京微齐力 FPGA-M5 学习(一)- 开发环境

京微齐力 FPGA-M5 学习(一)- 环境

简介

最近做一个手持的小东西,需要采集高速的AD数据,且对控制时序要求较高,一般的MCU较难胜任,最终选择采用FPGA采集数据,外加MCU做显示操作逻辑。我们选了Inter的MAX10系列和lattice的MXO2,这都需要外加一个MCU,在挑选国产替代芯片的时候发现京微齐力的M5,这芯片太合适了,还有一个可以飙到200M的硬核8051…

文件

我将京微齐力FPGA编程软件和keil-c51的插件还有一些资料放到我的百度云里面需要的可以[点击下载](提取码:lnah)
,如果只需要官方工程和资料可点击进入这里下载,不过京微齐力的软件是需要秘钥的,这个需要自己的电脑的网卡MAC地址,秘钥可以寻找他们的工作人员获取,或者进入京微齐力官网获取。

百度云内文件内容
在这里插入图片描述

安装流程

  1. 安装Fuxi2019.1.0;
  2. 如果已安装Keil5-ARM,那么直接安装c51的插件到你的Keil安装目录即可;
  3. 找到你fuxi2019.1软件安装目录下的 AGDI 文件夹,并进入点击安装【agdi_installation.exe】插件,这样Keil就支持我们的芯片了;
  4. 打开Keil软件,就可以发现我们要的芯片选项了;在这里插入图片描述
  5. 将我们Keil里面安装的C51插件给注册一下(没有注册编译文件大小会受到限制,好像是4K);
    在这里插入图片描述
  6. 解压我们的【M5_EVB_DEMO】文件,打开【Demo8051】→【KeilProject】→【Demo8051.uvproj】,将芯片为【HME Device】→【M5】;在这里插入图片描述
  7. 点击编译Demo8051工程,通过;在这里插入图片描述
  8. 打开【Fuxi 2019.1】软件,点击【Open Project】→选择【*.hpr】文件类型→点击打开【key_led.hpr】;
  9. 点击【Tools】→【Options】→将获取回来的秘钥填入;在这里插入图片描述
  10. 编译工程【Run Project】,通过;在这里插入图片描述
  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
import numpy as np import matplotlib.pyplot as plt # 设置模拟参数 num_boids = 50 # 粒子数 max_speed = 0.03 # 最大速度 max_force = 0.05 # 最大受力 neighborhood_radius = 0.2 # 邻域半径 separation_distance = 0.05 # 分离距离 alignment_distance = 0.1 # 对齐距离 cohesion_distance = 0.2 # 凝聚距离 # 初始化粒子位置和速度 positions = np.random.rand(num_boids, 2) velocities = np.random.rand(num_boids, 2) * max_speed # 模拟循环 for i in range(1000): # 计算邻域距离 distances = np.sqrt(np.sum(np.square(positions[:, np.newaxis, :] - positions), axis=-1)) neighbors = np.logical_and(distances > 0, distances < neighborhood_radius) # 计算三个力 separation = np.zeros_like(positions) alignment = np.zeros_like(positions) cohesion = np.zeros_like(positions) for j in range(num_boids): # 计算分离力 separation_vector = positions[j] - positions[neighbors[j]] separation_distance_mask = np.linalg.norm(separation_vector, axis=-1) < separation_distance separation_vector = separation_vector[separation_distance_mask] separation[j] = np.sum(separation_vector, axis=0) # 计算对齐力 alignment_vectors = velocities[neighbors[j]] alignment_distance_mask = np.linalg.norm(separation_vector, axis=-1) < alignment_distance alignment_vectors = alignment_vectors[alignment_distance_mask] alignment[j] = np.sum(alignment_vectors, axis=0) # 计算凝聚力 cohesion_vectors = positions[neighbors[j]] cohesion_distance_mask = np.linalg.norm(separation_vector, axis=-1) < cohesion_distance cohesion_vectors = cohesion_vectors[cohesion_distance_mask] cohesion[j] = np.sum(cohesion_vectors, axis=0) # 计算总受力 total_force = separation + alignment + cohesion total_force = np.clip(total_force, -max_force, max_force) # 更新速度和位置 velocities += total_force velocities = np.clip(velocities, -max_speed, max_speed) positions += velocities # 绘制粒子 plt.clf() plt.scatter(positions[:, 0], positions[:, 1], s=5) plt.xlim(0, 1) plt.ylim(0, 1) plt.pause(0.01)
06-06
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