【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计

【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计

【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计

前言

在现代高速数据采集系统中,随着ADC采样率的不断提升(从几十MHz到几百MHz甚至更高),传统的并行CMOS/LVDS接口因占用引脚过多、布线困难等问题逐渐被串行LVDS接口取代。TI(德州仪器)的许多多通道ADC(如ADS528x, ADS529x系列)都采用了这种接口。

然而,串行LVDS接口虽然减少了PCB走线数量,却给FPGA接收端的设计带来了巨大的挑战:如何在几百Mbps甚至Gbps的速率下,稳定地实现位同步(Bit Alignment)和帧同步(Frame Alignment)?


1. 认识串行LVDS接口

一个典型的高速ADC串行LVDS接口通常包含以下三类信号:

  1. 串行数据 (Serial Data, D0…DN−1D_0 \dots D_{N-1}D0​…DN−1​):ADC的采样数据通过一对或多对LVDS线串行输出。
  2. 位时钟 (Bit Clock, LCLK/DCLK):通常是DDR(双沿采样) 格式。频率通常是 采样率 × 串行化倍数 / 2

帧时钟 (Frame Clock, ADCLK/FCLK):频率等于ADC的采样率 (fSf_SfS​)。它的上升沿通常与串行数据的第一个bit(或字边界)对齐,用于辅助并行数据的恢复。

在这里插入图片描述
接口变种One-wire interface:每个ADC通道只需一对LVDS传数据(速率高)。Two-wire interface:采样率极高时,每个通道的数据拆分到两对LVDS上传输(降低单线速率)。

2. 接收端捕获方案 (Receiver Capture Schemes)

FPGA接收端的核心任务有两个:

  1. 位同步:利用位时钟(Bit Clock)正确锁存高速串行数据。

字/帧对齐:利用帧时钟(Frame Clock)恢复出正确的并行数据字。

在这里插入图片描述

2.1 难点:时钟与数据的偏斜 (Skew)

在理想情况下,数据边缘和时钟边缘是对齐的。但在实际硬件中,PCB走线延时、FPGA内部布线延时、以及器件本身的Skew,会导致数据和时钟无法满足建立/保持时间(Setup/Hold Time)。

在这里插入图片描述

2.2 解决方案一:使用延迟元件 (Delay Elements)

  • 原理:利用FPGA内部的IO延迟模块(如Xilinx的IDELAY),对输入的位时钟或数据进行微调。
  • 实现:通过动态调整延迟,使时钟沿落在数据“眼图”的中心。

注意:需考虑PVT(工艺、电压、温度)变化对延迟Tap精度的影响。

在这里插入图片描述

2.3 解决方案二:使用PLL多相时钟

  • 原理:利用FPGA的PLL生成多个相位的时钟(例如0°, 45°, 90°… 315°)。

边缘选择逻辑:ADC发送Deskew Test Pattern(通常是101010...)。FPGA用所有相位的时钟去采样,找出能稳定采到正确数据的相位窗口,并选择窗口中间的那个时钟相位作为采样时钟。

在这里插入图片描述


在这里插入图片描述

3. 帧对齐逻辑 (Frame Alignment)

即使位数据捕获正确,并行转换后的数据可能依然是错位的(Bit Shifted)。例如12-bit数据,你可能采到了上一个样本的最后1位和当前样本的前11位。

在这里插入图片描述

3.1 帧时钟的作用

理想情况下,直接用帧时钟(Frame Clock)去锁存串转并后的数据即可。但如果帧时钟相对于数据有较大的滞后或超前(超过1个Bit周期),就会导致错位。

在这里插入图片描述

3.2 使用SYNC Pattern进行校正

TI ADC通常提供 SYNC Test Pattern(例如12-bit模式下发送 111111000000)。

  • 校准流程
    1. 开启ADC的SYNC模式。
    2. FPGA检查接收到的并行数据。
    3. 如果读到 111111000000,说明对齐正确。
    4. 如果读到 011111100000(右移)或 111110000001(左移),则说明存在错位。
    5. 位滑移 (Bit Slip):在串转并模块中控制逻辑进行移位操作,直到数据匹配标准图案。
在这里插入图片描述

