DisplayPort--Link training之Channel Equalization (EQ)

目录

前言

EQ training介绍

EQ training流程

EQ训练注意事项


前言

Channel Equalization(EQ)training是为了信道均衡/符号锁定/通道间对齐(Channel Equalization / Symbol-Lock / Inter-lane Alignment)。

EQ训练之前,必须完成通道CR训练。只有TX和RX的时钟同步了,才能保证后续的字符对齐。

下图为DisplayPort(DP-1.2)的Channel Equalization training。

EQ training介绍

1. EQ训练中,当训练HBR和HBR2速率时,TX发送禁用加扰(scrambling)的训练pattern(TPS2[HBR],TPS3[HBR2]);然后将22h或23h写入TRAINING_PATTERN_SET字节(地址102h)并将当前驱动挡位写入TRAINING_LANEx_SET字节(地址103h〜106h)。

2. 当训练HBR3时,TX发送加扰(scrambling)的pattern(TPS4[HBR3])。

3.当EQ训练成功时,DPCD寄存器的LANEx_CHANNEL_EQ_DONELANEx_SYMBOL_OCKEDINTERLANE_ALIGN_DONE位的值都将会是1。

EQ training流程

首先,当CR训练成功,则EQ训练接着该挡位开始训练。(假设CR训练成功的挡位电压摆幅为0,预加重为1(记为:(0,1)挡位),则EQ训练从(0,1)挡位开始继续训练)

s1. 重新配置EQ训练pattern(不同的速度对应不同的训练pattern),将pattern值写入TRAINING_PATTERN_SET位。

s2. 接着CR训练的挡位,TX发送训练pattern,开始EQ训练。必须至少等待TRAINING_AUX_RD_INTERVAL中指定的时间后,才能读取接收器DPCD寄存器LANEx_x_STATUS/LANE_ALIGNED_STATUS_UPDATED字节中的LANEx_CHANNEL_EQ_DONELANEx_SYMBOL_OCKEDINTERLANE_ALIGN_DONE位的值。

如果,如果读出所有位的值都为1,表示训练成功;如果不全为1,则继续等待TRAINING_AUX_RD_INTERVAL时间后,继续读取三个位的值。

s3. 如果连续读了5次后,三个位的值,还是不全为1,则需要增加挡位,重新开始EQ训练。

增加训练挡位(0,2),将挡位值更新到RX的TRAINING_LANEx_SET字节中。

然后,重新从步骤S2开始训练。

s4. 如果,当前速率中所有的挡位都未能成功,则需要降低速率。

如果,降低了速率,则必须从挡位(0,0)重新开始CR训练,只有CR训练成功了,才能再次开始EQ训练。

S5. 当link速率降低到RBR(1.62Gbps)后,EQ训练还是未成功,则需要减少lane数,从新开始CR训练;CR训练成功了,再开始EQ训练。(这是DP-1.4以上的内容)

S7. 直到DPCD寄存器的LANEx_CHANNEL_EQ_DONELANEx_SYMBOL_OCKEDINTERLANE_ALIGN_DONE位的值都将会时1,则EQ训练成功。

注意:在EQ训练的过程中,CR标志位必须一直为1(即:LANEx_CR_DONE的值);如果,在EQ训练的过程中,CR_DONE变为0,则表示当前速率的EQ训练已经没有必要。只有降低速率,从新开始CR训练,CR训练成功后,再开始EQ训练。

当EQ训练完成后,发送器必须向TRAINING_PATTERN_SET字节写入00h以指示训练结束,然后开始传输流数据。

EQ训练注意事项

1. 当训练HBR/HBR2时,需要禁用加扰;而训练HBR3时,需要开启加扰。

2. 在EQ训练时,CR_DONE标志必须一直为1,即:必须保持时钟是lock的。

3. 如果EQ训练时,CR_DONE变为了0,则需要降低速率,重新开始CR训练。

4. 训练时,TX和RX的训练pattern必须保持一致,lane数和link速率必须保持一致,训练挡位必须保持一致

  • 9
    点赞
  • 56
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Brightness Preserving Bi-Histogram Equalization (BPBHE)是一种用于图像增强的算法。它是对传统的直方图均衡化(Histogram Equalization)方法的改进。 直方图均衡化是一种常用的图像增强方法,它通过调整图像的像素值分布来增强图像的对比度。然而,直方图均衡化通常会导致图像亮度的改变,使得原本亮度较低的区域变得过亮,而原本亮度较高的区域变得过暗。这种情况不适用于一些特定的应用场景,例如医学图像和卫星图像等,因为亮度的变化可能会导致图像信息的丢失。 BPBHE算法通过保持原始图像的全局亮度信息,同时增强图像的对比度。它将原始图像的直方图拆分成两个子直方图,一个用于亮度较低的区域,另一个用于亮度较高的区域。在增强过程中,分别对这两个子直方图进行均衡化。然后合并两个均衡化后的直方图,得到最终的增强图像。 BPBHE算法的关键在于如何确定两个子直方图的阈值。一种常用的方法是使用Otsu算法来自动选择阈值。该算法可以将图像的像素值分成两个子集,使得子集内的方差最小,并且子集之间的方差最大。这样就可以得到一个合适的阈值,将原始图像的直方图分成两个子直方图。 通过使用BPBHE算法,可以在保持图像亮度的同时增强图像的对比度,使得图像更具有视觉效果和信息含量。BPBHE算法在许多图像处理应用中得到了广泛的应用,包括医学图像、卫星图像、航空图像等。
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

垮掉一代

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