AD4630-24BBCZ 双通道同步采样 模数转换器(ADC)

AD4630-24/AD4632-24双通道同步采样,易于驱动™、2个MSPS或500 kSPS逐次逼近型寄存器(SAR)模数转换器(ADC)。AD4630-24/AD4632-24保证最大0.9 ppm INL且24位无失码,在40°C至+125°C温度范围内实现无与伦比的精度,数据手册中的图1显示了AD4630-24/AD4632-24的功能架构。

低漂移、内部精密基准电压缓冲器便于与其它系统电路共享基准电压。使用5 V基准电压源时,AD4630-24/ AD4632-24的典型动态范围为106 dB。低噪底使得信号链需要更低的增益和功耗。具有可编程抽取率的块平均滤波器可以将动态范围提高高达153 dB。宽差分输入和共模范围允许输入使用全电压基准(V裁判员)范围而不饱和,简化了信号调理要求和系统校准。Easy Drive模拟输入建立时间的改进拓宽了与AD4630-24/AD4632-24兼容的模拟前端器件的选择范围。支持单端和差分信号。

多功能Flexi-SPI串行外设接口(SPI)简化了主机处理器与ADC的集成。当采样速率为2 MSPS或500 kSPS时,宽数据时钟窗口、多SDO通道和可选的双倍数据速率(DDR)数据时钟可将串行时钟降至10 MHz。回波时钟模式和ADC主机时钟模式放宽了时序要求,简化了数字隔离器的使用。

AD4630-24/AD4632-24的64引脚芯片级封装球栅阵列(CSP_BGA)集成了所有关键的电源和基准旁路电容,可减少尺寸和系统元件数量,并降低对电路板布局的敏感性。

  • 高性能
  • 吞吐量:每通道最大2 MSPS (AD4630-24)或500 kSPS (AD4632-24)
  • INL:40°C至+125°C温度范围内最大值为0.9 ppm
  • 信噪比:105.7 dB(典型值)
  • 总谐波失真:127 dB(典型值)
  • NSD:典型值为166 dBFS/Hz
  • 小功率
  • 2 MSPS时每通道15 mW
  • 500 kSPS时每通道5 mW
  • 10 kSPS时每通道1.5 mW
  • 轻松驱动功能降低了系统复杂性
  • 2 MSPS时直流输入的低输入电流为0.6 μA
  • 宽输入共模范围:(1/128) × V裁判员到+(129/128) × V裁判员
  • 灵活的外部基准电压范围:4.096 V至5 V
  • 集成2 μF旁路电容的精密基准电压缓冲器
  • 最多2个可编程模块均值滤波器16大量毁灭
  • 采样分辨率扩展至30位
  • 超量程和同步位
  • Flexi-SPI数字接口
  • 每个通道1、2或4个SDO通道支持较慢的SCK
  • 回声时钟模式简化了数字隔离器的使用
  • 兼容1.2 V至1.8 V逻辑
  • 7 mm × 7 mm 64引脚CSP_BGA封装,内置电源和基准电容,有助于减小系统尺寸

应用程序

  • 自动测试设备
  • 数字控制环路
  • 医疗仪器
  • 地震学
  • 半导体制造
  • 科学仪器
  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值