Xilinx公司的FPGA(现场可编程门阵列)产品线在移动通信设备中有着广泛的应用,尤其是在处理MIPI(移动行业处理器接口)接口的数据传输方面。MIPI是由MIPI联盟推广的一种串行通信接口规范,该规范支持高速的数据传输和控制信号在移动设备内部组件之间的互连,这对于智能手机、平板电脑、相机和其他便携式设备的制造商来说是非常重要的。FPGA在实现MIPI接口时通常没有直接支持D-PHY的I/O,因此需要在FPGA的lane侧外部实现D-PHY硬件规范。 D-PHY是MIPI接口中的一种物理层(PHY)规范,用于摄像头和显示设备的串行接口,分别称为CSI(摄像头串行接口)和DSI(显示串行接口)。D-PHY的设计目标是提供一种灵活、低成本和高速的串行接口解决方案,以满足移动设备中组件间通信连接的需求。 Xilinx的FPGA产品,比如Spartan-6和7系列,在实现MIPI接口时通常需要借助于外部硬件与标准的FPGA I/O(差分和单端)配合来遵守D-PHY 1.00.00版本的规范。在进行MIPI接口的设计时,FPGA内部可以实现D-PHY的数据通道控制逻辑,这包括发送(TX)和接收(RX)逻辑、高速(HS)和低功耗(LP)模式下的数据传输、控制信号的编码和解码,以及协议和状态机管理。 D-PHY的设计概述包括几个关键部分: - 发送序列化器(HS-Serialize):将并行数据转换为高速差分信号序列。 - 接收反序列化器(HS-Deserialize):将高速差分信号序列转换回并行数据。 - 低功耗(LP)信号电平:在低功耗模式下使用的电压电平,例如1.2V。 - 高速(HS)信号电平:高速模式下使用的差分摆幅和共模电平,例如200mV的差分摆幅和200mV的共模电平。 - 时钟输入输出:设计中需要处理高速和低功耗模式下的时钟信号输入输出。 - 控制信号输入输出:包括数据使能、选择信号和系统控制信号的输入输出。 - 错误检测:检测数据传输中的错误。 由于FPGA的I/O不能直接支持D-PHY,所以设计中必须通过外部的离散组件来实现D-PHY的硬件规范。例如,可以用电平转换器、匹配电阻和电容等来搭建高速传输的电路,并通过FPGA内的逻辑来控制这些电路。通过这样的配置,可以实现MIPI接口与摄像头和显示屏的连接。 DSI作为MIPI联盟定义的高速串行接口之一,它被用来实现外围设备(如有源矩阵显示屏)与主处理器之间的高速通信,而D-PHY则被用作物理通信层。DSI和CSI都是基于D-PHY规范的接口标准,主要用于移动设备内部的高速数据传输。 在设计时,需要注意FPGA与外部硬件组件的兼容性和正确性,保证所有使用的组件都经过适当的资格认证。这些组件需要能够处理不同电压等级(1.2V到3.3V+)的电源,并能适应不同的信号电平和信号摆幅。例如,低功耗模式下的接收电压电平需要低于某一个阈值,而高速模式下的接收摆幅可能需要达到200mV。 Xilinx的FPGA在实现MIPI接口时,应用笔记XAPP894提供了使用外部硬件和标准FPGA I/O实现D-PHY解决方案的详细方法。这些解决方案适用于Spartan-6和7系列FPGA,并且能遵循D-PHY版本1.00.00规格。在设计中,工程师需仔细考虑硬件组件的选择和配置,以及FPGA内部逻辑的设计,确保整个MIPI接口解决方案在移动设备中能够可靠地工作。

































剩余23页未读,继续阅读

- digent2018-05-15谢谢分享,不过跟我需要的不一样~

- 粉丝: 40
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助


最新资源
- 自动驾驶规划控制常用算法c++代码实现
- C++ 实现自动驾驶规划与控制常用算法代码
- Delphi算法与数据结构精要
- 基于树莓派的自动驾驶小车,利用树莓派和tensorflow实现小车在赛道的自动驾驶 (Self-driving car based on raspberry pi(tensorflow))
- 自动驾驶Apollo源码注释.(annotated Apollo 1.0 source code)
- 基于树莓派与 TensorFlow 的赛道自动驾驶小车实现
- Udacity 自动驾驶系列课程第一期学习内容
- 轻量级LMS 2.0:基于博客的在线评估新方法
- 自动驾驶领域各类算法的实现方式及原理深度分析 自动驾驶相关各类算法的具体实现路径与原理解析 自动驾驶领域各类算法实现方法及核心原理分析 自动驾驶相关各类算法的实现流程与原理深度剖析 自动驾驶领域各类算
- Udacity 自动驾驶培训课程首期班
- 基于 carla-ros-bridge 在 carla 实现自动驾驶规划与控制
- Android studio 打包uniapp
- 机器学习(预测模型):犯罪新闻标题二元分类任务的数据集
- 基于 carla-ros-bridge 在 carla 实现自动驾驶规划与控制
- 使用 TensorFlow 与 OpenCV 模拟自动驾驶系统 基于 TensorFlow 和 OpenCV 的自动驾驶模拟实现 借助 TensorFlow 与 OpenCV 进行自动驾驶模拟 采用


