XIlinx FPGA使用LVDS的电源与电平关键指南

XIlinx FPGA使用LVDS的电源与电平关键指南

针对 7 Series, UltraScale, UltraScale+ FPGAs 以及 MPSoC 器件使用 LVDS 的注意事项:

1. 适用范围

  • 器件系列:7 Series, UltraScale, UltraScale+, Zynq UltraScale+ MPSoC。
  • 涉及 IO 类型:High Performance (HP) Banks, High Range (HR) Banks, High Density (HD) Banks。

2. 电源电压 (VCCO) 与 输入/输出 的限制

这是该指南的核心内容,根据 Bank 类型和是用作输入还是输出,规则有所不同:

A. LVDS 输出 (Outputs)
  • 严格的电压要求:LVDS 输出驱动器对 Bank 电压(VCCO)有严格要求,必须匹配标准电压。
    • HP Banks (LVDS): VCCO 必须为 1.8V
    • HR/HD Banks (LVDS_25): VCCO 必须为 2.5V
  • 不支持 3.3V 输出:这些器件不支持LVDS_33 标准。你不能在 VCCO 为 3.3V 的 Bank 中使用 LVDS 输出。
B. LVDS 输入 (Inputs)
  • 宽松的电压要求:输入端的 VCCO 电压要求相对宽松,可以不完全匹配标准电压,但有前提条件。
    • HP Banks: 即使 VCCO 不是 1.8V,也可以使用 LVDS 输入。
    • HR/HD Banks: 即使 VCCO 不是 2.5V,也可以使用 LVDS_25 输入。
  • 关键限制 (Termination)
    • 如果在 VCCO 电压不匹配的情况下使用 LVDS 输入(例如在 2.5V 或 3.3V 的 Bank 中接收 1.8V LVDS 信号,或在非 2.5V Bank 接收 LVDS_25),必须将 DIFF_TERM 属性设置为 FALSE
    • 这意味着你不能使用片内终端电阻,必须在 PCB 上使用外部差分终端电阻(通常为 100Ω)。

3. 电气参数合规性 (Signal Integrity)

无论 VCCO 如何连接,必须确保驱动端的信号电平满足 FPGA 接收端的规范(参考具体器件的数据手册 Data Sheet):

  • VOD (差分输出电压) & VOCM (共模输出电压):驱动芯片的输出必须落在 FPGA 接收端的 VIDIFFVICM 允许范围内。
  • VIN (输入电压范围):输入信号的绝对电压电平不能超过 Data Sheet 中规定的 VIN 绝对最大额定值(通常与 VCCO 相关,需注意过压风险)。

4. 关于 “LVDS_33” 的特别说明

  • 无原生支持:现代 Xilinx FPGA(7系列及以后)没有 LVDS_33 I/O 标准。
  • 兼容性设计:如果需要连接旧款 FPGA 或其他芯片的 3.3V LVDS 信号:
    • 作为输出:FPGA 无法直接产生 3.3V 供电的 LVDS 信号。
    • 作为输入:只要信号电平(VOD, VOCM)满足 FPGA 接收端的要求,且不超过 Bank 的输入电压容限,通常可以接收。但务必注意共模电压和摆幅是否在 FPGA 允许范围内,并使用外部端接。

5. 双向 LVDS (Bidirectional)

  • 必须同时满足输入和输出的限制。因此,对于双向 LVDS 信号,Bank 的 VCCO 必须严格设置为对应的标准电压(HP Bank 为 1.8V,HR Bank 为 2.5V),且不能利用输入的宽电压容限特性。

总结检查清单 (Checklist)

  1. 确认 Bank 类型:是 HP、HR 还是 HD?
  2. 确认方向:是仅输入、仅输出还是双向?
  3. 检查 VCCO
    • 输出/双向 -> 必须严格匹配 (HP=1.8V, HR=2.5V)。
    • 仅输入 -> 若 VCCO 不匹配,必须禁用内部匹配 (DIFF_TERM = FALSE) 并使用外部电阻。
  4. 检查电平:对照 Data Sheet 检查驱动端的 VOD/VOCM 是否在接收端的 VIDIFF/VICM 范围内。

