基于LVDS/M-LVDS的数据通信

简介: <div class="mod reader-page complex reader-page-1" style="margin: 0px 0px 6px; padding: 0px; overflow: hidden; width: 964px; border: 1px solid rgb(211, 211, 211);"><div class="inner" style="margin:


现在有两种方案:一种基于

M-LVDS

(基于总线的多节点通信)

,有其

特定的电气要求;另外一种是基于

LVDS

的点到点通信,具体说明如

下:

 

基于

M-LVDS

的总线通信:

 

 

基于

M-LVDS

的全双工通信

 

特点:

 

1

)工作速率最高可达

100 Mbps (50 MHz)

 

2

-1 V

+3.4 V

的共模电压范围内利用低至

50 mV

的差分输入检测

总线状态。

 

3

)总线引脚上提供最高可达±

15 kV

ESD

保护。

 

4

)总线最多支持与

32

个节点连接。

 

 

缺点:

 

1

)速度不是很快

 

2

)通信不是很方便,需要编程还原数据。按现有的芯片来看,只能

从芯片处得到想要的

0

1

数据,

发送数据也是,

只能发送

0

1

进行通信。

 

3

)无更多资料参考,网上除了官网的说明文档,很难找到与其相关

的资料。

 

 

 

基于

LVDS

的点到点通信:

 

 

GM8116

是一款总线

LVDS

串行

/

解串行器(

SerDes

),它将

16

位比特

信息串行化,嵌入时钟位,并将总共

18

位的信息转换为

BLVDS

信号

通过一对导线发送。该时钟作为

2

个比特嵌入,高时钟比特

C1

和低

时钟比特

C0

。这两个时钟比特将数据组帧,并且向接收器提供精密

的定时信息。接收器使用这个定时信息来恢复数据。

 

特点:

 

1

)最高全双工数据传输速率:

2.56Gbps

 

2

)内部集成

PLL

CDR

电路,无需任何外部元件。

 

3

)锁定随机输入数据并支持热插拔功能。

 

优缺点:

 

这类芯片基于点到点的通信,不满足总线形式的电气要求;

 

可以将数据串行化,操作简单方便。通讯速度快,可以满足所需要的

通讯要求。


相关文章
|
1月前
|
人工智能 自然语言处理 调度
24_BERT模型详解:从预训练到微调的全方位指南
BERT(Bidirectional Encoder Representations from Transformers)是由Google AI在2018年推出的革命性预训练语言模型,它彻底改变了自然语言处理(NLP)领域的格局。通过创新的双向训练方式,BERT能够捕捉词语在上下文环境中的完整语义信息,从而在各种下游任务中取得了突破性的表现。
|
存储 移动开发 数据安全/隐私保护
高效反编译luac文件
高效反编译luac文件
|
Linux 网络安全 数据库
MyCat下载与安装
MyCat下载与安装
3857 0
|
11月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费偏好分析的深度学习模型
使用Python实现智能食品消费偏好分析的深度学习模型
235 8
|
12月前
|
数据采集 自然语言处理 搜索推荐
通义千问赋能CACA指南:构建智慧肿瘤诊疗新生态
本文探讨了如何利用阿里云通义千问大模型,结合中国抗癌协会(CACA)编撰的《中国肿瘤整合诊治指南》,打造新一代智能化临床决策支持系统。该系统通过分层架构设计,实现智能问答、临床决策支持和患者管理等功能,显著提升了医生的工作效率和治疗方案的科学性。
530 1
|
Java 数据库连接 Maven
mybatis使用一:springboot整合mybatis、mybatis generator,使用逆向工程生成java代码。
这篇文章介绍了如何在Spring Boot项目中整合MyBatis和MyBatis Generator,使用逆向工程来自动生成Java代码,包括实体类、Mapper文件和Example文件,以提高开发效率。
552 2
mybatis使用一:springboot整合mybatis、mybatis generator,使用逆向工程生成java代码。
|
监控 Linux KVM
10 个最佳的 Linux 虚拟化软件,你用过哪些?
10 个最佳的 Linux 虚拟化软件,你用过哪些?
2074 0
10 个最佳的 Linux 虚拟化软件,你用过哪些?
|
传感器 数据采集 存储
基于51单片机的大棚环境检测系统设计
基于51单片机的大棚环境检测系统设计
799 0
|
12月前
|
前端开发 Java Docker
使用Docker容器化部署Spring Boot应用程序
使用Docker容器化部署Spring Boot应用程序
|
机器学习/深度学习 数据采集 算法
利用未标记数据的半监督学习在模型训练中的效果评估
本文将介绍三种适用于不同类型数据和任务的半监督学习方法。我们还将在一个实际数据集上评估这些方法的性能,并与仅使用标记数据的基准进行比较。
908 8