FPGA光通信2——Aurora 64B/66B的开发使用

FPGA光通信2——Aurora 64B/66B的开发使用

可参考GZH:小蘇的FPGA

        FPGA光通信的开发过程中,最简便的方式为Aurora 64B66B,开发人员无需关注2bit同步头,加解扰等过程,开放给开发人员的主要是AXI-Stream用户数据接口。

        Aurora是一款可扩展的轻量级、高数据速率链路层高速串行通信协议,支持全双工或单工,支持64B/66B,8B/10B编码。

一、Aurora 64B/66B使用介绍

        该核的使用架构主要如下:借助xilinx 核,开发人员可根据用户接口实现多通道间的光通信。最大支持16lane。

1.1 、IP核的介绍

        参考PG074, 该核的内部结构如下:

        其中,Lane logic:每个GT收发器由一个lane逻辑模块实例驱动,初始化每个收发器,处理控制字符的编解码,并执行错误检测。

        Global logic: 全局逻辑模块执行通道绑定以进行通道初始化。在运行过程中,该通道跟踪Aurora 64B/66B协议定义的Not Ready空闲字符,并监控所有通道逻辑模块的错误。

        RX user interface: AXI4-Stream接收用户数据从通道移动到应用程序,并执行流控制功能。

        TX user interface: AXI4-Stream发送用户数据从应用程序移动到通道,并执行TX的流量控制功能。

1.1.1、接口

        IP核如下(不同版本界面有差异,但含义相同):

        主要的接口信息如下,具体含义可查看PG074。

        用户数据接口:USER_DATA_S_AXIS_TX(数据发送)、USER_DATA_M_AXIS_RX(数据接收)

        GT BANK管脚:GT_SERIAL_RX、GT_SERIAL_TX、REFCLK

        控制接口:CORE_CONTROL(回环模式等)

        控制接口:CORE_STATUS

        重配置端口:GT_DRP(比如动态切换线速率场景)

        剩下的为复位、时钟接口:

        INIT_CLK:初始化时钟,来源不同于GT BANK;

        USER_CLK/SYNC_CLK:用户时钟,LineRate × LaneNum x (64/66)/LaneWide,其中USER_CLK为用户收发数据时钟;

        pma_init和reset_pb:复位信号,后文介绍。

       时钟关系如下:

1.1.2 、复位

        复位接口为pma_init和reset_pb,高电平复位释放前要求INIT_CLK和REFCLK保持稳定;先释放pma_init(gt_reset),后释放reset_pb(reset),reset_pb的释放同步于USER_CLK,pma_init复位信号同步于INIT_CLK。

        pma_init的复位会重置收发器的所有物理编码子层(PCS)和物理介质附件(PMA)子组件,即会先复位高速收发器,后复位内核逻辑。而reset_pb只会复位内核逻辑,不会复位底层的高速收发器。先释放pma_init,后释放reset_pb。

        不同模式下,复位时序不一样,本文只介绍双工模式的复位时序:上电阶段复位、其他复位。

        双工模式下的正常复位时序如上图所示,先把reset_pb拉高128个时钟周期,然后再拉高pma_init一段时间。之后先拉低pma_init,最后拉低Reset_pb信号。

        如下图所示:双工模式下reset_pb拉高的最短时间为128个user_clk周期。经过一段时间后,channel_up被拉低,表示传输通道建立失效。

        

        如下图所示:双工模式下的pma_init(gt_reset)复位时序,pma_init至少拉高128个init_clk周期。经过一些时钟周期后,user_clk会暂停产生时钟(因为user_clk的时钟来源是GT收发器txoutclk,pma_init复位从底层的物理层复位)。随后拉低channel_up信号,表示传输通道建立失效。

1.1.3 、初始化

        初始化过程如下:

        Lane up表示通道中的哪些通道已完成通道初始化。仅当所有通道和内部逻辑完成整个初始化过程后,channel_up才会被拉高。Aurora 64B/66B内核可以在Channel_up拉高之前接收数据,但Channel_up拉高之前不能发送数据,可把Channel_up取反用作全双工模式下发送端的复位信号。

1.1.4 、控制及状态接口

        loopback:      回环模式,实际使用一般接到0;

