# FPGA云服务器 #
0
关注
1536内容
【硬件测试】基于FPGA的2FSK调制解调系统开发与硬件片内测试,包含信道模块,误码统计模块,可设置SNR
本文介绍了基于FPGA的2FSK调制解调系统，包含高斯信道、误码率统计模块及testbench。系统增加了ILA在线数据采集和VIO在线SNR设置模块，支持不同SNR下的硬件测试，并提供操作视频指导。理论部分涵盖频移键控（FSK）原理，包括相位连续与不连续FSK信号的特点及功率谱密度特性。Verilog代码实现了FSK调制解调的核心功能，支持在不同开发板上移植。硬件测试结果展示了不同SNR下的性能表现。
XDMA与FPGA：高效数据传输的艺术
XDMA（Xilinx's DMA/Bridge Subsystem for PCI Express）是Xilinx推出的一种高效数据传输引擎，专为PCIe总线设计。通过封装PCIe协议，XDMA提供简化的API接口，支持Scatter-Gather DMA和Block DMA模式，特别适用于高性能计算、实时视频处理和大数据分析等领域的数据传输。XDMA通过链表传输和高效的PCIe接口，减少了主机CPU的负担，提高了数据传输效率。AXI4和AXI4-Stream接口进一步增强了XDMA与FPGA的协同工作能力，使其在现代计算系统中发挥重要作用。
基于FPGA的16QAM调制+软解调系统,包含testbench,高斯信道模块,误码率统计模块,可以设置不同SNR
本项目基于FPGA实现了16QAM基带通信系统，包括调制、信道仿真、解调及误码率统计模块。通过Vivado2019.2仿真，设置不同SNR（如8dB、12dB），验证了软解调相较于传统16QAM系统的优越性，误码率显著降低。系统采用Verilog语言编写，详细介绍了16QAM软解调的原理及实现步骤，适用于高性能数据传输场景。
基于FPGA的QPSK调制+软解调系统,包含testbench,高斯信道模块,误码率统计模块,可以设置不同SNR
本文介绍了基于FPGA的QPSK调制解调系统，通过Vivado 2019.2进行仿真，展示了在不同信噪比（SNR=1dB, 5dB, 10dB）下的仿真效果。与普通QPSK系统相比，该系统的软解调技术显著降低了误码率。文章还详细阐述了QPSK调制的基本原理、信号采样、判决、解调及软解调的实现过程，并提供了Verilog核心程序代码。
基于FPGA的4ASK调制解调系统,包含testbench,高斯信道模块,误码率统计模块,可以设置不同SNR
本文介绍了基于FPGA的4-ASK调制解调系统的算法仿真效果、理论基础及Verilog核心程序。仿真在Vivado2019.2环境下进行，分别测试了SNR为20dB、15dB、10dB时的性能。理论部分概述了4-ASK的工作原理，包括调制、解调过程及其数学模型。Verilog代码实现了4-ASK调制器、加性高斯白噪声(AWGN)信道模拟、解调器及误码率计算模块。
【AI系统】NPU 基础
近年来，AI技术迅猛发展，催生了NPU和TPU等AI专用处理器，这些处理器专为加速深度学习任务设计，相比传统CPU和GPU，展现出更高效率和性能。本文将介绍AI芯片的概念、技术发展、部署方式及应用场景，涵盖从数据中心到边缘设备的广泛领域，探讨其如何成为AI技术落地的关键推手。
【AI系统】超异构计算
本文探讨了计算机架构发展的黄金十年，重点介绍了异构计算和超异构计算的概念及其在AI芯片发展中的应用。文章首先回顾了AI芯片发展的三个阶段，随后详细阐述了异构计算的优势和应用场景，如性能飞跃、灵活定制、降低成本和降低功耗。接着，文章分析了超异构计算的出现背景、基本特征及其面临的挑战，包括软件层的复杂性和硬件定义软件与软件定义硬件之间的权衡。最后，展望了超异构计算的未来，强调了跨平台统一计算架构的重要性，以及构建开放生态系统的必要性。
【AI系统】AI芯片驱动智能革命
本课程深入解析AI模型设计演进，探讨AI算法如何影响AI芯片设计，涵盖CPU、GPU、FPGA、ASIC等主流AI芯片，旨在全面理解AI系统体系，适应后摩尔定律时代的技术挑战。
基于FPGA的4FSK调制解调系统,包含testbench,高斯信道模块,误码率统计模块,可以设置不同SNR
本文介绍了基于FPGA的4FSK调制解调系统的Verilog实现，包括高斯信道模块和误码率统计模块，支持不同SNR设置。系统在Vivado 2019.2上开发，展示了在不同SNR条件下的仿真结果。4FSK调制通过将输入数据转换为四个不同频率的信号来提高频带利用率和抗干扰能力，适用于无线通信和数据传输领域。文中还提供了核心Verilog代码，详细描述了调制、加噪声、解调及误码率计算的过程。
免费试用