首页 > 其他分享 >[总结]AD9154设计注意事项

[总结]AD9154设计注意事项

时间:2024-10-11 14:22:29浏览次数:3  
标签:总结 u8 ftw 16 WriteReg AD9154 注意事项 w8

	**AD9154为4通道**,分辨率**16**位,最高采样率**2.4 G**Hz的**DA芯片**,支持JESD204B,可选1×,2×,4×,8×插值滤波器,内部有两个可独立控制的NCO,最高通信速率可达8×10.96 Gb/s,可满足高速复杂雷达信号的产生。
	功能框图如图1所示:

在这里插入图片描述
图1 AD9154功能框图
从功能框图可以看出,AD9154具有两组sync,4个模拟通道,通道0和1对应sync0,同时对应高速差分对的SERDIN0~3;通道2和3对应sync1,同时对应SERDIN4-7。设计时,FPGA如果用一个8L的的接收204B IP核,FPGA需要将输入的两个sync进行逻辑与,然后给IP。
AD9154有两种工作模式:直通模式和正常工作模式。直通模式不需要建链,调试时,可以先用直通模式检查硬件链路是否OK,直通模式只要配置NCO相关寄存器即可,具体配置寄存器如下:
#直通模式
AD9154_WriteReg(0x000,0x81); // Soft reset,mirror W
DelayMs(100);
AD9154_WriteReg(0x000,0x00); // Deassert reset, set 3-wire SPI(default). 如果地址递增,写24
DelayMs(100);

AD9154_WriteReg(0x146,0x00);  //


AD9154_WriteReg(0x011,0x00);  // Enable reference, DAC channels, and master DAC. 0 is en	RW
AD9154_WriteReg(0x080,0x04);  // Power up all clocks with,duty cycle correction on	RW

AD9154_WriteReg(0x112,reg112);// Set the interpolation to 2×----0.4 × fDATA	RW--debug
AD9154_WriteReg(0x110,0x00);  // Set twos complement data format-- # INPUT DATA ENCODING 00-COMPLENTARY BINARY;80-OFFSET BINARY

ftw = FTW_GEN(Fs_clkm,Fout_clkm,48);  // 产生频率字:  20M/1000M--05 1E B8 51 EB 85

ftw_w32= (u32)((ftw & 0xff0000000000) >> 32) ;
ftw_w8 = (u8) (ftw_w32 >> 8);
AD9154_WriteReg(0x119,ftw_w8);  // MSB
ftw_w32= (u32)((ftw & 0x00ff00000000) >> 32) ;
ftw_w8 = (u8) (ftw_w32);
AD9154_WriteReg(0x118,ftw_w8);
ftw_w8 = (u8) ((ftw & 0x0000ff000000) >> 24) ;
AD9154_WriteReg(0x117,ftw_w8);
ftw_w8 = (u8) ((ftw & 0x000000ff0000) >> 16);
AD9154_WriteReg(0x116,ftw_w8);
ftw_w8 = (u8) ((ftw & 0x00000000ff00) >>  8);
AD9154_WriteReg(0x115,ftw_w8);
ftw_w8 = (u8) (ftw & 0x0000000000ff);
AD9154_WriteReg(0x114,ftw_w8);  // LSB

AD9154_WriteReg(0x113,0x00);    // clr 0
AD9154_WriteReg(0x113,0x01);    // update

AD9154_WriteReg(0x111,0x04);  //
AD9154_WriteReg(0x520,0x02);  // DC Test Mode Enable.
AD9154_WriteReg(0x521,0xFF);  // TEST_DC_VALUEI0
AD9154_WriteReg(0x522,0x7F);  // TEST_DC_VALUEI1
AD9154_WriteReg(0x146,0x00);  //

#正常工作模式
在这里插入图片描述
图2 204B工作模式图
我们选用mode0,4个M,8L,1个F。2倍插值,线速率是5倍转换率。比如1G转换率,对应5G线速率,那么内核时钟就是1G/40=250MHz.

