FMC、FMC+ 详解

FMC、FMC+ 详解

文章目录

FMC 简介

FPGA 对 I/O 需求的变化适应性很强。在重新配置 FPGA 以实现新协议之后,只需更换物理 I/O 组件和连接器即可。除非 I/O 组件在扩展卡模块,否则需要改变板级设计。为了避免与设计变更相关的成本和工作量,设计人员一直依赖于 PCI Mezzanine Card (PMC) 和 Switched Mezzanine Card (XMC) 标准。然而,这些标准是多年前为单板计算机(SBCs)等通用解决方案开发的,而不是 FPGA。2008 年 7 月,随着美国国家标准协会(ANSI)批准和发布 VITA 57 FPGA Mezzanine Card (FMC) 标准,这种情况发生了变化。
下图为普通板级设计和基于 FMC 扩展卡的设计的区别:

在这里插入图片描述


在这里插入图片描述


FMC 标准由从 FPGA 供应商到最终用户的公司联盟开发,旨在为位于基板(载卡)上的 FPGA 提供标准的扩展卡外形、连接器和模块化接口。以这种方式将 I/O 接口与 FPGA 解耦,简化了 I/O 接口模块设计,同时最大限度地提高了载卡的可重复使用能力。与使用 PCI、PCI-X、PCle 或 Serial RapidIO 等复杂接口的 PMC 和 XMC 标准不同,FMC 标准只需要直接连接到载卡上的 FPGA 的核心 I/O 和收发器电路。复杂接口标准在 FMC 扩展卡上实现。如下图所示,FMC 扩展卡可以支持以下接口标准:

  • 模拟 I/O:ADC 和 DAC
  • 数字并行 I/O:例如,Camera Link,LVDS,FPDP
  • 数字高速串行 I/O:例如,光纤,串行 FPDP,Gb/10Gb 以太网
在这里插入图片描述


在这里插入图片描述


FMC 标准为电路板开发人员提供稳定,直接和兼容的标准。FMC 标准的优点如下:

  1. 减少对扩展卡上复杂协议逻辑的需求
  • 最大限度地提高数据吞吐量
  • 最大限度地降低延迟
  • 降低 FPGA 设计复杂性
  • 最大限度地减少系统开销

比 PMCI、XMC 扩展卡具有更好的散热性能

在这里插入图片描述

FMC 标准定义了单宽度(69mm x 76.5mm)和双宽度(139mm x 76.5mm)的外形标准。单宽度模块支持单个连接器连接到载卡。双宽度模块专为需要额外带宽、更多前面板空间或更大 PCB 面积的应用而设计,最多支持两个连接器。FMC 标准的两个外观标准提供了额外的灵活性,可以根据空间、I/O 需求优化电路板。

一旦选定了外形尺寸,电路板开发人员就可以从两种不同的连接器中进行选择,作为从 FMC 标准到载卡上 FPGA 的接口:具有 160 引脚的低引脚数(LPC)连接器和具有 400 引脚的高引脚数(HPC)连接器。两者都支持高达 2 Gb/s 的单端和差分信号,以及高达 10 Gb/s 的 FPGA 串行收发器信号。LPC 连接器提供 68 个用户定义的单端信号(或 34 个用户定义的差分信号)。它还提供了 1 对串行收发器信号、时钟、一个 JTAG 接口和一个 I2C 接口,作为对基本智能平台管理接口(IPMI)命令的可选支持。HPC 连接器提供 160 个用户定义的单端信号(或 80 个用户定义的差分信号),10 对串行收发器信号和额外的时钟。

在这里插入图片描述


HPC 和 LPC 连接器使用相同的机械结构。唯一的区别是哪些信号是实际上被使用的。因此,具有LPC 连接器的扩展卡可以插入到 HPC 端子,并且如果设计得当,当插入到 LPC 端子时,具有 HPC 连接器的扩展卡可以提供功能的子集。下图显示了 Xilinx 的一个开发板,它具有 Virtex®-6 FPGA 和两个 FMC 连接器(一个 LPC 和一个 HPC)。

在这里插入图片描述

FMC 引脚输出定义

High-pin count (HPC) connector, HPC pinout

HPC 连接器有 10 排(A、B、C、D、E、F、G、H、J、K),每排 40Pin。下表总结了 HPC 连接器的引脚。
HPC connector pin summary

General pin functionPin count
Gigabit data40
Gigabit clocks4
User data160
User clocks8
I2C2
JTAG5
State flags5
Power supply15
Ground159
Reserved2
在这里插入图片描述


Footprints can be viewed in Lib_Altium repository.

