自动方向识别式 LSF型电平转换芯片

大家好,这里是大话硬件。

今天这篇文章想分享一下电平转换芯片相关的内容。

其实在之前的文章分享过一篇关于电平转换芯片的相关内容,具体可以看链接《高速电路逻辑电平转换设计》。当时这篇文章也是分析的电平转换芯片,不过那时候更多的是分析芯片的动态性能,比如在文章中提到的几个参数,数据速率,传播延时,输入和输出电压变化斜率等,这些参数更多的是影响器件在进行电平转换的动态过程中的指标。写当时那篇文章的时候,刚好是使用OD门进行了电平转换,出现了带宽不够的情况,因此输出了那篇文章。

那么这篇文章将从另外的角度来分析下电平转换芯片的工作原理和不同类型的电平转换芯片的差异。板级设计中,电平转换芯片使用较多,特别是在低功耗的设计中,因为处理器为了降低功耗,外围的IO口电平基本都是设计为1.8V,但是有些外设的接口,考虑到通用和噪声兼容性,大多数是3.3V的I/O口。因此,使用1.8V的处理器来驱动3.3V的外设,经常就需要使用到电平转换芯片。

进行电平转换的电路非常多,有分离式的,集成式的,有使用晶体管设计的,也有使用MOS管设计的。这篇文章不探讨分离式的设计,仅仅对集成式,自动方向识别的电平转换芯片其中的LSF型进行分析。
在这里插入图片描述

TI官网最后一栏的LSF型是本篇文章主要分析的内容,在后续的文章中陆续介绍TXB型和TXS型的使用。

在这里插入图片描述

这里选取TI的芯片PCA9306芯片作为原理分析的实例。

在这里插入图片描述

上面是硬件框图,但是,在使用时需要注意VREF1和VREF2的电压值,为什么会写这篇文章,因此在实际工作中遇到了有些人在连接时将两边的电压搞反了,导致无法使用。

虽然这个芯片是双向识别的,但是需要注意,这个芯片的电压其实并不是双向的,也就是两边的电压并不是随意调换。在手册前面就提到了电压的要求如下:

在这里插入图片描述

VREF1和VREF2的电压是存在严格要求,当VREF1为1.2V时,VREF2的电压必须比VREF1高,不能在VREF2这边设定一个0.9V的电压这样。下面来具体分析一下为什么会有这样的要求。

图片从上面的分析可以看出,如果VREFB太小,在200KΩ电阻上的压降无法保证VEN能将MOS管打开,所以进行电平转换时,电压需要严格遵守手册中的要求。当从B端往A端进行电平转换时,经过的过程和上面的一样的,这里不再赘述。

在这里插入图片描述

上拉电阻的取值,取决于SW在导通时产生的压降,手册中有详细的推荐值,如果流过SW的电流为15mA,按照表格中取值即可。

在这里插入图片描述

这个电平转换芯片比较常用的场合在od型的总线上,即用在IIC电平转换时的电路设计中,而TXB和TXS型的电平转换则用在非OD上比较常见,在后面的文章中会继续分析。

LSF型电平转换芯片使用时注意点:

(1)两边的电压VREF1和VREF2并不是取任意值,有严格的要求;

(2)可以使用EN关键来控制内部开关的开通和关断实现电平转换

(3)EN和VREFB管脚连接在一起

(4)注意上拉电阻的取值

(5)可用于高速数据传输的场合,可达100MHz

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模识别。深度学习模能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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

打赏作者

大话硬件

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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