Filter
清除
Role
Software
Content Type
Region
什么构成了低噪声电压调节器? 1 min Guide Books 您的集成电路需要稳定的直流电源才能正常工作,低噪声是任何直流调节器的标准要求。在某些情况下,只要噪声可以被滤除,您可能不会担心额外的几分贝的负载调节,但是需要非常稳定的直流电压和低噪声内容的应用,如要求超精确定时和具有非常窄输入电压范围的组件。那么,如何确定低噪声的确切限制,以及哪些类型的调节器最适合这些应用呢? 如果您从未仔细查看过电压调节器的规格说明,您可能不得不依赖市场语言来寻找下一个系统的低噪声电压调节器。然而,调节器本身并不是全部,还需要其他组件和布局策略来确保调节器提供稳定的低噪声直流输出。以下是您需要了解的关于不同类型的低噪声调节器以及如何为您的需求选择最佳组件的信息。 低噪声电压调节器基础 从技术上讲,低噪声电压调节器可以由任何拓扑结构构建;如何将噪声降低到实际使用的足够低是组件或电路设计师需要处理的另一个问题。您选择的调节器组件将有许多重要的规格,但以下三个将基本上告诉您关于调节器处理噪声(包括内部产生的和外部的)的所有信息。 电源抑制比(PSRR)。 简而言之,这个规格告诉您调节器拒绝上游电源传导噪声(以分贝为单位)的能力。LDO中的误差放大器确保了高PSRR(类似于开关转换器),尽管如果需要高降压,它们会效率低下。 输出调节。 这可以用分贝相对于名义值测量,或作为百分比。真正的低噪声调节器应该具有非常低的输出调节值;最佳组件的调节评级将低于1%。这个规格也可能以名义电压输出的RMS输出的分数来定义。 噪声功率密度。 这显示了您将在任意频率范围内预期看到的噪声量。相关范围可以从直流到非常高频(100 kHz到1 MHz),或者直到开关调节器的开关频率。 上述所有三个量都是频率依赖的。注意,噪声功率密度包括所有内部产生的噪声源,包括任何内部开关噪声。在选择低噪声电压调节器时,需要一起考虑这三个规格。例如,如果输入具有0 dB PSRR,则低输出调节和噪声功率密度毫无意义。同样,如果输出调节值非常高,PSRR就无关紧要了。 从离散组件构建调节器 从 电压调节器输出或在调节器IC内部的其他支持电路可以进一步减少调节器输出上的噪声。例如,如果您正在使用离散组件自己构建线性调节器,使用电容倍增器是一种简单但强大的降噪方法;这种拓扑结构经常用于音频或低频RF调节器,而不需要使用奇特的组件。另一个例子是主动调节器,理论上可以提供完美的噪声减少。 如果您想进一步减少噪声,您需要在输入/输出上增加额外的滤波,或者您需要使用高度工程化的集成解决方案。您还应该考虑输出上的滤波和您的开关频率如何影响调节器中的噪声内容。 开关频率和滤波的作用 阅读文章
机器视觉系统设计的组件 1 min Guide Books 智能相机、计算机视觉、机器视觉……不管你怎么称呼它,视觉应用正在被集成到越来越多的产品中。大多数PCB设计师熟悉的经典应用是制造业,最近则是智能手机上的面部识别。那些经常与机器视觉设计和系统打交道的知情设计师正在见证许多独特的应用,如医学、汽车、机器人、航空航天、安全,当然还有其他领域。 电子行业发生的一个有趣现象是,随着新技术的不断普及,将其集成到新系统中变得越来越容易。机器视觉肯定已经跨过了一个门槛,标准化、开发者支持以及丰富的组件对于那些想在这一领域创新的设计师来说是可用的。如今,有几个流行的硬件平台是新设计师的入门选项。如果你已经超越了原型设计阶段,并且你正在准备生产级硬件,新的处理器正在使得利用机器学习等先进技术的更高度集成系统成为可能。 在这份指南中,我们将探索构建机器视觉系统所需的一些组件和嵌入式开发者可用的资源。机器视觉系统有一个重要的硬件和机械工程元素,因为我们正在处理相机和光学。这些系统的开发非常丰富,涉及多个学科的任务。幸运的是,组件制造商和开源开发者可以访问许多资源来帮助加速硬件设计和系统开发,我们鼓励感兴趣的开发者查看我们在这里展示的一些示例以开始。 机器视觉系统架构 就电子产品而言,机器视觉系统与其他系统相比有一个相当通用的架构。下面显示的框图展示了在机器视觉系统中实现的一个通用高级架构。这些系统可以有不同级别的集成和形态因素,下面显示的一些模块可能集成到更强大的处理器中。 高级机器视觉系统架构 没有一个典型的机器视觉系统可以作为其他设计的参考,因为机器视觉是一种能力,而不是产品或特定类型的设计。如上面的框图所示,机器视觉系统有共同的特征,但它们是用不同的组件集实现的。我们需要从处理器级别开始,看看图像处理算法如何能够高效地实现,而不是简单地列出支持机器视觉系统的组件列表。 FPGA、MPU还是GPU? MCU或基于MCU的SoC一直很受欢迎,即使是对于实现机器视觉能力的系统也是如此。具有标准数字接口的MCU可以与专用于视觉处理的ASIC接口,而FPGA可以足够大以实现内联图像采集、DSP功能和其他系统级处理。GPU可以提供一个专用的外部视觉处理器,将数据返回给主控制器。 就进阶程度而言,MPU + FPGA或MPU + GPU架构更适合近实时机器视觉。它们也更适合处理高分辨率图像,因为FPGA/GPU可以实现并行化,这在需要高分辨率/高色深处理时可以缩短处理时间。这是FPGA的主要优势,因为逻辑灵活,但如果没有先前的经验,开发高级处理的管理和算法会更加困难。 所有这些并不是说MCU和MPU不能用作机器视觉应用中的主控制器。例如,你的手机和电脑就不使用这些,它们可以执行一些简单的图像处理任务,从低帧率视频和静态图像开始。公平地说,这些设备中的CPU/SoC往往比高端MPU具有更多的计算能力。MCU可以用于低分辨率、低帧率、低色深或单色图像处理,随着你增加更多计算能力,你可以处理更详细的图像。在生产中,MPU是更好的选择,因为你可能需要访问外部高速内存,这意味着你需要DDR RAM接口,可能还需要PCIe来连接一些外设,这些通常不会在较慢的MCU上找到。 特定应用与通用 如果你想在系统中实现更高级的图像识别和分割算法,那么你可能会选择SOM、COM或单板计算机作为你的机器视觉应用的主控制器。如果处理器有足够的片上内存和外部RAM,它通常可以实现大多数采集和处理任务,同时还运行一个应用程序来控制你的系统的其余部分。这些架构通常用于非常特定应用中的基于阈值的图像分割和对象检测任务,从低到中等帧率视频数据。 机器视觉设计的挑战 像许多其他本质上与低级模拟信号操作的设计一样,机器视觉系统和设计有自己的一套需要考虑的电气挑战。一些解决方案位于图像处理级别,其他则与系统级别相关,涉及到组件选择。以下是设计师在机器视觉设计中必须考虑的一些主要挑战: 阅读文章