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

Nunchaku FLUX.1 CustomV3实战案例:为AR应用生成带透视校准的3D风格参考图

Nunchaku FLUX.1 CustomV3实战案例:为AR应用生成带透视校准的3D风格参考图 1. 引言:当AR设计遇上AI绘图 想象一下,你正在为一个增强现实(AR)应用设计一个虚拟家具。你需要一张参考图,这张图不仅要展示家具的3D形态,还要有精确的透视关系,确保它在真实环境中看起来“站得住脚”。传统方法可能需要3D建模、渲染,耗时耗力。 今天,我们用一个实战案例,看看如何用 Nunchaku FLUX.1 CustomV3 这个AI绘图工具,快速生成一张符合AR应用需求的、带有准确透视的3D风格参考图。整个过程,从想法到成品,可能只需要几分钟。 简单来说,Nunchaku FLUX.1 CustomV3是一个专门优化过的文生图工作流程。它基于强大的FLUX.1-dev模型,并融合了FLUX.1-Turbo-Alpha和Ghibsky Illustration LoRAs等技术,目的就是生成质量更高、细节更丰富的图片。对于需要精确视觉表达的AR、游戏或产品设计领域,它是个非常趁手的工具。 2.

实现Python将csv数据导入到Neo4j

实现Python将csv数据导入到Neo4j

目录 一、获取数据集 1.1 获取数据集 1.2 以“记事本”方式打开文件 1.3  另存为“UTF-8”格式文件 1.4 选择“是” 二、 打开Neo4j并运行 2.1 创建新的Neo4j数据库 2.2 分别设置数据库名和密码 编辑 2.3 启动Neo4j数据库 2.4 打开Neo4j数据库  2.5 运行查看该数据库是否为空 三、打开Python创建项目  3.1 创建一个包,存项目 3.2 创建一个项目 3.3 检查自己的依赖是否完全

宇树科技机器人核心技术

宇树科技机器人核心技术

前言 宇树科技作为全球足式/人形机器人领域的标杆企业,其技术体系覆盖消费级(Go2)、工业级(B2)、人形(G1/H1)全产品线,以“硬件自研+软件全栈+AI赋能”构建核心壁垒。本文不仅拆解宇树机器人的关键技术(单硬件、单软件、软硬件协同、AI+),还配套就业技能图谱、学习路线与工具推荐,适合机械、电子、计算机、AI领域开发者/求职者参考。 一、宇树科技机器人核心技术全景(附插图建议) 宇树的技术体系可概括为“四层金字塔结构”,从下到上实现“能运动→会运动→智能运动”的进阶: 技术层级核心定位代表技术应用价值底层硬件机器人“躯体骨架”自研伺服电机、分层计算平台、4D激光雷达保障运动性能与环境适配性全栈软件机器人“智慧大脑”MPC/WBC控制算法、SLAM感知融合、ROS2中间件实现精准控制与灵活交互软硬件协同机器人“神经中枢”实时控制闭环、

GraphRAG论文阅读:From Local to Global: A Graph RAG Approach to Query-Focused Summarization

文章链接:https://arxiv.org/abs/2404.16130 从局部到全局:一种面向查询聚焦摘要生成的GraphRAG方法 摘要 利用检索增强生成(RAG)从外部知识源检索相关信息,使大语言模型(LLMs)能够回答关于私有和/或先前未见过的文档集合的问题。然而,针对整个文本语料库的全局性问题,例如“数据集中的主要主题是什么?”,RAG则无法胜任,因为这本质上是一个查询聚焦的摘要生成(QFS)任务,而非显式的检索任务。同时,先前的QFS方法无法扩展到典型RAG系统索引的文本数量。为了结合这些不同方法的优势,我们提出了GraphRAG,一种基于图的方法,用于在私有文本语料库上进行问答,该方法能随用户问题的广泛性和源文本的数量而扩展。我们的方法使用LLM分两个阶段构建图索引:首先,从源文档中推导出实体知识图谱;然后,为所有紧密相关的实体组预先生成社区摘要。给定一个问题,每个社区摘要被用于生成部分回答,然后所有这些部分回答再次汇总成一个最终回答返回给用户。对于在约100万标记范围内的数据集上的一类全局意义构建问题,我们表明,与传统的RAG基线相比,GraphRAG在生成答