4. 多通道/多片ADC系统的同步策略

在由多片ADC组成的大型系统中,TI推荐采用 源同步(Source Synchronous) 策略:

  1. 独立捕获:FPGA内部为每一片ADC(甚至每个通道组)实例化独立的捕获模块。
  2. 使用各自的位时钟千万不要试图用同一个时钟去采集所有ADC的串行数据。每片ADC输出的Bit Clock与它自己的Data是相关性最好的。
  3. 跨时钟域处理
    • 在捕获模块内部,使用ADC自己的Bit Clock恢复出并行数据。

恢复出的并行数据(低速)再通过FIFO或寄存器跨时钟域同步到FPGA的全局系统时钟(System Clock, 1x 采样率)。

在这里插入图片描述

5. 时序闭合与PCB设计 (Timing Closure)

要实现稳定的数据捕获,必须满足接收端触发器的建立时间 (tsut_{su}tsu​) 和保持时间 (thot_{ho}tho​)。

5.1 关键公式

接收端的实际建立时间计算如下:
tsu_RX=tsu_ADC−tSkew t_{su\_RX} = t_{su\_ADC} - t_{Skew} tsu_RX​=tsu_ADC​−tSkew​

其中 tSkewt_{Skew}tSkew​ 是数据路径延时与时钟路径延时的差值。
tSkew=tData_Delay−tClock_Delay t_{Skew} = t_{Data\_Delay} - t_{Clock\_Delay} tSkew​=tData_Delay​−tClock_Delay​

为了最大化接收端的建立时间余量,必须让 tSkewt_{Skew}tSkew​ 尽可能小。

5.2 PCB Layout 黄金法则

  • 等长布线:对于速率 > 500 Mbps 的接口,TI建议数据线和位时钟线的长度匹配误差控制在 100 mils (约2.54mm) 以内。
  • 这将由于PCB走线引起的Skew控制在 15ps - 20ps 级别,从而保留最大的时序裕量。

6. 深入理解:源同步接口与抖动 (Jitter)

为什么一定要用ADC输出的位时钟(LCLK)?能不能用FPGA自己的同频时钟?

答案是:尽量不要。

  • 相关抖动 (Correlated Jitter):ADC输出的数据和时钟是从同一个内部源产生的。电源噪声引起的抖动在数据和时钟上是同向的(例如:数据延后了,时钟也跟着延后)。
  • 抖动抵消:当我们用ADC的LCLK去采ADC的Data时,这种相关的抖动会被互相抵消,从而得到一个非常张开的眼图(Wide Eye)

非相关抖动:如果使用外部时钟或FPGA内部时钟,由于它与ADC数据没有抖动相关性,所有的抖动都会直接吃掉建立/保持时间,导致眼图闭合,误码率上升。

在这里插入图片描述

总结

设计高速ADC的串行LVDS接收接口时,请遵循以下步骤:

  1. 硬件设计:严格保证LVDS差分对的等长匹配(特别是Data与Bit Clock之间)。
  2. FPGA逻辑:使用 IDELAYPLL 动态调整相位。
  3. 训练流程
    • 上电复位。
    • 发送 Deskew Pattern (101010...101010...101010...) -> 锁定最佳采样时钟相位。
    • 发送 SYNC Pattern (111111000000111111000000111111000000) -> 锁定字边界(Frame Alignment)。
    • 切换回正常数据模式。
  4. 多片同步:坚持“独立捕获,后端对齐”的原则。

参考资料:Texas Instruments Application Report SBAA205 - Understanding Serial LVDS Capture in High-Speed ADCs