        000:normal;001: Near-end PCS Loopback;010: Near-end PMA Loopback;100: Far-end PMA Loopback;110: Far-end PCS Loopback

        power down: 高电平有效。当其为高时,GT会进入非工作、低功耗的模式。使用的时一般直接拉低。

        pll_not_locked 接 ~pll_locked ;

        lane_up:        "1”状态指示各通道初始化成功,每位代表一个通道

        channel_up:  “ 1”状态指示通道初始化完成,通道已准备好进行数据传输

        hard_err:       主要是硬件类错误

        soft_err:        主要是软件类错误

        frame_err:     当前通道帧协议错误

1.1.5 、数据接口

        该核支持两类数据接口:

        Framing接口:在AXI4-Stream的基础上IP核自动加入帧头、帧尾,并在固定时间内完成时钟补偿,但是会降低传输效率和使用较多资源。

        Streaming接口:简化的AXI4-Stream接口,只有数据有效、握手和数据信号,此种方式传输效率高,但无法保证传输的准确性。

           本文只介绍Frame类型接口,即用户接口类型为AXIS模式。由于64B/66编码,aurora的设计上在发送端需要ready信号握手。发送端用户只需要在发送、接收双方完成握手后,即可发送数据,通信双方均可通过握手信号来反压对方;接收端用户仅需要在valid信号有效时从总线上拿数据即可

        当s_axi_tx_tready反压与s_axi_tx_tvalid握手成功后,即可发送数据,使用s_axi_tx_tlast来表示当前发送最后一个数据,s_axi_tx_tkeep来表示最后一个数据的有效字节。

        接收数据:当m_axi_rx_tvalid为高时,接收的数据是有效数据,可以拿来用了,m_axi_rx_tkeep与m_axi_rx_tlast的用法与发送端对应的信号一致。

1.2 IP核配置

        根据本人开发板原理图配置如下:

    GT Refclk :GT参考时钟,板子时钟为156.25Mhz

    Lane Rate : 以10.3125Gbps作为测试

    INIT clk    :初始化时钟,根据工程自行选择设计

    GT位置及lane数目:根据板子原理图设计

    Dataflow Mode:选择全双工

    Interface:Framing类型

    流控:不使用

        little Ednian support:小端数据(小端:[15:0] 大端:[0:15])

        动态重配置接口类型

        Debug信号

        CRC功能

        Shared Logic:设置IP的逻辑放置的位置,如果GT REFCLK没被别的serdes使用,两种模式都行,否则建议In example design模式。

         In core:在IP核内:support、复位、时钟等逻辑包含在ip内

         In example design:在例子中,support、复位、时钟等逻辑都在ip外

1.3 参考例子

        主要参考support、复位、时钟的使用。

        support模块:包含了对时钟、复位、IP等的例化处理等一系列操作;在应用中此部分可不需要修改。

        frame_gen数据生成模块,采用LFSR的方式生成伪随机序列;在实际工程中替换为自己的数据模块即可。

        frame_check数据检验模块,对接收的数据进行检验以验证传输的正确性;在实际工程中替换为自己的数据模块即可。

二、工程设计、测试

2.1 、工程设计

        按照上述配置的上进行设计,收发数据流程为,当Channel_up拉高后,可通过VIO使能控制data_test_module测试数据模块产生测试数据。

        data_test_module:当FIFO非空时写入递增数据,根据AXIS接口的ready反压信号读FIFO到Aurora IP核。

2.2 、仿真测试

        对上述工程进行自回环收发仿真测试:

        初始化及收发过程:

        复位关系、状态信号:

        发数据:ready和valid

        收数据主要关注data、valid、last、keep等信号。

2.3 、上板测试

        通过VIO使能控制data_test_module测试数据模块产生测试数据。

        接收到的数据:与发送数据一一对应。

三 、 总结

        有需要代码的请私聊。

可参考GZH:小蘇的FPGA

FPGA实现Aurora光通信应用(8B/10B)

UltraScale/+ FPGA实现万兆网的两种方式:GT核、10G Ethernet Subsystem核

FPGA实现100G UDP通信

FPGA 40G/50G Ethernet Subsystem核的使用

FPGA实现千兆网UDP协议(含ARP、ICMP)

JESD204B的使用系列——3、DAC的应用(AD9164 9.6GSPS)

JESD204B的使用系列——2、协议及ADC的应用(AD9689)

JESD 204B的使用系列—1、时钟芯片的应用

FPGA外挂存储器应用3——NVMe协议 M.2硬盘的读写功能测试

Read more

AIGC已入侵日常生活,你察觉到了吗?

