技术
在追求更高性能、更低功耗的当今芯片设计中,工程师们除了要应对复杂的时钟网络,还面临着一个同样关键却常被忽视的挑战——复位信号的管理,这就是跨复位域(Reset Domain Crossing, 简称RDC)问题,
第一部分首先介绍了基本TIA设计的一种简化补偿流程,随后通过添加一个T型网络,成功地将所需的补偿电容提升到高于寄生电容的水平。第二部分将展示该T型网络对电路环路增益(LG)图的影响,并阐明这一影响与T型网络设计代数之间的对应关系。
在边缘计算领域,算力与实时性之间的博弈从未停止。近期基于 米尔MYD-LR3576 开发板+ PCIe M.2 接口 Hailo-8 算力卡 进行了一系列深度测试,一组实测数据,或许能帮你重新审视边缘 AI 的“性能天花板”。
随着嵌入式系统不断发展,应用领域从工业自动化、车联网到先进的物联网设备日益丰富和复杂,设计人员在性能、灵活性与可靠性之间的平衡面临越来越多的挑战。具备设计可扩展性和多样化外设集成能力,成为应对这些挑战、让设计具备未来适应性的关键所在。
本文将通过多个实例,介绍如何在基于 Arm® Cortex®‑M0+ 内核的 MCU(如 MSPM0G5187)上部署 AI 模型。每个实例均涵盖传感与信号处理链路、AI 模型如何适配嵌入式环境,以及 MCU 为各设计带来的性能与系统级优势。
目前户外大功率蓝牙音箱采用3-4节锂电池或12V铅酸电池为主要电源、由于电压的限制,音箱的输出功率很难有实质的提升。超过50W的功率现阶段市场上主要采用升压FP5207+TPA3116的升压音频解决方案,因TPA3116的最高工作电压为26V,考虑到可靠性升压至24V,输出4欧65W(THD1%)。
本文首先以同步降压稳压器为例,介绍了开关振铃方面的问题。然后,文章阐述了如何设计和优化缓冲电路来抑制这种振铃。我们将利用LTspice®和典型寄生模型来模拟标准PCB上出现的振铃现象,并展示计算所得缓冲电路值对振铃和整体效率的影响。
当前AI领域的发展格局正由大型语言模型(LLMs)的迅猛增长所主导。虽然云端对于这些超大规模模型的训练依然至关重要,但一个显著的转变正在发生:AI推理正从集中式数据中心向网络边缘和终端设备迁移。这一趋势涵盖了从5G基础设施到汽车、安防摄像头和手机等终端设备在内的广泛领域。