logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

工程设计类学习(DAY29):时钟电路EMC设计与信号完整性优化

本文系统介绍了硬件系统时钟晶体电路的电磁兼容与信号完整性设计规范。重点分析了无源晶体电路和有源振荡器电路的设计要点,包括负载电容匹配、波形控制、电源滤波等关键技术。详细阐述了晶体外壳接地、PCB布局布线规范,以及时钟信号分叉时的阻抗匹配策略。通过合理的阻尼电阻、高频磁珠和滤波网络设计,结合规范的PCB布局,可有效抑制电磁干扰,确保时钟信号质量,提升系统稳定性。文章为电子系统时钟电路设计提供了全面的

文章图片
#嵌入式硬件
工程设计类学习(DAY27):深度解析电源电路及电磁兼容(EMC)设计指南

本文系统阐述了电源电路设计与电磁兼容(EMC)规范,涵盖功能性设计和EMC设计两大核心。在功能性方面,重点分析了温升控制和纹波抑制方法,强调转换效率优化和电容选型。EMC设计部分详细解析了传导发射抑制、浪涌防护以及输入/输出端的规范要求,提出"先防护后滤波"等关键原则,并针对长距离电源走线给出分布式电容组解决方案。最后指出电源设计需要功能性与EMC设计并行考量,才能构建高可靠、

文章图片
工程设计类学习(DAY30):EMC设计指南:从基础到实战

《电磁兼容(EMC)设计核心指南》摘要 本文系统阐述了电磁兼容设计的五大核心模块:1)传导干扰三大耦合机制(共阻抗/容性/感性耦合)及抑制方法;2)辐射干扰近远场特性与屏蔽策略;3)孔缝泄漏量化模型与机箱设计要点;4)接地系统分类(保护/工作接地)与实施规范;5)滤波器阻抗匹配原理与安装铁律。重点揭示了线缆辐射效率远超PCB、孔缝尺寸决定屏蔽效能、滤波器安装质量决定90%效果等工程实践关键,为电子

文章图片
CANN driver驱动模块详解:AI芯片的使能引擎

CANN驱动模块是AI处理器的核心软件组件,负责硬件抽象、资源管理和任务调度。它采用分层架构设计,包括硬件初始化、计算资源管理(AICore/AICPU/DVPP)、智能内存分配和功耗管理。任务调度系统支持多种策略和流水线优化,显著提升计算效率。高级特性涵盖多流并行、虚拟化支持和可观测性分析。通过批处理优化、内存复用和异步操作等最佳实践,可充分发挥硬件潜力。该模块作为连接AI框架与硬件芯片的关键桥

文章图片
#人工智能
CANN训练营 学习(day1)AI编程利器:AscendC全面解析

本文系统介绍了华为昇腾AI处理器的专用编程语言AscendC。该语言基于C++扩展,通过专用API实现对AI芯片的高效开发。文章详细解析了AscendC的核心特性:首先阐述了其语法扩展(函数执行空间限定符、地址空间限定符和核函数调用机制);其次分析了API体系结构(基础API与高阶API);然后深入讲解了核函数开发方法(三级流水线编程范式和多核并行数据切分);最后通过Add算子的完整开发案例,展示

文章图片
#人工智能#云计算
传感器学习(day09):三维手势识别:人机交互的未来革命

三维手势识别技术正沿着硬件专用化和软件普适化两条路径发展。硬件方案包括结构光、光飞时间(TOF)和多角成像技术,可提供高精度深度信息,但存在成本和功耗问题。基于深度学习的纯软件方案通过普通摄像头即可实现三维手势识别,大大降低了应用门槛。该技术面临复杂手势处理、精度提升和动态理解等挑战,在消费电子、汽车、VR/AR等领域具有广阔应用前景。未来,随着算法优化和算力提升,三维手势交互将向更自然、智能的方

文章图片
#嵌入式硬件
传感器学习(day19):ToF传感技术:从测距到三维视觉革命

《飞行时间(ToF)传感技术深度解析与应用全景》系统阐述了ToF技术原理、ST公司的FlightSense产品矩阵及多元应用场景。ToF通过测量光波往返时间实现毫米级测距,相比超声波、红外等方案具有精度高、响应快等优势。ST的VL系列产品已迭代三代,测距范围达4米,广泛应用于手机对焦、无人机定高、智能家居等领域。文章特别分析了iPhone7Plus集成ToF的里程碑案例,并指出未来将向更高分辨率、

文章图片
#学习#嵌入式硬件
CANN ATVC:C向量计算模板库开发指南

ATVC是CANN生态中为AI处理器设计的向量计算模板库,通过三层模板体系(基础计算、领域专用、优化策略)加速NPU算子开发。其核心价值在于:1)开发效率提升60-80%,2)内置硬件优化保障性能,3)模块化设计降低维护成本。关键特性包括自动向量化、动态形状适配和集成性能分析工具。典型开发流程涵盖环境配置、模板调用(如向量加法/点积算子)、性能调优等环节。未来将向AI自动优化、跨平台适配等方向发展

文章图片
#java#人工智能#前端
CANN ATVC:C向量计算模板库开发指南

ATVC是CANN生态中为AI处理器设计的向量计算模板库,通过三层模板体系(基础计算、领域专用、优化策略)加速NPU算子开发。其核心价值在于:1)开发效率提升60-80%,2)内置硬件优化保障性能,3)模块化设计降低维护成本。关键特性包括自动向量化、动态形状适配和集成性能分析工具。典型开发流程涵盖环境配置、模板调用(如向量加法/点积算子)、性能调优等环节。未来将向AI自动优化、跨平台适配等方向发展

文章图片
#java#人工智能#前端
CANN ascend-transformer-boost:Transformer模型终极加速方案

《Ascend-Transformer-Boost:面向Transformer模型的高性能加速库》摘要 Ascend-Transformer-Boost是CANN生态中专为Transformer架构设计的高性能加速库,通过多层次算子融合、FlashAttention优化和内存优化策略三大技术突破,显著提升BERT/GPT等模型的推理和训练性能。核心特性包括:高性能融合算子集合、动态序列长度支持和混

文章图片
#transformer#深度学习#人工智能
    共 96 条
  • 1
  • 2
  • 3
  • 10
  • 请选择