AIGC已入侵日常生活,你察觉到了吗?

目录 引言:AIGC 掀起生活变革 AIGC 在内容创作领域的应用 写作辅助 图像生成 AIGC 在智能设备中的应用 智能语音助手 智能拍照与图像处理 AIGC 在生活服务中的应用 智能客服 旅行规划 AIGC 应用面临的挑战与思考 内容质量与可靠性 隐私与安全 对就业的影响 总结与展望 引言:AIGC 掀起生活变革 在数字化浪潮汹涌澎湃的当下,AIGC(人工智能生成内容,Artificial Intelligence Generated Content)如同一颗璀璨的新星,照亮了我们生活的每一个角落。它是继 PGC(专业生产内容)、UGC(用户生产内容)之后的又一内容生产新范式,借助机器学习、深度学习等人工智能技术,AIGC 能够自动生成文本、图像、音频、视频等多样化的内容 ,正逐渐渗透到我们生活的方方面面,从日常的信息获取、创意激发,

By Ne0inhk

8步出图效率革命:Qwen-Image-Lightning重构AIGC创作流程

导语:阿里通义千问团队推出的Qwen-Image-Lightning模型,通过创新蒸馏技术将图像生成步骤压缩至4-8步,实现12-25倍速度提升,同时保持复杂文本渲染核心优势,重新定义AIGC生产效率标准。 【免费下载链接】Qwen-Image-Lightning 项目地址: https://ai.gitcode.com/hf_mirrors/lightx2v/Qwen-Image-Lightning 行业现状:速度与质量的长期平衡 2024-2025年文生图领域呈现"双轨并行"发展态势:一方面以FLUX、SeedDream 3.0为代表的模型追求极致画质,需50-100步推理;另一方面企业级应用迫切需要实时响应,如电商广告素材生成要求3秒内出图。传统扩散模型面临"质量-速度"平衡难题,而Qwen-Image-Lightning通过FlowMatch蒸馏技术与动态时序调整,在8步内完成原本需100步的图像生成过程,实测在NVIDIA A100显卡上实现单图生成时间≤1秒。 核心亮点:三大技术突破实现效率跃升 1. 蒸馏技术重构推理流程 基于Qwen-Image 20B参

By Ne0inhk
高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

高级java每日一道面试题-2025年7月15日-基础篇[LangChain4j]-如何集成国产大模型(如通义千问、文心一言、智谱 AI)?

你想了解在LangChain4j中如何集成主流的国产大模型(通义千问、文心一言、智谱AI),并希望得到面向高级面试的详细解答。这是LangChain4j落地国内场景的核心考点,既考察对框架扩展能力的理解,也考察对国产模型生态的熟悉度。 一、核心原理:国产模型集成的通用逻辑 LangChain4j对国产大模型的集成,核心遵循「统一接口 + 专属适配器」的设计: 1. 所有模型均实现LangChain4j的ChatLanguageModel/EmbeddingModel核心接口,保证调用方式一致; 2. 每个国产模型有专属的集成依赖(如langchain4j-dashscope对应通义千问); 3. 配置上需适配国产模型的专属参数(如阿里云AccessKey、百度API Key/Secret Key)。 二、完整集成实现(通义千问 + 文心一言 + 智谱AI) 以下是可直接运行的生产级代码,覆盖三大主流国产模型的集成,包含基础调用、参数配置、异常处理等核心要点。 1. 前置依赖(Maven) 首先引入各模型的专属集成依赖(按需选择): <dependencies><!

By Ne0inhk
AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI:多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中,海螺AI作为一款前沿的多功能AI工具,正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司(MiniMax)精心打造,依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型,展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业,在多模态大模型研发领域深耕细作,为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 (一)基础模型:abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计,借助动态路由机制,即Sparse Gating Network,可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等,各司其职,协同作业。在参数规模上,abab - 6.5总参数量高达1.2万亿,同时通过巧妙的设计,将活跃参数量控制在2000亿/query,有效平衡了模型的高容量与低推理成本。在训练优化环节,

By Ne0inhk