在这里插入图片描述

Low-pin count (LPC) connector, LPC pinout

LPC 连接器有 4 排(C, D, G, H),每排 40Pin。下表总结了 LPC 连接器的引脚。
LPC connector pin summary

General pin functionPin count
Gigabit data4
Gigabit clocks2
User data68
User clocks4
I2C2
JTAG5
State flags4
Power supply10
Ground61
在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


Footprints can be viewed in Lib_Altium repository.

在这里插入图片描述

Pin and signal description

在这里插入图片描述


在这里插入图片描述

FMC+ 简介

FMC+ 是 FMC 的增强功能。它将 FPGA 串行收发器信号从 10 对增加到 32 对,数据速率高达 28Gbps。FMC+ 载卡允许向后兼容 FMC 扩展卡。FMC 要求由 ANSI/VITA 57.1 标准定义。FMC+ 要求由 ANSI/VITA57.4 标准定义。

VITA57 标准更新历史

在这里插入图片描述

VITA57.4 标准推出的原因

在这里插入图片描述

FMC+ 引脚输出定义

在这里插入图片描述
在这里插入图片描述


在这里插入图片描述

Altera 开发板的 FMC 引脚定义

英特尔® Arria® 10 GX FPGA 开发套件

订购代号:DK-DEV-10AX115S-A
https://www.intel.cn/content/www/cn/zh/products/details/fpga/development-kits/arria/10-gx.html

在这里插入图片描述

主板原理图:
https://www.intel.cn/content/www/cn/zh/content-details/649803/arria-10-fpga-development-kit-dk-dev-10ax115s-a-board-schematic.html

Xilinx 开发板的 FMC 引脚定义

AMD Kintex 7 FPGA KC705 评估套件

https://china.xilinx.com/content/xilinx/zh/products/boards-and-kits/ek-k7-kc705-g.html

在这里插入图片描述


主板原理图(需注册 AMD 账号才可下载):
https://china.xilinx.com/member/forms/download/design-license.html?cid=188020&filename=kc705_Schematic_xtp132_rev1_1.pdf

AMD Virtex 7 FPGA VC709 连接功能套件

https://china.xilinx.com/products/boards-and-kits/dk-v7-vc709-g.html

在这里插入图片描述


主板原理图(需注册 AMD 账号才可下载):
https://china.xilinx.com/member/forms/download/design-license.html?cid=201032&filename=vc709_Schematic_xtp213_rev1_0.pdf

ALINX 开发板

Xilinx Kintex UltraScale FMC HPC PCIE 光纤 FPGA 开发板 XCKU040 AXKU041

在这里插入图片描述


主板原理图:
https://www.alinx.com/public/upload/file/AXKU041_UG.pdf

参考资料:

  1. https://fmchub.github.io/appendix/VITA57_FMC_HPC_LPC_SIGNALS_AND_PINOUT.html
  2. ANSI/VITA 57.1-2008
  3. Overview of VITA57 – FMC, Curtiss Wright, www.vita.com/Resources/Learn/FMC%20Overview.pptx
  4. I/O Design Flexibility with the FPGA Mezzanine Card (FMC), Xilinx WP315
  5. FMCHUB - FPGA MEZZANINE CARDs
  6. Lib_Altium, Altium Designer libraries for ANSI/VITA 57 FPGA Mezzanine Card (FMC) Standard
  7. FMC LPC Breakout board, Datasheet of Open-source hardware FMC module

Read more

llama.cpp重大更新:自带Web UI,性能超越Ollama,本地大模型部署新选择!

llama.cpp重大更新:自带Web UI,性能超越Ollama,本地大模型部署新选择!

Ollama 背后执行推理的核心技术其实是由 llama.cpp 承担的,GGUF 模型格式也是由 llama.cpp 的作者所开发。 现在 llama.cpp 迎来重大更新,它也有了自己的 Web UI,我测试了安装部署和自行打包,很多地方确实比 Ollama 还有方便好用。 官方介绍,优势如下: * 完全免费、开源且由社区驱动 * 在所有硬件上表现出色 * 高级上下文和前缀缓存 * 并行和远程用户支持 * 极其轻量级且内存高效 * 充满活力且富有创造力的社区 * 100% 隐私 使用之前需要先安装 llama.cpp server 我还是喜欢命令行直接安装 ## Winget (Windows)winget install llama.cpp## Homebrew (Mac and Linux)brew install llama.

