新闻详情

新闻详情

首页 / 资讯中心 / 详情

chroma-VOH 应该在 VDD max 下测,VOL 应该在 VDD min 下测吗?

发布时间:2026/11/5 2:26:10来源:尧图网络
chroma-VOH 应该在 VDD max 下测,VOL 应该在 VDD min 下测吗?
关于你的问题答案是是的VOH 应在 VDD 最大时测VOL 应在 VDD 最小时测这是标准的工程做法。其根本原因是为了验证芯片输出驱动能力在最差情况下的表现。 VOH/VOL 测试的电压条件VOH 在 VDD max 下测试VOH 是输出高电平的最小保证值。当电源电压 VDD 最高时输出晶体管的上拉能力最强但此时输出高电平也最高最容易超出下游器件对高电平的接收上限。因此在 VDD max 条件下测试 VOH是为了确保在最不利的情况下输出高电平仍能满足要求。VOL 在 VDD min 下测试VOL 是输出低电平的最大允许值。当电源电压 VDD 最低时输出晶体管的下拉能力最弱此时输出低电平也最高最容易超出下游器件对低电平的接收上限。因此在 VDD min 条件下测试 VOL是为了确保在最不利的情况下输出低电平仍能被正确识别。许多芯片数据手册也明确要求在电源电压范围的两端进行测试例如在 VDD4.5V (min) 和 5.5V (max) 时分别验证 VOL 和 VOH。⚠️ 注意事项电源顺序改变 VDD 电压时如果 VDDK 等核心电压有上电顺序要求需确保电压变化的时序正确。测试限值在 VDD max/min 条件下VOH/VOL 的测量限值limit_spec_min/max可能需要相应调整因为它们会随 VDD 变化。电流能力确保 MLDPS 的电流量程如500mA足以支持芯片在拉偏电压下的工作电流。多电源域如果芯片有多个 IO 电源域如 VDD33、VDD18需要分别对它们进行拉偏测试。 总结测试项推荐 VDD 条件原因VOHVDD max验证输出高电平在最不利情况下仍能满足要求VOLVDD min验证输出低电平在最不利情况下仍能满足要求通过在VOH_TEST()和VOL_TEST()函数中分别使用VDD33_MAX和VDD33_MIN调用FORCE_V_MLDPS即可在 Chroma 测试程序中实现电压拉偏测试。如果拉偏每次都测试VOH/VOL且覆盖到Vmax和Vmin也可以直接VOH/VOL都跟着拉偏电压走limit设置不一样就行。
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 2026/11/4 15:56:54

【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 2026/11/4 22:55:41

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 2026/11/4 17:01:23

【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
📞 ✉