跳转到主要内容
瑞苏盈科专栏
我与瑞苏盈科板卡的开发故事
YunSDR小课堂-信道估计与均衡(第89讲)

针对在接收机结构中实际实现均衡器,依据系统需求,我们可采用多种设计策略。一个合理的设计视角是考虑完成给定信道环境均衡所需的训练数据量。

Altera FPGA生命周期再延20年!国产FPGA加油啊!

开发长生命周期系统的客户既需要高性能,也需要可预测性。通过将这些FPGA产品系列的支持延长至2045年,Altera可更好地为长达数十年的系统部署提供所需的稳定性和灵活性

Versal Gen2连载第三篇--KPL3858 LPDDR5X-8533介绍及性能测试

<p><span style="text-wrap-mode: wrap;">在前两篇文章中,我们完成了开普勒KPL3858的开箱上电和UFS烧录启动。本篇聚焦KPL3858上最值得关注的硬件特性之一 —— LPDDR5X-8533高速内存子系统。</span></p>

Altera 重磅宣布:三大 FPGA 系列生命周期支持延至 2045 年

Altera 宣布三大 FPGA 系列生命周期支持延长至 2045 年,稳固多领域长期应用保障。

Versal Gen2连载第二篇--开普勒KPL3858 UFS烧录及启动

本篇聚焦UFS—— KPL3858 板载的高速存储介质,详细介绍 UFS 的硬件接口特性、在 Versal Gen2 上的优势,以及如何将 Linux 镜像烧录到 UFS 并从 UFS 启动。

经过验证的针对 AMD Versal™ 器件的时序收敛方法论

本次网络研讨会则会介绍全新的《AMD Versal™ 自适应 SoC 设计方法时序收敛快捷参考指南》,并重点讲解如何运用这一经过验证的方法论和分步流程

Versal Gen2连载第一篇--开普勒KPL3858 EVK开箱及烧录启动

科通旗下开普勒实验室Kepler-Lab 推出了自研的 KPL3858评估板,该板以 AMD 官方 VEK385 为基础,对电源和时钟部分进行了简化和定制化设计

YunSDR小课堂-信道估计与均衡(第88讲)

本文将讨论几种自适应均衡器的实现方式,但文献中存在众多变体和替代方案

一文读懂智多晶SDI IP:专业视频传输“硬核IP”全解析

SDI 仍是专业视频传输核心,智多晶 SDI IP 助力 FPGA 实现国产化替代与工程落地。

Versal 自适应 SoC 设计进程中心:AI 引擎开发

本文档提供有关创建 AI 引擎应用并与 Versal 自适应 SoC 系统集成的分步指导。

数据中心实时性能:选择 AMD Alveo V80 加速卡的五大理由

Alveo V80 是一款用途高度多样化的加速卡,业已应用于高性能计算、金融科技、数据分析、传感器处理、网络、存储等众多市

YunSDR小课堂-信道估计与均衡(第87讲)

在前述章节中,我们着重研究了发射机与接收节点之间的同步问题。通过整合前面章节内容,帧恢复现在成为可能,我们已达到成功解码帧的门槛

将 Allegro PCB 设计导入 HyperLynx 进行信号完整性仿真的完整流程指南

本文将详细介绍如何将 Allegro 的 PCB 文件导入 HyperLynx,并以差分信号为例,完成从建模到仿真的完整流程。

如何用熟悉的工具在 FPGA 上部署边缘 AI

本文将重点介绍推动设计人员探索新型边缘 AI 架构的应用场景及其需求,并引入 Altera 的边缘 AI FPGA 器件及软件工具

流语义寄存器:轻量级RISC-V扩展,单发射核计算利用率挂满!

先进处理器(CPU、GPU等)遭遇利用率墙时,开发重心从制造工艺转向工艺感知型计算机架构,聚焦能效。

AMD x ALINX 嵌入式技术日回顾 | 边缘 AI、机器视觉 FPGA 解决方案

ALINX 展出多款基于 Spartan Ultrascale+、Virtex Ultrascale+ 及 Versal 系列板卡与解决方案

YunSDR小课堂-帧同步与信道编码(第86讲)

既然我们能够成功地跨无线链路恢复数据,接下来可以讨论使该过程更具鲁棒性的技术手段。信道编码是显而易见的方案,且在所有数字通信标准中均普遍采用。

威视锐亮相AMD嵌入式技术日!核心展品解锁嵌入式领域新可能

本次活动集结AMD原厂技术团队与多家行业头部合作伙伴,全方位拆解嵌入式、AI、6G、无线通信等热门赛道的技术迭代与优势方案,为行业发展注入新活力。

面向 AMD Versal™ 自适应 SoC 的异构仿真 - 仿真更智能,验证更迅捷

为帮助设计人员对涵盖 AI 引擎和可编程逻辑 (PL) 的复杂 AMD Versal™ 自适应 SoC 设计进行功能验证,AMD Vitis™ 工具目前支持多种不同的仿真流程

基于DNN芯粒的存内计算架构仿真

由于深度学习(DL)模型规模的不断增长,在大型单片芯片上实现用于深度学习的存内计算(IMC)面临面积、良率和制造成本方面的挑战