Virtex-7

Virtex-7是采用赛灵思28nm HKMG 高性能低功耗 (HPL) 工艺制程的FPGA,超高端Virtex-7 系列树立了全新的业界性能基准,与Virtex-6 器件相比,系统性能提高一倍,功耗降低一半,信号处理能力提升1.8 倍,I/O 带宽提升 1.6 倍,存储器带宽提升 2 倍。

开发套件:SingleA Virtex-7 2000T 模块

产品编号:TAILMV2000SA-ES
供应商:S2C Incorporated
器件支持:Virtex-7

产品描述
SingleA Virtex-7 2000ES Prodigy 逻辑模块不仅可采用一个赛灵思 Vitex-7 2000ES FPGA 器件保持多达 2000 万个 ASIC 门的设计,而且还具有板上 DDR3 SO-DIMM 插口。该 Prodigy 逻辑模块现在支持 16 个高速 Gb 收发器通道,运行速度高达 6Gbps,适合 PCIe、SATA 和 XAUI 等各种高速接口。除了现有 USB2.0 端口支持 FPGA 下载、可编程时钟生成和自测试等普及型运行时间软件特性外,最新 V7 Prodigy 逻辑模块现在还可通过以太网线缆支持这些运行时间特性,因此可远程控制 FPGA 硬件。此外,S2C 还新增了大量最新运行时间特性,如 I/O 电压设置以及通过软件控制进行时钟频率回读等。

主要性能和优势

  • 基于 Virtex 7 的 SoC/ASIC 原型设计
  • 购买请点击: https://china.xilinx.com/products/boards-and-kits/1-2cbi94.html ,并了解:

  • 配套技术文档
  • 宽带数字预失真系统的时域信道补偿

    作者:宋宾、何松柏、彭俊、邹文慢,中国电子科技大学,四川成都

    同相/正交(I/Q)不匹配已经被证明是限制基于零中频架构的DPD实现平台的一个主要因素。本文提出一种在宽带数字预失真系统(DPD)中宽带信道不平衡的时域补偿算法。相比于广泛使用的频域补偿方法,本文提出的时域补偿算法计算复杂度较低。实验结果表明,该方法对于20MHz和60MHz基带信号经过收发链路后归一化均方误差(NMSE)分别改善了10.9dB和11.3dB。同时,本文提出的补偿模型对于20MHz和60MHz基带信号进行预失真后,邻信道功率比(ACPR)分别提高了6dB和8dB。

    本文转载自:actMWJC

    作者:stark

    以太网成本低、部署简单灵活,目前已经深入到我们生活的各个方面,随着带宽需求的不断增加,100GE以太网商用也加快了步伐,NIC(Network Interface Card,网卡或者网络适配器)是网络系统中必不可少基本部件之一,它的基本功能包括数据从并行到串行的转换、数据包的组装和拆分、网络存取控制、数据缓存和网络信号等,面向100GE以太网NIC板卡一般采用光纤接口。

    Netcope公司推出了基于Xilinx FPGA的NIC板卡NFB-100G2Q(NFB,Netcope FPGA Board的简称),采用的是Xilinx Virtex-7 580T FPGA器件,并且在100GE以太网上组成网络通信回路进行了性能测试,采用64字节数据包,通信速率达到了148.8M packets/秒,这几乎是100GE以太网的理论最大峰值。

    作者:清风流云

    在网络时代,cloud这个概念已经变得“家喻户晓”,包括早期的云计算,现在和移动通信有关的云基站,关键的部分都在于“云”这个概念。这个概念,广义上来说就是将很多东西放在云端,比如说大量的数据转换,复杂的算法支持等等这些东西,当用户需要的时候在local只需要调用云上的资源就可以,甚至有现在比较流行的云盘都是利用了这种将资源网络化远端存储的思想,不过,所以这些都是软件的事情,是否想过硬件的云站呢?

    Aldec的HES云平台:

    作者:清风流云

    背景:
    关于Curtiss-Wright解决方案开发团队,他们是Curtiss-Wright公司的一个业务部门,在COTS模块设计及恶劣环境下的全系统级产品设计领域内一直处于领先地位,他们开发的产品广泛应用于航空航天、国防以及工业应用中,是全世界公认的最有创意的设计和制造团队之一。此外,他们开发的产品不仅可以保证在陆地应用中有可靠性能,在海上、空气及空间应用中也同样可以保证其高可靠性,所以他们的主要产品范围包括开发板和电子子系统产品、航空测试和航空电子设备、机电和电动液压产品及用于直升机的航载仪表和控制系统产品。

    Curtiss-Wright MPMC-9354 Rugged Chassis:

    基于FPGA的高速串行数据收发接口设计

    作者:刘 安,禹卫东,马小兵,吕志鹏 2017年电子技术应用第6期

    摘 要: 针对传统ADC/DAC应用中采样数据并行传输存在线间串扰大、同步难等问题,设计了一种基于高速串行协议——JESD204B的数据收发接口。以Xilinx公司V7系列FPGA为核心控制单元设计电路,在单通道传输速率为6 Gb/s的条件下完成数据收发测试,验证了传输过程中数据的同步性、准确性及整体方案的可行性。设计结果表明,这种串行传输方式不仅解决了并行传输所带来的诸多问题,还降低了制板设计时PCB布线的复杂程度、减少了板层数量、节约了成本。

