一种SDRAM控制器的设计电路

来源 :现代电子技术 | 被引量 : 0次 | 上传用户:luishifei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对以太网映射器芯片中以太网链路和HDLC链路之间存在不同速率数据链路通信的相互转换问题,文中提出一种SDRAM控制器的设计方案并采用Verilog HDL来实现.在该设计电路中,仲裁器处理以太网链路和HDLC链路与SDRAM之间的数据传送请求,以太网模块将接收到的数据写入IN_FIFO缓冲区,仲裁器负责将IN_FIFO中的数据导入SDRAM.在约定信息速率(CIR)控制器的作用下,仲裁器将SDRAM中的数据写入OUT_FIFO缓冲区,HDLC模块将OUT_FIFO中的数据读出.采用双缓存模块的设计对写入与读出的数据进行缓存,既可减少资源消耗又能够提高SDRAM的读写速率;同时增设CIR控制器来控制从SDRAM中读出的以太网数据是否采用规定的速率.结果表明,文中设计的电路输入数据与输出数据完全一致,能够很好地解决不同数据链路在进行数据交互时的吞吐量差异问题.
其他文献
负荷预测是电力系统调度运行的重要基础数据,短期负荷预测的样本数据既有波动性也有随机性.群体优化算法尤其是粒子群算法在负荷预测中运用非常广泛,但常规粒子群算法的惯性参数一般是固定不变的,导致后期搜索效率下降.文中采用改进的自适应粒子群算法提高搜索效率:首先用混沌初始化替代原来的随机初始化,避免了初始种群分布不均;再根据每次迭代适应度的变化更新惯性因子,可以解决后期寻优速度下降的问题;通过差分变异将适应度较差的粒子进行变异,提高了较差个体更新效率;最后利用改进后的自适应粒子群算法优化支持向量机的关键参数c和g
采用机器学习中卷积神经网络的方式对获得的心电图数据进行学习,提取心电图数据中的特征因素进行分析建模,利用建立好的预测模型对患者的心电图数据进行分析,根据分析得到的结果判断患者是否患有心脏病,然后进一步给出患者具体的心脏病类型.利用深度残差卷积神经网络算法进行模型的建立以及模型训练,在模型训练的过程中,对批处理脚本大小、卷积核大小、池化窗口大小等进行进一步的最优化预测,以期得到较好的训练模型,最终根据训练好的模型得出实验结果.实验结果显示该系统能够在保证较高的准确率的情况下,利用心电图数据实现对心脏病患者的
考虑到现有微电网一致性多目标调度没有考虑柔性负荷的参与,且存在收敛速度较慢的不足.不同于传统的一致性算法,文中基于有向通信,采用快速一致性算法解决含柔性负荷参与的综合考虑环保与经济的微电网多目标调度问题.首先,综合考虑发电机发电成本、污染气体排放、储能成本、柔性负荷用电效益及传输损耗,对多目标调度问题建立系统且全面的数学模型;其次,利用线性加权将建立的多目标问题转化为单目标问题,采用拉格朗日法求得目标函数的最优解;最后,采用引入的领导?跟随快速一致性算法实现了多目标模型的最优调度.仿真结果表明,该策略在保
目前配电变压器仿真建模及雷电防护措施研究均基于Yyn?0型配电变压器,未考虑工程中大量应用的Dyn?11型配电变压器与其在雷电耐受能力上的差异.针对Dyn?11型配电变压器雷电耐受能力研究缺失问题,基于两台不同接线组别的S13?315/10真型配电变压器的结构及标称参数,采用ATP?EMTP建立宽频等效模型,分析雷电防护措施相同的情况下及接地电阻改变时,接线组别的不同对配电变压器雷电耐受性能的影响.研究结果表明,在相同雷电防护措施下,Dyn?11型配电变压器高压绕组承受的过电压均低于Yyn?0型,Dyn?
