S3---FPGA-A7板级电源硬件实战

2024-03-04 10:04

本文主要是介绍S3---FPGA-A7板级电源硬件实战,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

视频链接

FPGA-A7板级电源硬件实战01_哔哩哔哩_bilibili

FPGA-A7板级电源硬件实战

1、基于A7 板级的系统框图

2、基于A7 板级的电源设计细则

2.1、A7 FPGA功耗评估

Artix-7 FPGA电源有VCCINT, VCCBRAM, VCCAUX, VCCO, VMGTAVCC和VMGTAVTT。

2.1.1、A7 FPGA电源管脚

2.1.2、A7 FPGA功耗评估(XPE)

《7_Series_XPE_2019_1_2》     excel算法

2.2、其余元器件功耗评估

2.2.1、DDR3   ---MT41J256M16

VDDQ

//DDR3和DDR4内存颗粒的具体电流与电压之间的关系会因产品的制造商和型号而略有不同。此外,电流峰值大小也受芯片的封装、时序参数、不同的频率、负载大小、供电电压等多个因素

如果需要更加精确地计算电流峰值,需通过特定内存型号的规格书或者厂家提供的数据手册来进行查询。

一般采用的DDR3和DDR4内存的标准电压分别为1.5V和1.2V。

VTT

//VTT(终端电源)是DDR3和DDR4内存中用来提供电源的电压之一,通常在0.6V到1V之间。

DDR3和DDR4内存中VTT所对应的电流大小一般与负载电容和时序参数有关系,并且随着工作频率的提高而增加。根据参考资料和经验法则,当DDR3内存单颗粒上面的VTT电压在标准值(0.75V)下工作时,最大电流一般在20mA左右。而DDR4内存单颗粒上面的VTT电压在标准值(0.6V)下工作时,最大电流一般在10mA左右。

需要注意的是,以上数值仅供参考,VTT电流大小还受到具体内存型号、负载和工作条件等多种因素的影响。如果需要更精确的数据可以参考内存规格书或者厂商提供的数据手册。//

(镁光)

2.2.2、Spi flash ---N25Q128

2.2.3、时钟差分 ---SIT9102

2.3、各电源功能分配明细表

电源

功能

+3.3V

FPGA Bank0 , Bank13 ,Bank14的VCCIO,

QSIP FLASH, 差分Clock 晶振

+1.8V

FPGA辅助电压, TPS74801供电

+1.0V

FPGA的核心电压

+1.5V

DDR3, FPGA Bank34和Bank35

VREF、VTT

DDR3

VCCIO

FPGA Bank15, Bank16

MGTAVTT

FPGA GTP收发器Bank216

MGTAVCC

FPGA GTP收发器Bank216

2.4、板级总功耗评估表(excel)

2.5、电源时序图   (★)

2.6、电源树 (★)

2.7、电源参考总方案

3、A7板级电源设计注意事项

3.1、各电源电压对应的电流及时序(★)

3.1.1、数字电源及时序(参考实战S1-FPGA板级实战导学)
3.1.2、模拟电源及时序
3.2、FPGA电容取值  (★)

4、基于A7 板级的电源实战

4.1、电源入口

4.2、电源实战图

详细内容参考视频讲解

这篇关于S3---FPGA-A7板级电源硬件实战的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/772826

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

滚雪球学Java(87):Java事务处理:JDBC的ACID属性与实战技巧!真有两下子!

咦咦咦,各位小可爱,我是你们的好伙伴——bug菌,今天又来给大家普及Java SE啦,别躲起来啊,听我讲干货还不快点赞,赞多了我就有动力讲得更嗨啦!所以呀,养成先点赞后阅读的好习惯,别被干货淹没了哦~ 🏆本文收录于「滚雪球学Java」专栏,专业攻坚指数级提升,助你一臂之力,带你早日登顶🚀,欢迎大家关注&&收藏!持续更新中,up!up!up!! 环境说明:Windows 10

【STM32】SPI通信-软件与硬件读写SPI

SPI通信-软件与硬件读写SPI 软件SPI一、SPI通信协议1、SPI通信2、硬件电路3、移位示意图4、SPI时序基本单元(1)开始通信和结束通信(2)模式0---用的最多(3)模式1(4)模式2(5)模式3 5、SPI时序(1)写使能(2)指定地址写(3)指定地址读 二、W25Q64模块介绍1、W25Q64简介2、硬件电路3、W25Q64框图4、Flash操作注意事项软件SPI读写W2

springboot实战学习(1)(开发模式与环境)

目录 一、实战学习的引言 (1)前后端的大致学习模块 (2)后端 (3)前端 二、开发模式 一、实战学习的引言 (1)前后端的大致学习模块 (2)后端 Validation:做参数校验Mybatis:做数据库的操作Redis:做缓存Junit:单元测试项目部署:springboot项目部署相关的知识 (3)前端 Vite:Vue项目的脚手架Router:路由Pina:状态管理Eleme

深度学习实战:如何利用CNN实现人脸识别考勤系统

1. 何为CNN及其在人脸识别中的应用 卷积神经网络(CNN)是深度学习中的核心技术之一,擅长处理图像数据。CNN通过卷积层提取图像的局部特征,在人脸识别领域尤其适用。CNN的多个层次可以逐步提取面部的特征,最终实现精确的身份识别。对于考勤系统而言,CNN可以自动从摄像头捕捉的视频流中检测并识别出员工的面部。 我们在该项目中采用了 RetinaFace 模型,它基于CNN的结构实现高效、精准的

项目实战系列三: 家居购项目 第四部分

购物车 🌳购物车🍆显示购物车🍆更改商品数量🍆清空购物车&&删除商品 🌳生成订单 🌳购物车 需求分析 1.会员登陆后, 可以添加家居到购物车 2.完成购物车的设计和实现 3.每添加一个家居,购物车的数量+1, 并显示 程序框架图 1.新建src/com/zzw/furns/entity/CartItem.java, CartItem-家居项模型 /***

Birt报表开发实战

我就截图描述得了,没什么含金量,看图基本明白的。 1.开始 a.创建报表文件 b.数据源配置 c.配置数据集 2.网格报表 拖拉式操作,很方便 3.预览效果 其他报表的操作也基本不难,就不扯了! 2.级联参数 官方视频教程:http://demo.actuate.com/demos/cascade/cascade.html

[yolov5] --- yolov5入门实战「土堆视频」

1 项目介绍及环境配置 下载yolov5 tags 5.0源码,https://github.com/ultralytics/yolov5/tree/v5.0,解压 Pycharm 中创建conda虚拟环境 激活conda虚拟环境 根据作者提供的requirements.txt文件,pip install -r requirements.txt 如果作者没有提供requirement.txt文件