 直接选 "CMSIS-DAP Debugger" 可用;COM 口还能当 USB 转串口hidapi 看不见它,Python 侧用 pyOCD
pyOCDSWD 读写/RAM 执行/flash指定 unique_id;stm32f103rc 内置算法在兼容片上翻车
keystone / capstone汇编 / 反汇编capstone 只解码不执行,验证不了跳转目标
OpenOCD xpack备选不含 WCH-Link 的 wlink 驱动,别浪费时间

硬件侧:板载调试器芯片的 4 个测试点(3V3/JTMS/JTCK/GND)是最后的后门;杜邦线手按小圆焊盘不可靠,能焊则焊,不能焊用胶带压接;目标芯片自供电、烧录器只出信号,可以规避写入瞬间的供电跌落。

最后修改:2026 年 10 月 18 日
如果觉得我的文章对你有用,请随意转载