JTAG实测波形

JTAG实测波形

1.JTAG基础

1.1引脚定义

信号线方向 (相对于FPGA)全称主要作用
TCK输入Test Clock提供同步时钟,所有操作都在其边沿进行
TMS输入Test Mode Select控制JTAG状态机的状态转换
TDI输入Test Data Input串行数据输入,比特流文件、调试命令等,最终都是通过这根线传输到FPGA
TDO输出Test Data Output串行数据输出,可以从FPGA读回配置数据、芯片ID、内部寄存器状态或者调试数据。
TRST输入 (可选)Test Reset异步复位JTAG接口 ,低电平有效。用于将JTAG的TAP控制器强制复位到一个已知的初始状态。

这几个信号一般内部有上拉电阻。
TRST 可选。因为通过给TMS连续发送5个以上的高电平脉冲,也可以实现JTAG的逻辑复位。

TMS的值在TCK的上升沿被采样,JTAG内部一个固定的16状态状态机(TAP Controller)根据TMS的信号序列进行状态转换。
16个状态如下所示,主要有复位状态,空闲状态、数据寄存器状态,指令寄存器状态。
复位状态:进入此状态后,JTAG逻辑被禁用,芯片正常工作逻辑被激活。上电,或保持 TMS=1 并连续5个TCK时钟,可以进入此状态。
空闲状态:在多个状态下,只要 TMS=0,通常最终都会回到这里。
数据寄存器和指令寄存器都包括7种状态。

在这里插入图片描述


Select-DR-Scan:一个临时路口。在此状态,通过TMS的值决定是进入DR路径,还是切换到IR路径。
Capture-DR:捕获数据。在此状态,芯片会根据当前生效的JTAG指令,将并行数据预加载到数据移位寄存器中。
Shift-DR:核心移位状态。在此状态下,每个TCK周期,数据移位寄存器都会通过TDO移出一位数据,同时通过TDI移入一位新数据。
Exit1-DR:退出移位的第一阶段。用于离开Shift-DR状态。
Pause-DR:暂停移位。允许暂时停止数据移位,而不中断整个操作。这在处理长数据链时很有用。
Exit2-DR:从Pause-DR状态退出的另一个出口。
Update-DR:更新输出。这是一个关键状态。将在Shift-DR阶段移入的数据,锁存到目标寄存器中,并生效。

1.2 时序

在这里插入图片描述


TDO由TCK下降沿驱动。

1.3 JTAG级联

在这里插入图片描述

2.JTAG波形

2.1 擦flash 波形

Ch1:TCK Ch2:TMS Ch3:TDI Ch4:TDO

在这里插入图片描述


连接jtag 时只有tdo为高。测试fpga是安陆的fpga,可以看到擦写时,TDI没有数据,可能是fpga内部逻辑自主擦写。
上图中TMS先复位JTAG,然后从空闲状态进入数据寄存器状态,TDO输出数据。
擦除过程:

在这里插入图片描述


在这里插入图片描述

2.1 烧录flash波形

烧录flash过程和擦写flash一样,都有连接、配置、擦除、编程、验证五个阶段,只不过烧录过程更复杂,数据来源于比特流文件、svf文件等,还涉及到更复杂的jtag协议。
烧录初始波形:除了TDO其他都有数据。

在这里插入图片描述


烧录中

在这里插入图片描述


烧录完成中

在这里插入图片描述


烧录完成:TMS为0,回归空闲状态。

在这里插入图片描述

参考文档

[1]: 7 Series FPGAs Configuration User Guide(Xlinx)

Read more

Lostlife2.0下载官网整合LLama-Factory引擎,增强NPC对话逻辑

Lostlife2.0整合LLama-Factory引擎,重塑NPC对话逻辑 在文字冒险游戏的世界里,玩家最怕什么?不是任务太难,也不是剧情平淡——而是和一个“话术机械、反应呆板”的NPC对话时,那种瞬间出戏的割裂感。明明世界观设定是末世废土,结果NPC张口就是“绝绝子”“破防了”,这种语言风格的崩塌足以让沉浸感荡然无存。 《Lostlife2.0》作为一款以深度叙事和角色互动为核心卖点的文字冒险游戏,在开发过程中就直面了这一难题。早期版本中,NPC的对话依赖传统的决策树系统:每句台词都由编剧手动编写,每个分支都需要精确配置。这不仅导致内容维护成本极高,更带来了“选项爆炸”问题——新增一条剧情线,往往要额外添加数十个节点,最终形成一张难以管理的复杂网络。 真正的转机出现在团队引入 LLama-Factory 之后。这个开源的大模型微调框架,原本主要用于科研与企业级AI定制,但《Lostlife2.0》团队敏锐地意识到:它或许能成为解决NPC智能瓶颈的关键工具。通过将LLama-Factory深度集成到开发流程中,他们成功构建了一套动态、可进化、风格一致的对话生成系统,彻底改变了传