Read more

不止脑洞!移动云AIGC大赛正式启幕

不止脑洞!移动云AIGC大赛正式启幕

未来,是什么样子的? 是穿梭云端的智慧城市 还是人与AI共舞的创意工坊? 是赛博街区的霓虹闪烁 还是治愈系森林里的数字精灵? 当生活插上科技的翅膀 从智慧城市的精细运转 到数字生活的便捷体验 每一份改变世界的想象力 都值得被AI托举 这一次,我们诚挚邀请你—— 把你脑海中的“智能新空间”变成现实 用移动云做创作引擎 发挥最天马行空的创想 让想象力不再停留于脑海 让创意被看见、被喝彩、被珍藏 十大创作主题:为你的灵感指明方向 本次大赛围绕移动云赋能的重点行业,设置十大创作主题: 请从以上主题中选择你感兴趣的方向进行创作 描绘你心中的智能新空间。 *超出以上主题范围的作品,将不纳入本次大赛评选。 三步快速参与 从灵感到作品,从作品到出圈 STP1:一键上云·灵感即现 选择你感兴趣的主题方向 进入移动云绘制心中的“智能新空间” 畅想千行百业的数智体验 STEP2:云端晒作,即刻破圈 作品出炉?即刻分享!任选一种方式让创意出圈 带话题#移动云智能新空间AIGC大赛# 发微博/抖音并@

Llama-Factory能否用于地理信息查询?智慧城市公共服务

Llama-Factory 能否用于地理信息查询?——解锁智慧城市公共服务的语义之门 在一座千万级人口的城市里,每天都有成千上万的人在问:“最近的发热门诊在哪?”“暴雨预警下我家是否处于低洼易涝区?”“去政务大厅办社保要走哪条路最省时间?”这些问题看似简单,却对城市的响应速度和智能化水平提出了极高要求。传统的搜索系统依赖关键词匹配,面对“打疫苗的地方”和“接种点”这类表达差异常常束手无策;而通用大模型虽然能“聊天”,但在具体城市空间结构、行政区划层级、公共服务分布等专业领域知识上往往“答非所问”。 有没有一种方式,能让AI既懂语言,又懂地图? 答案是肯定的——通过领域微调,我们可以让大模型真正“扎根城市”。而在这个过程中,Llama-Factory 正成为一个不可忽视的技术支点。 从“会说话”到“懂城市”:为什么需要定制化微调? 通用大语言模型如 Qwen、Baichuan 或 LLaMA 系列,在海量文本上预训练后具备了强大的语言生成能力,但它们并不天然理解“朝阳区”是一个行政区域,“三甲医院”意味着特定医疗资质,也不清楚“

RTAB-Map学习记录(1)--论文阅读

RTAB-Map学习记录(1)--论文阅读

前言 RTAB-Map(全称 Real-Time Appearance-Based Mapping)是一个开源的 RGB-D SLAM框架,主要用于机器人导航、3D 重建和环境建图。这个项目目前还在积极的维护和更新,也可以进行实际环境的部署。所以先学习一下相关的原理和论文,为之后的使用打下基础。 文章目录 * 前言 * 1.主要贡献 * 2.关键内容 * 2.1 里程计 * 2.1.1 视觉里程计 * 2.1.2 激光雷达里程计 * 2.2 同步性 * 2.3 STM * 2.4 回环检测与优化 * 2.5 全局地图组成 1.主要贡献 首先看一下该方法的主要贡献有哪些,现有一个基本的了解: 1.

宇树机器人g1二次开发:建图,定位,导航手把手教程(二)建图部分:开始一直到打开rviz教程

注意: 本教程为ros1,需要ubuntu20.04,使用算法为fase_lio 本教程为遵循的网上开源项目:https://github.com/deepglint/FAST_LIO_LOCALIZATION_HUMANOID.git 一、系统环境准备 1.1. 安装必要的依赖库 # 安装C++标准库 sudo apt install libc++-dev libc++abi-dev # 安装Eigen3线性代数库 sudo apt-get install libeigen3-dev 库说明: * libc++-dev:C++标准库开发文件 * libeigen3-dev:线性代数库,用于矩阵运算和几何变换 * 这些是编译FAST-LIO和Open3D必需的数学和系统库 二、创建工作空间和准备 2.1. 创建定位工作空间 mkdir