新闻详情

新闻详情

首页 / 资讯中心 / 详情

初识Jesd204的标准协议

发布时间:2026/11/4 13:32:09来源:尧图网络
初识Jesd204的标准协议
JESD204标准是由JEDEC制定(www.jedec.org)。截止2024年,JESD204标准已经推出了3个版本,JESD204A、JESD204B、JESD204C;因为JESD2O4主要是给ADC和DAC设计的协议接口,所以一些ADC和DAC厂商会使用,比如ADI、TI、NXP一些典型的型号ADI厂商:AD9371、ADRV9009、ADRV9026TI厂商:AFE8092 AFE8030,AFE77XXDNXP厂商:ADC1443D200(老器件后续没有发展起来)AMD、INTEL、发展过程:JESD204和LVDS接口的关键参数比较传统的LVDS源同步接口和JESD204接口在节省管脚资源和节省PCB面积,降低故障率。下图示例是4个16bit的DAC接口,LVDS需要32对差分对,而使用jesd204b接口的话只需要8个差分对就可以,jesd204B接口更节省lO资源。从PCB板面积看LVDS需要4层布线,JESD204B只需要1层布线就可以。LVDSVSjesd204b接口电平和功耗对比LVDS (Low-Voltage Differential Signaling)驱动下图示例3.5mA*32lane=112mA;带宽是32*1.25g=40g;Jesd204b是CML(Current Mode Logic)驱动下图示例是16mA*4lane+50mA=114mA带宽是4*10g高速串行数据流恢复技术下图中LVDs方案中数据采集恢复受限于clock和data的建立时间和保持时间的收敛,在源同步的总线中各个lvds数据线之间会存在数据线的偏斜skew这个参数会影响多bit信号的时钟有效采样窗的大小(如下图中data的信号类似眼睛的空白区域是有效采样窗口data validwindow)在LVDs方案中时钟对齐数据有效采样窗是通过PVT(Process、Voltage、Temperature)技术(此技术在xilinx器件里就是idelayctrl),根据不同电压温度路径来校准延迟保证在不同环境下时钟和数据满足建立时间和保持时间的门限要求,可以正常恢复串行bit流。JESD204方案中使用的是高速SERDES技术(此技术是xilinx器件中的gtpgtx gth...这类高速接口原语,并非是普通io的iserdes oserdes的iologic原语)高速串行接口
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