AI绘画新玩法:结合LLaMA-Factory和Stable Diffusion的创意工作流

AI绘画新玩法:结合LLaMA-Factory和Stable Diffusion的创意工作流 作为一名数字艺术家,你是否曾想过将大语言模型的创意生成能力与Stable Diffusion的视觉表现力相结合?这种跨模态的AI协作可以创造出前所未有的艺术风格,但技术门槛往往让人望而却步。本文将介绍如何通过预置的AI镜像,快速搭建一个艺术友好型的工作流,让你专注于创作而非技术实现。 这类任务通常需要GPU环境支持,目前ZEEKLOG算力平台提供了包含LLaMA-Factory和Stable Diffusion的预置环境,可快速部署验证。我们将从基础概念开始,逐步带你完成整个创意工作流的搭建和使用。 为什么需要结合LLaMA和Stable Diffusion 传统的AI绘画工作流中,艺术家需要手动编写复杂的提示词(prompt)来指导图像生成。而结合LLaMA-Factory微调的大语言模型后,可以实现: * 自然语言到专业提示词的自动转换 * 多轮对话式创意构思 * 风格描述的智能扩展与优化 * 跨模态的创意联想 这种组合特别适合: - 需要突破创意瓶颈的艺术家 - 希

数字FPGA方向 + 双一流本科 + C9硕士在读,前路如何?

数字FPGA方向 + 双一流本科 + C9硕士在读,前路如何?

数字FPGA方向 + 双一流本科 + C9硕士在读 + 组内有完整工程项目经验 如果只有前面三项,其实确实会焦虑。 因为现在做FPGA的人里,成绩好、学历高的并不少。 但再加上扎实的工程项目经历——真正从需求、架构、RTL、时序收敛到板级联调都走过一遍——这套配置,在当下已经不算弱。 即便如此,这类同学依然迷茫,我信。 现在卷的不是学历,是“谁更像工程师”。 回到标题这个问题——“数字FPGA、双一流本、C9硕士在读,出路在哪?” 从背景来看,有几条路可以认真想一想。 硕士毕业直接就业,是一条很现实的路。 FPGA行业本质是工程驱动型行业。 企业比起论文,更看你有没有真正做过项目: 是否独立写过模块? 是否收过时序? 是否在板子上调过问题? 是否面对过真实接口协议? 哪怕第一份工作只是做验证支持,或者在中小公司做通用逻辑开发,只要你能在两三年里真正参与完整产品交付,含金量会迅速拉开差距。 很多人焦虑的是起点,其实真正决定差距的是前三年的积累密度。 继续读博。 这条路只适合两种人: 第一,真的喜欢做架构和方法研究; 第二,目标非常明确,

【Axure教程】AI自动对话机器人

【Axure教程】AI自动对话机器人

AI对话机器人的应用已经非常广泛,从你日常使用的手机助手到企业复杂的客服系统,背后都有它的身影。所以今天就教大家在Axure里制作Ai对话机器人的原型模版,制作完成后,只需要在中继器表格里输入问题和答案,预览时就可以实现自动回复。具体效果你们可以观看下面的视频或打开原型预览地址亲自体验 【原型效果】 1、在输入框里输入问题后,自动搜索问题列表,如果找到答案,机器人自动回复;如果找不到答案,也会回复引导话术。 2、机器人回复时,会模拟打字输入效果,逐字回复。 3、问题和答案,可以在中继器表格里添加或修改。 【原型预览含下载地址】 https://axhub.im/ax10/bcf9d9e5357143b7/#c=1 【制作教程】 本原型模版主要分成底部背景、欢迎区域、问题列表、对话区域输入区域 1.底部背景 底部背景用矩形和线段制作,如下图所示摆放 2.欢迎区域 欢迎区域包括图标和文字,默认未提问时显示。 3.问题列表 问题列表用中继器制作,中继器里摆放矩形和文本标签,矩形用于显示文字,文本标签用于记录答案,