#数据映射关系
根据M/L/F的关系,F=1,说明1个采样点放在2个L上传输,根据《PG066》手册,解析数据。
在这里插入图片描述
#数据源
cha_sample0~3可以由FPGA的DDS IP产生,调用IP,即可。
DDS的输入是斜波数据,即累加数据,累加步进是频率字ftw1
在这里插入图片描述#频率字ftw1的计算
以1G转换率,2倍插值的MODE0工作模式为例
内核时钟core_clk=250M,Fs=1G; Fs/core_clk=4 => 四相 =>phase0~3
ftw=Fout/Fs *2^16 因为是16的频率字,所以是2的16次方
如果需要AD9154输出20M的单音信号,则ftw=20/1000 *2^16

#寄存器配置
AD9154的寄存器配置可以参考官方手册的示例,难点是时钟分频等参数的配置,可以监视0x281寄存器是否锁定,确认芯片的204B配置。此外打印0x230 288 300 470~473等寄存器进一步确认建链状态

标签:总结,u8,ftw,16,WriteReg,AD9154,注意事项,w8
From: https://blog.csdn.net/weixin_41246509/article/details/142763784

相关文章

  • 20241011 模拟赛总结
    得分:100+100+0+2=202感觉还行了。T1单调队列优化DP,花了将近45min,最开始写了一个假的DP花了太多时间了。T2原本像写一个乱搞,没想到就直接过了?对于每一行的第一个位置,先求出以这个点为左上顶点的答案,然后向右推,动态维护这个正方形即可,赌的就是相邻格子的答案差不会太大,所......
  • 2024/10/10 模拟赛总结
    \(0+45+20+25=90\),T1暴力写挂唐完了#A.植物收集显然催熟次数一定小于\(n\),否则不会更优。对于催熟次数\(k\)确定时,每个种子能形成的其他种子一定如下图:那么这就变成了一个滑动窗口板子。由于当催熟次数\(k\)递增时,催熟的价格线性递增,买种子的价格单调不增,且减量单调递......
  • 10.10 总结
    T1美丽的子区间还行吧,根据大眼观察法可以看出当\(x\)为使用科技的次数时,函数\(f(x)\)等于使用\(x\)次科技的最小答案是一个单谷函数,可以三分,注意到使用\(x\)次科技的时候的第\(i\)个数的答案是\(\min\limits_{j=\min(1,i-x+1)}^{i}\)。而且还要加上一个小贪心:把最......
  • 10.10日noip多校联考总结
    10.10日noip多校联考总结T1感觉就是个dij再多记录一个换乘次数然后就像普通dij一样跑就行了。但是必须得将换乘次数放进dis数组中当成一个状态记录下来,不能只记录在堆中,不然做法会假。T2发现m=0的部分分就是用一个数据结构维护区间最大子段和。m=1/2就是同时维护一个最大值......
  • 求 LCA 方法总结
    求LCA方法总结前言求LCA是十分基础的东西,但是方法众多。此篇介绍OI中常用的求法。倍增求LCA蒟蒻最先学的求LCA方法就是倍增求LCA。预处理和查询时间复杂度均为单\(\log\)。优点为好理解,比较简单,且便于处理路径数据。树剖LCA重链剖分。优点是预处理是线性复杂度,......
  • android11 开机动画黑屏优化(总结)
    一、开机向导引起的短暂黑屏在系统中默认是有开机向导的,首次开机会首选进入开机向导,然后进入锁屏桌面,如果某些原因引起开机向导卡顿,会造成短暂黑屏。可以修改如下:frameworks/base/packages/SettingsProvider/res/values/defaults.xmltruetrue再在产品mk中去掉这两个app:pac......
  • 今日总结
    今天了解了桶排序算法时间复杂度:平均时间复杂度:O(n+k),其中n是数据的数量,k是桶的数量。最坏时间复杂度:O(n^2),当所有数据都分配到同一个桶中时。空间复杂度:O(n+k),需要额外的空间来存储桶和数据。2.算法步骤初始化桶:根据数据的范围创建一定数量的桶。分配数......
  • Java日总结---多表查询&事务
    多表查询简介:设计员工和部门两个表点击查看代码#创建部门表CREATETABLEdept(didINTPRIMARYKEYAUTO_INCREMENT,dnameVARCHAR(20));#创建员工表CREATETABLEemp(idINTPRIMARYKEYAUTO_INCREMENT,NAMEVARCHAR(10),genderCHAR(1),--性别salaryDOU......
  • Transformer面试总结(一)
    1、Transformer模型的基本结构是什么?他是如何改变深度学习领域的?它的基本结构包括:自注意力机制(Self-Attention):Transformer模型使用自注意力机制来处理输入序列中的每个元素与其他元素之间的关系。这种机制允许模型同时考虑输入序列中的所有元素,而不是仅仅依赖于位置信息。......
  • 申论公文类总结
    公文与应用文体写作要点总结表类型标题格式称呼开头主体结尾是否有落款意见单位+内容+文种有称呼背景目的做法提出要求有落款通知单位+内容+文种有称呼背景目的做法提出要求有落款通告单位+内容+文种无称呼背景目的注意事项,以做......