虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

stm32 硬件

  • freescale单片机硬件设计

    freescale单片机硬件设计freescale单片机硬件设计freescale单片机硬件设计

    标签: freescale 单片机 硬件设计

    上传时间: 2013-07-21

    上传用户:tuilp1a

  • STM32学前班教程

    一个小时看完后轻松的掌握了STM32的调试环境和一些基本知识。此档网上经验分享

    标签: STM 32 教程

    上传时间: 2013-05-20

    上传用户:libenshu01

  • STM32原理图及PCB库.rar

    STM32原理图及PCB库.rar原理图封装pcb

    标签: STM PCB 32

    上传时间: 2013-05-21

    上传用户:17826829386

  • STM32系列ARMCortexM3微控制器原理与实践

    STM32系列ARMCortexM3微控制器原理与实践

    标签: ARMCortexM3 STM 32 微控制器

    上传时间: 2013-07-22

    上传用户:希酱大魔王

  • stm32固件库中文.pdf

    stm32固件库中文stm32固件库中文.pdfstm32固件库中文.pdf

    标签: stm 32 固件

    上传时间: 2013-04-24

    上传用户:qqoqoqo

  • 瑞萨单片机硬件和软件手册

    介绍瑞萨单片机硬件开发及其应用和软件手册

    标签: 瑞萨 单片机硬件 软件

    上传时间: 2013-06-20

    上传用户:fywz

  • STM32在RVMDK中入门讲解之安装目录说明

    cortex在rvmdk中设置方式,及STM32在RVMDK中入门讲解之开发环境的建立

    标签: RVMDK STM 32 目录

    上传时间: 2013-06-10

    上传用户:sh19831212

  • 图像处理算法研究及硬件设计

    随着图像分辨率的越来越高,软件实现的图像处理无法满足实时性的需求;同时FPGA等可编程器件的快速发展使得硬件实现图像处理变得可行。如今基于FPGA的图像处理研究成为了国内外的一个热门领域。 本文在FPGA平台上,用Verilog HDL实现了一个研究图像处理算法的可重复配置的硬件模块架构,架构包括PC机预处理和通信软件,控制模块,计算单元,存储器模块和通信适配模块五个部分。其中的计算模块负责具体算法的实现,根据不同的图像处理算法可以独立实现。架构为计算模块实现了一个可添加、移出接口,不同的算法设计只要符合该接口就可以方便的加入到模块架构中来进行调试和运行。 在硬件架构的基础上本文实现了排序滤波,中值滤波,卷积运算及高斯滤波,形态学算子运算等经典的图像处理算法。讨论了FPGA的图像处理算法的设计方法及优化策略,通过性能分析,FPGA实现图像处理在时间上比软件处理有了很大的提高;通过结果的比较,发现FPGA的处理结果达到了软件处理几乎同等的效果水平。最后本文在实现较大图片处理和图像处理窗口的大小可配置性方面做了一定程度的讨论和改进,提高了算法的可用性,同时为进一步的研究提供了更加便利的平台。 整个设计都是在ISE8.2和ModelSim第三方仿真软件环境下开发的,在xilinx的Spartan-3E XC3S500E硬件平台上实现。在软件仿真过程中利用了ISE8.2自带仿真工具和ModelSim结合使用。 本课题为制造FPGA的专用图像处理芯片做了有益的探索性研究,为实现FPGA为核心处理芯片的实时图像处理系统有着积极的作用。

    标签: 图像处理 算法研究 硬件设计

    上传时间: 2013-05-30

    上传用户:水瓶kmoon5

  • 硬件测试资料

    \培训资料\射频硬件知识\硬件测试技术似懂非懂

    标签: 硬件测试

    上传时间: 2013-08-05

    上传用户:Wwill

  • 基于FPGA的遗传算法硬件实现研究

    遗传算法是基于自然选择的一种鲁棒性很强的解决问题方法。遗传算法已经成功地应用于许多难优化问题,现已成为寻求满意解的最佳工具之一。然而,较慢的运行速度也制约了其在一些实时性要求较高场合的应用。利用硬件实现遗传算法能够充分发挥硬件的并行性和流水线的特点,从而在很大程度上提高算法的运行速度。 本文对遗传算法进行了理论介绍和分析,结合硬件自身的特点,选用了适合硬件化的遗传算子,设计了标准遗传算法硬件框架;为了进一步利用硬件自身的并行特性,同时提高算法的综合性能,本文还对现有的一些遗传算法的并行模型进行了研究,讨论了其各自的优缺点及研究现状,并在此基础上提出一种适合硬件实现的粗粒度并行遗传算法。 我们构建的基于FPGA构架的标准遗传算法硬件框架,包括初始化群体、适应度计算、选择、交叉、变异、群体存储和控制等功能模块。文中详细分析了各模块的功能和端口连接,并利用硬件描述语言编写源代码实现各模块功能。经过功能仿真、综合、布局布线、时序仿真和下载等一系列步骤,实现在Altera的Cyclone系列FPGA上。并且用它尝试解决一些函数的优化问题,给出了实验结果。这些硬件模块可以被进一步综合映射到ASIC或做成IP核方便其他研究者调用。 最后,本文对硬件遗传算法及其在函数优化中的一些尚待解决的问题进行了讨论,并对本课题未来的研究进行了展望。

    标签: FPGA 算法 硬件 实现研究

    上传时间: 2013-07-22

    上传用户:谁偷了我的麦兜