为了满足立方体卫星对姿控计算机高性能、低功耗以及具有丰富的外设接口的要求,该文基于低成本、低功耗的STM32芯片设计立方体卫星姿控计算机.首先对立方体卫星任务进行总体分析,提出姿控计算机的总体设计方案;然后根据需求对姿控计算机硬件系统进行设计,重点对主控芯片的选型、主芯片基础外围电路的设计以及主芯片与姿控各部组件的接口电路设计进行阐述;最后对姿控计算机实物进行了试验验证.结果表明,基于STM32芯片设计的模块化的立方体卫星姿控计算机,具有集成度高、低成本、低功耗、高性能、质量轻、工程适用性强等优点.
当前利用雷达等气象资料对下击暴流进行识别预警的准确性很低,因此文中提出一种以深度神经网络为基础的下击暴流智能识别方法.该方法以雷达回波时序图像和雷达径向速度场时序图像作为输入,将两种图像的时空四维特征融合到深度神经网络中,通过深度学习寻求“雷达回波图像和径向速度场图像”与“是否发生下击暴流”之间的函数映射关系.运用数据增强和损失函数优化技术,改善因样本数据不均衡所导致的识别结果偏向于样本中大概率事件的问题.再结合K折交叉验证,避免模型训练过程陷入局部极值.实验结果表明,文中方法对下击暴流识别的成功率达到9
为实时在线自动获取光伏阵列各分支的电压、电流、温湿度、水平照度和有效照度等精确值,便于在不影响发电的情况下自动实现对光伏阵列的在线周期性精细检测,以提高光伏电站对发电效率的预测和对异常状况的维护,设计了一种智能光伏电站数据汇聚管理系统.系统采用模块化设计,可根据实际需要灵活配置传感器,以窄带物联网(NB?IoT)和LoRa为通信方式,采用UCOSⅢ嵌入式系统和消息队列遥测传输协议(MQTT)云服务器进行数据传输和存储.系统在配置要求极低的情况下,能保证可靠的数据传输,使多平台的客户端实时查看当前各光伏子阵
针对电控柜的电气布线而设计的自动布线机,可有效提高电控柜生产行业的工作效率.而在布线机的工作过程中,布线时速度的平滑加减速和两折线段转接的处理,是该设备设计时需考虑的关键问题之一.针对传统S型加减速曲线存在的七段变速区改进后的自适应S曲线,可通过前瞻处理提前获取各布线路径长度信息,得到最大允许速度后选择4种不同的变速曲线,进行更好的速度规划从而实现平滑变速;针对布线转角处速度过渡处理,提出二次对称转接法,能有效提高加速度约束条件下转接角的最大允许速度和系统平稳性,提升布线效率.通过Matlab仿真结果证明
目前空气污染严重,为了实时监测空气质量,保证人们的生活健康,提出了一种新的神经网络预测模型来提高PM2.5的预测精度.通过PCA降维缩减数据的维度简化数据,将PSO的惯性权重从线性减小改进成非线性变化,再将加速因子从固定值进行线性变化,动态地调整了粒子的局部寻优和全局寻优,并且在原有的基础上加入了遗传算法的变异操作,进行自适应变异,避免其陷入局部最优,并对粒子的适应度函数做改进.采用改进的PSO算法优化BiLSTM结构的迭代次数、学习率、两个隐含层的节点数,构成PCA-IPSO-BiLSTM神经网络预测模
在信号检测领域中,由于原始信号的动态范围较大,往往需要把增益放大,为了使放大器实现程控增益放大,文中提出双模式宽带程控增益放大器模块设计.该程控增益放大器模块采用双模式方式工作,即固定增益输出可变模式和固定输出增益可变模式.模块使用STM32F4O7作为微控制器(MCU),MCU与多级可变增益放大器和峰值检测电路构成闭环控制,形成自动增益控制电路.首先对峰值检测电路输出的信号进行A/D采集,经过D/A反馈使得整个模块处于动态平衡状态,这种闭环控制系统能够精确地控制增益和输出信号.最后利用均值滤波算法测试得