Read more

从人类视频到机器人跳舞:BeyondMimic 全流程解析与 rl_sar 部署实践

从人类视频到机器人跳舞:BeyondMimic 全流程解析与 rl_sar 部署实践

0. 前言 让人形机器人学会跳舞,听起来像是科幻电影中的场景,但在强化学习和运动模仿技术的推动下,这件事正在变得越来越现实。本文将完整介绍一条从"人类 RGB 视频"到"真实机器人跳舞"的技术链路:首先通过视觉算法从视频中提取人体运动轨迹,然后将人体模型重定向到机器人关节空间,接着在仿真环境中进行强化学习训练,最后在 MuJoCo 中验证并部署到真实的 Unitree G1 人形机器人上。 整条流程涉及四个核心开源项目:GVHMR(视频到人体模型)、GMR(人体到机器人重定向)、BeyondMimic(强化学习训练框架)、以及 rl_sar(仿真验证与真机部署框架)。本文不仅会逐一拆解每个环节的原理和操作步骤,还会深入分析 BeyondMimic 的算法设计,并详细记录将训练产物迁移到 rl_sar 项目中进行 sim2sim 和 sim2real 部署时遇到的关键问题与解决方案。 下图展示了

Java Web 入校申报审批系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

Java Web 入校申报审批系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

💡实话实说: C有自己的项目库存,不需要找别人拿货再加价。 摘要 随着信息化技术的快速发展,校园管理逐渐向数字化、智能化方向转型。传统的入校申报审批流程通常依赖纸质表单或线下沟通,效率低下且难以追踪审批进度。尤其在疫情防控常态化背景下,校园出入管理需要更加高效、透明的解决方案。基于此,开发一套高效、便捷的入校申报审批系统成为迫切需求。该系统能够实现申报信息的在线提交、审批流程的自动化管理以及数据的实时统计,从而提升校园管理的响应速度和安全性。关键词:校园管理、入校申报、审批系统、数字化、疫情防控。 本系统采用前后端分离架构,后端基于SpringBoot2框架搭建,结合MyBatis-Plus实现高效数据操作,MySQL8.0作为数据库存储数据。前端采用Vue3框架,利用其响应式特性提升用户体验。系统功能涵盖用户角色管理、入校申请提交、审批流程管理、数据统计分析等模块。管理员可通过系统实时监控入校申请状态,教师和学生可在线提交申请并查看审批进度。系统还支持多级审批流程,确保审批的严谨性和灵活性。关键词:SpringBoot2、Vue3、MyBatis-Plus、MySQL8.0

C++ Web 编程

C++ Web 编程概述 C++ 并非传统意义上的 Web 开发语言,但通过库和框架支持,仍可用于构建高性能后端服务或实现底层网络通信。以下是常见方法和技术栈。 使用 C++ 构建 Web 后端 1. 框架选择 * Pistache: 高性能 REST 框架,支持异步处理。 * Drogon: 基于 C++17/20 的全栈 Web 框架,支持协程和 ORM。 Crow: 轻量级、易用的 HTTP 微框架,适合快速开发 RESTful API。 #include <crow.h> int main() { crow::SimpleApp app;

Java Web 旅游出行指南_ms ()abo系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

Java Web 旅游出行指南_ms ()abo系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

摘要 随着互联网技术的快速发展,旅游行业逐渐从传统的线下模式转向线上智能化服务。旅游出行指南系统作为一种便捷的信息化工具,能够为用户提供个性化的行程规划、景点推荐、酒店预订等服务,极大地提升了旅游体验的效率和舒适度。当前市场上多数旅游平台功能单一,缺乏智能化推荐和实时数据更新能力,难以满足用户日益增长的个性化需求。因此,开发一款基于现代技术的旅游出行指南系统具有重要的现实意义。关键词:旅游出行指南、智能化服务、行程规划、个性化推荐。 本系统采用SpringBoot2作为后端框架,结合Vue3前端技术实现前后端分离架构,提升系统的可维护性和扩展性。数据库选用MySQL8.0,利用MyBatis-Plus简化数据操作,确保高效的数据存取性能。系统主要功能包括用户管理、景点信息查询、行程规划、酒店预订及评价反馈等模块。通过智能算法分析用户偏好,实现个性化推荐,同时支持多条件筛选和实时数据更新。系统设计注重用户体验,提供响应式界面适配多种终端设备。关键词:SpringBoot2、Vue3、MyBatis-Plus、MySQL8.0、个性化推荐。 数据表设计 用户信息数据表 用户信息数