一、QN格式（Q数据格式） XQN格式数据，是一个1bit符号位+Xbits整数位+Nbits小数位的补码数据。可表达的数据的范围是， 比如Q15，指的是X=0,N=15的Q格式数据，加上符号位合计16位数据（等同于Q1.15）。 又比如1Q15，指的是X=1，N=15的Q格式数据，加上符号位合计17位数据（等同于Q2.15）。 Q格式数据也可以用Fix格式数据表示。 对于有符号数，表示为Fix(1+X+N)_N，X表示整数位数，N表示小数位数。 对于无符号数，表示为uFix(X+N)_N，X表示整数位数，N表
一、QN格式（Q数据格式） XQN格式数据，是一个1bit符号位+Xbits整数位+Nbits小数位的补码数据。可表达的数据的范围是， 比如Q15，指的是X=0,N=15的Q格式数据，加上符号位合计16位数据（等同于Q1.15）。 又比如1Q15，指的是X=1，N=15的Q格式数据，加上符号位合计17位数据（等同于Q2.15）。 Q格式数据也可以用Fix格式数据表示。 对于有符号数，表示为Fix(1+X+N)_N，X表示整数位数，N表示小数位数。 对于无符号数，表示为uFix(X+N)_N，X表示整数位数，N表
VivadoIP核之RAMBlockMemeryGenerator目录前言一、配置步骤二、仿真1.顶层代码2.仿真代码三、仿真分析总结前言 本次介绍vivado中RAM（BlockMemeryGenerator）IP核的使用，希望对大家有所帮助。提示：以下是本篇文章正文内容，均为作者本人原创，写文章实属不易，希望各位在转载时附上本文链接。一、配置步骤 在vivado中搜索BlockMemeryGenerator，找到该IP核后即可按照以下操作完成相应的配置。本次配置为单端口模式。 1.首先配置Basic界面，如图1所示。 图1 Basic界面的配
VivadoIP核之RAMBlockMemeryGenerator目录前言一、配置步骤二、仿真1.顶层代码2.仿真代码三、仿真分析总结前言 本次介绍vivado中RAM（BlockMemeryGenerator）IP核的使用，希望对大家有所帮助。提示：以下是本篇文章正文内容，均为作者本人原创，写文章实属不易，希望各位在转载时附上本文链接。一、配置步骤 在vivado中搜索BlockMemeryGenerator，找到该IP核后即可按照以下操作完成相应的配置。本次配置为单端口模式。 1.首先配置Basic界面，如图1所示。 图1 Basic界面的配
1.前言通常安装Vivado时，由于软件完整安装的空间需求过于庞大，一般只会选择一部分器件进行安装。而随着学习和工作的进展，遇到新的赛灵思朋友是成长的里程碑，也是综合不能通过的绊脚石。今天有幸认识了一位新的赛灵思朋友——K7系列FPGA之XC7K410T 。然后在综合时遇到了如下问题：这个报错直截了当得告诉了我少器件了，但是解决方案里面说请打开license管理器。。。。emm，一时间我没有反应过来还以为是license的问题。一顿操作后仍然未果，无语中忽然想起Vivado安装是按照正点原子的教程选择的器件库。如下图：于是便有了下文。2.不亦乐乎有朋自远方来不亦乐乎。接下来就打开Vivado进
1.前言通常安装Vivado时，由于软件完整安装的空间需求过于庞大，一般只会选择一部分器件进行安装。而随着学习和工作的进展，遇到新的赛灵思朋友是成长的里程碑，也是综合不能通过的绊脚石。今天有幸认识了一位新的赛灵思朋友——K7系列FPGA之XC7K410T 。然后在综合时遇到了如下问题：这个报错直截了当得告诉了我少器件了，但是解决方案里面说请打开license管理器。。。。emm，一时间我没有反应过来还以为是license的问题。一顿操作后仍然未果，无语中忽然想起Vivado安装是按照正点原子的教程选择的器件库。如下图：于是便有了下文。2.不亦乐乎有朋自远方来不亦乐乎。接下来就打开Vivado进
1总体概述为避免闭门造车，找一个不错的开源项目，学习在FPGA上实现CNN，为后续的开发奠定基础1.1项目链接大佬的开源项目链接：CNN-FPGA链接跳转界面如下：大佬的该项目已经发表论文，而且开源工程结构清晰，同时附带了硬件文档，所以对于咱们初学者来说，这个项目很友好发表的论文：硬件文档：1.2项目介绍用ZYNQFPGA搭建LeNet-5卷积神经网络(CNN)，实现手写数字识别，数据集为MNIST。LeNet-5网络结构如图所示：图片来自附带的技术文档《HardwareDocumentation》1.2.1卷积(Convolution)LeNet-5网络有3个卷积层，每个层的卷积核大小均为5
1总体概述为避免闭门造车，找一个不错的开源项目，学习在FPGA上实现CNN，为后续的开发奠定基础1.1项目链接大佬的开源项目链接：CNN-FPGA链接跳转界面如下：大佬的该项目已经发表论文，而且开源工程结构清晰，同时附带了硬件文档，所以对于咱们初学者来说，这个项目很友好发表的论文：硬件文档：1.2项目介绍用ZYNQFPGA搭建LeNet-5卷积神经网络(CNN)，实现手写数字识别，数据集为MNIST。LeNet-5网络结构如图所示：图片来自附带的技术文档《HardwareDocumentation》1.2.1卷积(Convolution)LeNet-5网络有3个卷积层，每个层的卷积核大小均为5
DDS(DirectDigitalSynthesizer)即数字合成器，是一种新型的频率合成技术，具有相对带宽大，频率转换时间短、分辨率高和相位连续性好等优点。较容易实现频率、相位以及幅度的数控调制，广泛应用于通信领域。 DDS的基本结构框图如下所示： 由图可以看出，DDS主要由相位累加器、相位调制器、波形数据表以及D/A转换器构成。本次实验仅在VIVADO平台上完成DDS的仿真，故设计流程不需要D/A转换器，在PC端完成仿真设计即可。若需要结合FPGA开发板使用，则需要再外接一个D/A转换模块，将产生的数字信号转换为模拟信号即可。 其中相位累加器由N位加法器与
DDS(DirectDigitalSynthesizer)即数字合成器，是一种新型的频率合成技术，具有相对带宽大，频率转换时间短、分辨率高和相位连续性好等优点。较容易实现频率、相位以及幅度的数控调制，广泛应用于通信领域。 DDS的基本结构框图如下所示： 由图可以看出，DDS主要由相位累加器、相位调制器、波形数据表以及D/A转换器构成。本次实验仅在VIVADO平台上完成DDS的仿真，故设计流程不需要D/A转换器，在PC端完成仿真设计即可。若需要结合FPGA开发板使用，则需要再外接一个D/A转换模块，将产生的数字信号转换为模拟信号即可。 其中相位累加器由N位加法器与
