USB调试展锐5G模组的USB接口有3个功能：USB转串口用于AT控制 USB转串口跟4G模块是一样的，都会虚拟出多个USB串口设备，Windows下是QuectelAT的串口设备，只需要安装原厂提供的USB驱动程序即可，安装成功后，用串口调试工具打开即可与模组进行通讯。 Linux下会有些麻烦，因为在目前的Linux内核中，usbserial模块中，没有添加移远展锐模组的VID和PID，所以无法识别设备，也就枚举不出来ttyUSBx设备，一种方式是按照原厂的移植文档修改内核option.c的源码，更新usbsserial库。如是是临时手动调试，也可以手动写入模组的VID，PID去加载
JetsonNano学习——摄像头调用前言一、CSI摄像头的调用1、安装v4l2-utils协助工具2、查看摄像头挂载情况3、查看挂载的摄像头详细参数情况4、检测摄像头能否正常工作5、使用OpenCV调用CSI摄像头方式一、利用Gstreamer通道打开摄像头方式二、利用Jetcam通道打开摄像头二、USB摄像头的调用总结前言因为JetsonNano是一款AI边缘计算开发板，所以用它来做嵌入式AI项目是很合适的。本文将详细介绍JetsonNano如何通过OpenCV调用CSI摄像头（IMX219）和USB摄像头。一、CSI摄像头的调用1、安装v4l2-utils协助工具sudoaptinsta
JetsonNano学习——摄像头调用前言一、CSI摄像头的调用1、安装v4l2-utils协助工具2、查看摄像头挂载情况3、查看挂载的摄像头详细参数情况4、检测摄像头能否正常工作5、使用OpenCV调用CSI摄像头方式一、利用Gstreamer通道打开摄像头方式二、利用Jetcam通道打开摄像头二、USB摄像头的调用总结前言因为JetsonNano是一款AI边缘计算开发板，所以用它来做嵌入式AI项目是很合适的。本文将详细介绍JetsonNano如何通过OpenCV调用CSI摄像头（IMX219）和USB摄像头。一、CSI摄像头的调用1、安装v4l2-utils协助工具sudoaptinsta
TX测试一: GEN1、2、3采用自动化测试：1.点击infinum软件中Analyze->AutomatedTestApps->D9050PCICPCIExpressGen5TestApp，进入自动化测试界面； 2.SetUp窗口：PCIE5.0->CEM-EndPointTests->DeviceDefinition->勾选5G的-3.5dB&-6dB->选择8G的P03.SelectTest界面将DeviceDefinition设置的测试项全部勾选：4.Run界面，点击Run按钮；注意示波器屏幕弹窗提醒，确认对应的速率，按CEM板卡上按键使测试的码型和实际速率保持一致。5.GEN3_P0
TX测试一: GEN1、2、3采用自动化测试：1.点击infinum软件中Analyze->AutomatedTestApps->D9050PCICPCIExpressGen5TestApp，进入自动化测试界面； 2.SetUp窗口：PCIE5.0->CEM-EndPointTests->DeviceDefinition->勾选5G的-3.5dB&-6dB->选择8G的P03.SelectTest界面将DeviceDefinition设置的测试项全部勾选：4.Run界面，点击Run按钮；注意示波器屏幕弹窗提醒，确认对应的速率，按CEM板卡上按键使测试的码型和实际速率保持一致。5.GEN3_P0
CSI-2标准协议前言一、OverviewofCSI-2二、CSI-2layerDefinitions三、CameraControlInterface(CCI)3.1数据传输协议(DataTransferProtocol)3.1.1消息类型（MessageType）3.1.2读写操作（Read/WriteOperations）3.1.2.1随机位置单次读3.1.2.2当前位置单次读3.1.2.3随机位置连续读3.1.2.4当前位置连续读3.1.2.5随机位置单次写3.1.2.6连续写3.2CCI从机地址3.3CCIMulti-ByteRegisters3.1.1概要3.3.2多字节寄存器值的传
CSI-2标准协议前言一、OverviewofCSI-2二、CSI-2layerDefinitions三、CameraControlInterface(CCI)3.1数据传输协议(DataTransferProtocol)3.1.1消息类型（MessageType）3.1.2读写操作（Read/WriteOperations）3.1.2.1随机位置单次读3.1.2.2当前位置单次读3.1.2.3随机位置连续读3.1.2.4当前位置连续读3.1.2.5随机位置单次写3.1.2.6连续写3.2CCI从机地址3.3CCIMulti-ByteRegisters3.1.1概要3.3.2多字节寄存器值的传
《Spatio-TemporalRepresentationWithDeepNeuralRecurrentNetworkinMIMOCSIFeedback》文献阅读 该文献的作者是天津大学的吴华明老师，在2020年5月发表于IEEEWIRELESSCOMMUNICATIONSLETTERS。 该文献提出了一种基于深度学习的压缩CSI方法，使用深度循环神经网络(RNN)来学习时间相关性，根据不同结构下解耦的时空特征表示设计了特征提取模块，并采用深度可分离卷积来恢复信道。1研究背景 在频分双工(FDD)MIMO网络中，UE可以估计出下行CSI，然后将CSI反馈给BS对下一个信号进行预编
《Spatio-TemporalRepresentationWithDeepNeuralRecurrentNetworkinMIMOCSIFeedback》文献阅读 该文献的作者是天津大学的吴华明老师，在2020年5月发表于IEEEWIRELESSCOMMUNICATIONSLETTERS。 该文献提出了一种基于深度学习的压缩CSI方法，使用深度循环神经网络(RNN)来学习时间相关性，根据不同结构下解耦的时空特征表示设计了特征提取模块，并采用深度可分离卷积来恢复信道。1研究背景 在频分双工(FDD)MIMO网络中，UE可以估计出下行CSI，然后将CSI反馈给BS对下一个信号进行预编
《Spatio-TemporalRepresentationWithDeepNeuralRecurrentNetworkinMIMOCSIFeedback》文献阅读 该文献的作者是天津大学的吴华明老师，在2020年5月发表于IEEEWIRELESSCOMMUNICATIONSLETTERS。 该文献提出了一种基于深度学习的压缩CSI方法，使用深度循环神经网络(RNN)来学习时间相关性，根据不同结构下解耦的时空特征表示设计了特征提取模块，并采用深度可分离卷积来恢复信道。1研究背景 在频分双工(FDD)MIMO网络中，UE可以估计出下行CSI，然后将CSI反馈给BS对下一个信号进行预编