污泥清淤机器人实践复盘分享

污泥清淤机器人实践复盘分享

污泥清淤机器人实践复盘:从行业痛点看智能化解决方案 在化工、市政、河道治理等众多领域,清淤作业长期面临着安全风险高、效率低下、环境影响大等严峻挑战。传统人工作业方式在有毒有害、密闭缺氧的环境中难以为继,行业对安全、高效、智能的清淤解决方案需求迫切。近年来,以清淤机器人为代表的特种作业装备快速发展,为行业带来了革命性的变化。本文旨在通过实践复盘,深入探讨清淤机器人的应用价值、技术要点与发展趋势。 一、行业痛点催生技术变革 清淤作业,尤其是工业场景下的清淤,绝非简单的体力劳动。行业报告显示,在化工厂、钢铁冶金、污水处理厂等场所,作业环境往往伴随着高浓度有毒有害化学物质、污泥厌氧分解产生的易燃易爆气体,以及密闭空间氧气不足导致的窒息风险。人工清淤事故频发,使得安全规范日益严格,传统作业模式已触及瓶颈。 与此同时,市政管网、水库涵洞、港口航道等受限空间的清淤需求巨大,但空间狭小、环境复杂,人员与大型设备均难以进入。这些痛点共同构成了对“人不能近、人不能及、人不能为”作业场景的精准描述,也成为了推动水下清淤机器人等智能装备从研发走向广泛应用的核心驱动力。 二、清淤机器人的核心技术与

破局新农业数智化困境:低代码不是“捷径”,而是重构生产逻辑的技术密钥

破局新农业数智化困境:低代码不是“捷径”,而是重构生产逻辑的技术密钥

作为IT互联网产品技术从业者,笔者长期关注各行业数智化转型落地场景,发现一个极具反差感的现象:一边是国家政策持续加码智慧农业,2025年中央一号文件明确支持拓展人工智能、数据等技术在农业领域的应用场景,资本也在不断涌入农业数智化赛道;另一边是绝大多数农业主体(尤其是中小农户、乡镇合作社)仍被困在“不会用、用不起、用不好”的死循环里,所谓的“数智化解决方案”,要么是脱离实际场景的“空中楼阁”,要么是成本高企、运维复杂的“沉重包袱”。        很多人将新农业数智化的瓶颈归结为“农业从业者数字化素养低”“农村基础设施落后”,但笔者始终认为,核心矛盾不在于“人”和“硬件”,而在于“技术供给与农业场景需求的严重错配”。传统IT开发模式下,农业数智化系统开发周期长、定制化难度大、运维成本高,根本无法适配农业场景碎片化、需求多样化、预算有限化的核心特征——你不可能让一个种植合作社花几十万、等半年,去开发一套仅用于蔬菜大棚环境监测的系统;也不可能让一个农户,去操作一套需要专业IT技能才能运维的复杂平台。        就在行业陷入“两难”之际,低代码平台的崛起,似乎为新农业数智

多模态学习(五):基于可变形注意力的无人机可见光-红外图像配准算法解析

1. 引言:当无人机“双眼”看到的世界不一样 大家好,我是老张,一个在AI和无人机视觉领域摸爬滚打了十来年的工程师。今天想和大家聊聊一个听起来有点专业,但实际上非常“接地气”的问题:怎么让无人机上的“两只眼睛”看到同一个东西? 想象一下,你操控的无人机上装了两台相机:一台是我们日常用的可见光相机,能拍出色彩斑斓的画面;另一台是红外热成像相机,能在黑夜或雾霾中“看见”物体散发的热量。这本来是件好事,相当于给无人机开了“天眼”。但现实很骨感,由于这两台相机安装位置、镜头视角不可能完全一致,它们拍下的同一场景,在图像上往往是错位的。这就好比你的左眼和右眼看到的画面对不上,不仅看着头晕,更严重的是,当你用这些错位的图像去做目标检测、跟踪或者融合时,结果会一塌糊涂。 这就是“可见光-红外图像配准”要解决的核心问题。简单说,就是通过算法计算,把红外图像“掰正”,让它和可见光图像在空间上严丝合缝地对齐。过去,学术界很多研究都默认这两幅图是已经对齐好的,直接拿来做后续分析。但实际飞过无人机的朋友都知道,这纯属理想情况。