    0 引言

    数据转换器包括模数转换(Analog-to-Digital Converter,ADC)和数模转换(Digital-to-Analog Converter,DAC),是集成电路中的重要组成部分。在数字信号处理技术发展的过程中,普通的数据转换器已难以满足用户对数据传输速率和转换速率的需求,这促使了高速ADC/DAC及其相关技术的快速发展。

    作者:清风流云

    背景:
    在即将到来的5G时代,由于FCC、3GPP以及其他5G移动网络标准结构都采用毫米波,所以对毫米波传输的掌控将变得举足轻重。通过通道测量技术可以捕获到环境中无限信号是如何被影响的,比如如何受环境中的建筑、树木、汽车甚至是行人的反射和传输阻碍。可见,对于无线传输通道的特征分析在5G无线技术研究中变得十分重要,主要是因为通过分析5G无线传输特征可以对如何布局无线架构以及无线网络设计有很大帮助。此外,AT&T和NI一致认为分析无线信号特征将是AT&T未来5G部署工作中的重要部分,通过无线传输特征分析得到的精确模型将会影响到AT&T如何合理布置网络设备,以便为用户提供更流畅的移动网络服务。

    AT&T推出“Porcupine”:

    NI毫米波收发器系统硬件介绍

    无线技术已无所不在。 现在能连接无线的新型无线设备越来越多,其消耗的数据量与日俱增。 无线设备的数量与数据消耗量每年都以指数级增加。 为了满足此类需求,许多机构都在研究新型无线技术,以完善现有的无线架构。 为了达成这个目标,世界各地的无线标准化组织共同展开了一项艰巨的任务,那就是定义新一代无线网络系统,也称为5G。 5G网络的三大应用情境包含: 增强型移动宽带(eMBB)、大规模机器通信(mMTC)与超可靠机器通信(uRMTC)。

    上述三大应用情境可分别用于满足不同的需求,例如eMBB的重点在于峰值数据传输率,而uRMTC则侧重于降低延迟。 由于需求十分多样,单一特定技术无法满足全部需求,因此5G将会是多种全新技术的合体。 尤其是对于eMBB应用场景,研究人员需要将峰值数据传输速率提高到4G网络的100倍以上,而6 GHz以下的可用频谱已经极其有限了。 经实践证明,数据速率与可用频谱直接相关,而根据香农定理指出,容量是带宽(即频谱)和信道噪声的函数。 因为6 GHz以下的频谱几乎已分配完毕,所以针对eMBB的应用情境,研究人员必须转向6 GHz以上的频谱,研究毫米波领域。

    1. 毫米波软件无线电(SDR)的需求

    Comcores L1 卸载引擎 IP 支持 3GPP 38 系列的第 7 选项,非常符合 IEEE1914.1 标准。该分布也叫 NGFI 分布 4。这款 IP 的构建可轻松连接 Comcores 提供的原生以太网 RoE 映射器/解映射器。L1 卸载方案可在最大负载情境下降低支持至少一个 4/2(下行链路/上行链路)因数的所需前传带宽。高度灵活的接口可确保轻松采用您的特定基带实现方案。该 IP 核主要针对 RRH 实现方案,随硬件仿真环境及演示平台提供,可轻松验证技术。本 IP 核采用硬件测试,所提供的示教器可轻松完成概念验证。

    主要性能和优势
    符合 3GPP 38 系列第 7 选项
    L1 卸载 — 分布 4
    随意提供的原生 RoE 映射器/解映射器
    在现实无线电链路设置中验证

    工具和器件支持

    器件系列支持:

    设计工具支持:

    国内首款FPGA云服务器的深度学习算法

      由腾讯云基础产品中心、腾讯架构平台部组成的腾讯云FPGA联合团队,在这里介绍国内首款FPGA云服务器的工程实现深度学习算法(AlexNet),讨论深度学习算法FPGA硬件加速平台的架构。

     在1 月 20 日,腾讯云推出国内首款高性能异构计算基础设施——FPGA 云服务器,将以云服务方式将大型公司才能长期支付使用的 FPGA 普及到更多企业,企业只需支付相当于通用CPU约40%的费用,性能可提升至通用CPU服务器的30倍以上。具体分享内容如下:

    1. 综述
      2016年3月份AI围棋程序AlphaGo战胜人类棋手李世石,点燃了业界对人工智能发展的热情,人工智能成为未来的趋势越来越接近。

      人工智能包括三个要素:算法,计算和数据。人工智能算法目前最主流的是深度学习。计算所对应的硬件平台有:CPU、GPU、FPGA、ASIC。由于移动互联网的到来,用户每天产生大量的数据被入口应用收集:搜索、通讯。我们的QQ、微信业务,用户每天产生的图片数量都是数亿级别,如果我们把这些用户产生的数据看成矿藏的话,计算所对应的硬件平台看成挖掘机,挖掘机的挖掘效率就是各个计算硬件平台对比的标准。

    同步内容