基于Zynq FPGA对雷龙SD NAND的测试

基于Zynq FPGA对雷龙SD NAND的测试

一、SD NAND 特征

1.1 SD 卡简介

雷龙的 SD NAND 有很多型号,在测试中使用的是 CSNP4GCR01-AMW 与 CSNP32GCR01-AOW。芯片是基于 NAND FLASH 和 SD 控制器实现的 SD 卡。具有强大的坏块管理和纠错功能,并且在意外掉电的情况下同样能保证数据的安全。

其特点如下:

  • 接口支持 SD2.0 2 线或 4 线;
  • 电压支持:2.7V-3.6V;
  • 默认模式: 可变时钟速率 0 - 25MHz,高达 12.5 MB/s 的接口速度 (使用 4 条并行数据线)
  • 高速模式: 可变时钟速率 0 - 50MHz,高达 25 MB/s 的接口速度 (使用 4 条并行数据线)
  • 工作温度:-40°C ~ +85°C
  • 存储温度:-55°C ~ +125°C
  • 待机电流小于 250uA
  • 修正内存字段错误;
  • 内容保护机制——符合 SDMI 最高安全标准
  • SDNAND 密码保护 (CMD42 - LOCK_UNLOCK)
  • 采用机械开关的写保护功能
  • 内置写保护功能 (永久和临时)
  • 应用程序特定命令
  • 舒适擦除机制

该 SD 卡支持 SDIO 读写和 SPI 读写,最高读写速度可达 25MB/s,实际读写速度要结合 MCU 和接口情况实测获得。通常在简单嵌入式系统并对读写速度要求不高的情况下,会使用 SPI 协议进行读写。但不管使用 SDIO 还是 SPI 都需要符合相关的协议规范,才能建立相应的文件系统;

1.2 SD 卡 Block 图

该 SD 卡封装为 LGA-8;引脚分配与定义如下;在这里插入图片描述:

image-20241106234505040

二、SD 卡样片

与样片同时寄来的还有转接板,转接板将 LGA-8 封装的芯片转接至 SD 卡封装,这样只需将转接板插入 SD 卡卡槽即可使用。

在这里插入图片描述:

image-20241106234515418

三、Zynq 测试平台搭建

  • 测试平台为 Xilinx 的 Zynq 7020 FPGA 芯片;
  • 板卡:Digilent Zybo Z7
  • Vivado 版本:2018.3
  • 文件系统:FATFS
  • SD 卡接口:SD2.0

3.1 测试流程

本次测试主要针对 4G 和 32G 两个不同容量的 SD 卡,在 Zynq FPGA 上搭建 SD 卡读写回路,从而对

Read more

文心一言:从入门到精通的完整指南

文心一言:从入门到精通的完整指南

🚀 文心一言:从入门到精通的完整指南 探索百度大语言模型的无限可能,掌握智能对话的艺术与科学 📖 前言:为什么选择文心一言? 在AI助手百花齐放的时代,文心一言凭借其深厚的中文理解能力、丰富的功能生态和贴心的用户体验,已成为众多用户的首选智能伙伴。本指南将带您系统掌握文心一言的核心技能,让AI真正成为您工作学习的得力助手。 🎯 一、认识文心一言:您的智能工作伙伴 什么是文心一言? 文心一言是百度基于自研ERNIE系列大模型打造的智能对话助手,具备强大的语言理解、内容创作、知识推理和多模态交互能力。它不仅是聊天机器人,更是能理解复杂需求、提供专业建议的智能工作伙伴。 🌟 核心优势 优势特性具体表现应用价值中文优化基于海量中文语料训练,理解中文语境更准确避免翻译误差,提升沟通效率多模态融合支持文本、图像、文档等多种输入输出一站式解决复杂任务知识丰富整合百度知识图谱,提供权威信息确保回答的专业性和准确性免费使用基础功能免费,降低使用门槛让更多人享受AI便利 🎪 适用场景全景图 💼 职场效率提升 * 报告撰写:一键生成专业报告,节省80%写作时间

.Net 集成Whisper:打造高效离线语音识别应用的实践指南

1. Whisper模型简介与核心优势 Whisper是OpenAI在2022年开源的一款端到端语音识别模型,它基于Transformer架构,支持包括中文在内的99种语言识别。与传统的云端语音识别服务不同,Whisper最大的特点就是能够在本地离线运行,不需要将音频数据上传到云端服务器,这对于注重隐私保护的场景来说是个巨大的优势。 我在实际项目中使用过多个版本的Whisper模型,发现它的识别准确率确实令人惊喜。特别是在处理带有口音的中文语音时,表现比很多商业API都要好。举个例子,我曾经用Whisper处理过一段带有浓重方言口音的会议录音,识别准确率达到了90%以上,而同样的音频在其他平台上识别效果要差很多。 Whisper提供了五种不同规模的模型供选择: * tiny:75MB,适合移动设备 * base:148MB * small:488MB * medium:1.5GB * large:2.9GB,识别精度最高 选择模型时需要权衡精度和性能。根据我的经验,对于中文识别,small模型已经能提供不错的效果,而large模型虽然更准确,但处理速度会明显变慢。我

【实战】从零搭建GEO多平台监控系统:支持ChatGPT、豆包、Kimi、文心一言

【实战】从零搭建GEO多平台监控系统:支持ChatGPT、豆包、Kimi、文心一言

【实战】从零搭建GEO多平台监控系统:支持ChatGPT、豆包、Kimi、文心一言 背景 Sora死了。 我的第一反应不是"AI完了",而是"我的监控代码要不要改"。 因为之前我专门写了Sora的监控脚本。 Sora一关,代码废了。 痛定思痛,我决定写一套通用的GEO多平台监控方案。 本文分享完整代码,支持:ChatGPT、豆包、Kimi、文心一言、通义千问。 系统架构 ┌─────────────────────────────────────────────────────────┐ │ GEO多平台监控系统 │ ├─────────────────────────────────────────────────────────┤ │ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ │ │ │ 任务调度 │→ │ 平台查询 │→ │ 结果分析 │ │ │ └───────────┘ └───────────┘ └───────────┘ │ │ ↑ ↓ ↓ │ │ └──── 告警通知 ←────── 报告生成 ←─

一文看懂:AI编程工具深度对比:Cursor、Copilot、Trae与Claude Code

一文看懂:AI编程工具深度对比:Cursor、Copilot、Trae与Claude Code

AI编程工具深度对比:Cursor、Copilot、Trae与Claude Code 引言 在人工智能技术蓬勃发展的今天,AI编程工具已成为开发者提高效率的重要助手。从早期的代码补全插件到如今能够理解整个代码库的智能助手,AI编程工具正在不断进化。本文将对当前主流的AI编程工具——Cursor、GitHub Copilot、Trae和Claude Code进行全面对比,帮助开发者选择最适合自己的工具。 主流AI编程工具概述 Cursor Cursor是一款基于VSCode的AI驱动代码编辑器,它最大的特点是能够理解整个代码库的上下文,提供智能的代码补全和重构建议。Cursor默认使用Claude-3.5-Sonnet模型,即使是OpenAI投资的公司,也选择了Claude模型作为默认选项,这足以说明其在代码生成领域的优势。 GitHub Copilot GitHub Copilot是由GitHub与OpenAI合作开发的AI编码助手,集成在VSCode、Visual Studio等主流编辑器中。它基于OpenAI的模型,能够根据注释和上下文自动生成代码,是AI编程工具