安路Anlogic FPGA下载器的驱动安装与测试教程

Ne0inhk

— 3 min read
安路Anlogic FPGA下载器的驱动安装与测试教程

参考链接：安路下载器JTAG驱动安装 - 米联客(milianke) - 博客园

安路支持几款下载器：

AL-LINK在线下载器是基于上海安路信息科技股份科技有限公司全系列 CPLD/FPGA 器件，结合公司自研的 TD 软件，可实现在线 JTAG 程序下载、ChipWatcher 在线调试、FLASH 读写、Device Chain 模式烧录。下载器配合 USB-B 数据线、2.54mm 间距 10 针扁平线使用，实物如图所示

1.下载并安装软件

工具与资料下载-国产FPGA创新者 - 安路科技 （需要注册登录）

2.安装驱动

当完成TD软件安装后，可以在安装路径下找到对应驱动。

2.1 右击anlocyusb.inf选择安装：

2.2 安装完成后，插上下载器，可以看到设备管理器识别到下载器设备如下：

3. 测试下载器

3.1硬件连接

请确保下载器和开发板已经正确连接，并且开发板已经上电(注意JTAG端子不支持热插拔，而USB接口支持，所以在不通电的情况下接通好JTAG后，再插入USB到电脑，之后再上电，以免造成JTAG IO损坏)

3.2点击下载

导入已有程序（点击Project-->Open Project)，点击下载按钮(如果用户暂时没有程序，可以看下能识别到芯片就可以了)

3.3 可以看到已经识别到芯片

3.4 选择bit文件

3.5 在Mode中选择 PROGRAM_FLASH,之后单击RUN

3.6 固化FLASH成功！

Read more

雷达信号处理中的CFAR技术详解

好的，我来为您总结归纳雷达信号处理中的恒虚警（CFAR）技术，并提供一个基于MATLAB的实际用例。 🧐 雷达信号处理之恒虚警（CFAR） 恒虚警率（Constant False Alarm Rate, CFAR）是一种自适应阈值目标检测技术，在雷达信号处理中用于从噪声和杂波背景中检测出目标回波。其核心思想是：无论背景噪声或杂波的功率如何变化，都保持虚警概率（ ）为一个预先设定的常数。 🎯 1. 基本原理与流程 CFAR算法通过实时估计待检测单元（Cell Under Test, CUT）周围的背景噪声或杂波功率，并根据期望的虚警率 自适应地确定检测阈值 。 主要步骤： 1. 滑动窗口（Detection Window）：在待检测数据（通常是距离-多普勒图或距离向数据）上设定一个固定大小的滑动窗口。 2. 单元划分：窗口内的单元被划分为三个部分： * 待检测单元（CUT）：位于窗口中心，是我们要判断是否包含目标的单元。 如果 ，则判断不存在目标（No Target）。 如果 ，则判断存在目标（

By Ne0inhk
一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

一文讲清楚RAG 四大模式：Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG

随着技术迭代，RAG 已从最初的简单架构发展出多种进阶形态。本文将系统解析 RAG 的四大主流模式 ——Naive RAG、Advanced RAG、Modular RAG 与 Agentic RAG，从工作原理、技术特点到适用场景进行全方位对比，为技术选型提供参考。 一、RAG 基础：检索增强生成的核心逻辑 在深入模式解析前，需先明确 RAG 的核心逻辑。简单来说，RAG 由检索（Retrieval） 与生成（Generation） 两大模块构成： 检索模块：从预设知识库中精准定位与用户问题相关的信息片段（如文档、段落、句子）； 生成模块：基于检索到的信息，结合大语言模型生成符合上下文、逻辑连贯的答案。 这种 “先检索再生成” 的模式，既保留了 LLM 的语言理解与生成能力，又通过外部知识的引入弥补了模型训练数据过时、事实准确性不足的缺陷。

By Ne0inhk
FPGA 在大模型推理中的应用

FPGA 在大模型推理中的应用

我在之前详细讲过FPGA在AI中的优势，如果我们要利用它的优势，去优化大模型推理过程，应该有哪些方案（只是理论推导）。下面简单罗列一下： 方案一：OffLoad  MoE Expert MLP         MoE的MLP阶段，有一个重要的运算特点。         因为专家多（DeepSeek V3.1 的MoE有 256个专家，每个专家需要运算的batch就相对较小，因为路由后分散了，运算就变成一个细太碎的运算。此时，运算的瓶颈不在计算而在调度，权重读取上。         在这种情况下，如果使用GPU来完成，按GPU运算的特点，它强在并行大数据，多批次的运算。此时，每个运算依赖于SM，而SM可以需要有Kernel的准备，大量的时间会花在kernel的准备上，而好不容易准备好，但要处理的数据量极少，读取权重数据的时间反而显得更长，真正的运算并行很少（可能一个专家就算一个token)，因为数据量小(注意：不同网络层的运算是不能并行的。唯一可以并行的是路由计算得到的N个专家)。 这时，有点象大饭店的大锅炒菜，最合理的方式是，一锅同时炒多份，但现在来的人少，一个大锅每次只能

By Ne0inhk
【Microi 吾码】基于 Microi 吾码低代码框架构建 Vue 高效应用之道

【Microi 吾码】基于 Microi 吾码低代码框架构建 Vue 高效应用之道

我的个人主页 文章专栏：Microi吾码 引言 在当今快速发展的软件开发领域，低代码开发平台正逐渐崭露头角，为开发者们提供了更高效的应用构建途径。Microi 吾码低代码框架结合 Vue的强大前端能力，更是为打造高效应用提供了绝佳的组合。在这里，我将深入探讨如何基于 Microi 吾码低代码框架构建 Vue 高效应用。 Microi吾码官网： https://microi.net GitEE开源地址： microi.net: 一：Microi吾码安装指南 1、系统要求 * 操作系统：支持Windows、Linux等主流操作系统。 * 数据库：需要安装并配置支持的数据库，如MySql5.5+、SqlServer2016+、Oracle11g+等。 * 其他软件：安装.NET 8 SDK、Redis，并且最好安装Git用于代码获取。对于一些高级功能，可能还需要安装Docker、MinIO、MongoDB、RabbitMQ、

By Ne0inhk