RFSoC应用笔记 - RF数据转换器 -08- RFSoC关键配置之RF-DAC内部解析(2.1)

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: RFSoC应用笔记 - RF数据转换器 -08- RFSoC关键配置之RF-DAC内部解析

前言


RFSoC中最重要的部分是射频直采ADC和DAC的配置,因此了解内部相关原理结构可以帮助我们更好理解相关功能配置参数含义。本文参考官方手册,主要对RF-DAC 奈奎斯特区操作、逆sinc滤波器以及数据通路的相关操作进行介绍。

RF-DAC 奈奎斯特区操作


每个 RF-DAC 都可以通过使用混合模式功能优化其在第二个奈奎斯特区的输出响应。 此功能将 RF-DAC 数据与采样时钟混合,因此增加了第二奈奎斯特区的输出功率,同时衰减了第一奈奎斯特区的输出功率。 如下图所示。

image.png

对于正常(非混合模式)操作,蓝线代表理想的 RF-DAC 输出 roll-off sinc 响应。 可以看出,在这种模式下,第二奈奎斯特区的输出图像将被严重衰减。 一个反 sinc 滤波器可用于补偿此模式下第一奈奎斯特区的滚降。

在 RF-DAC 混合模式下,红线代表理想的 RF-DAC 输出响应。 在这种模式下,第二奈奎斯特区的图像输出功率显着增加,并且在该区域的大部分区域内也具有近似平坦的响应。 奈奎斯特区可以在 Vivado IDE 中设置。 由于 sinc 响应衰减和可能的带宽滚降,通常不使用在高于 2 的奈奎斯特区操作 RF-DAC。

RF-DAC 逆 Sinc 滤波器


RF-DAC 的模拟输出响应遵循特征 sinx/x 或 sinc 形状。 对于需要在宽带宽上具有平坦输出响应的应用,可以使用反 sinc 滤波器来实现这一点。 反 sinc 滤波器是一个 11 抽头 FIR,可提供平坦响应,在高达 89% 的奈奎斯特时纹波小于 ±0.05 dB,或在高达 80% 的奈奎斯特时纹波为 ± 0.033 dB。 下图显示了反 sinc 性能。

image.png

蓝色线代表滤波器本身的频率响应。 可以看出,它随频率增加以补偿输出的 sinc 响应,如红线所示。 复合输出响应由黄色迹线给出,并显示高达 89% 奈奎斯特的平坦通带。 下图显示了校正响应的详细信息,纹波规格水平以红色突出显示。

image.png

反 Sinc 滤波器参数


Inverse Sinc FIR -1 3 -6 15 -52 594 -52 15 -6 3 -1

用于混合模式的反 Sinc 滤波器(第 3 代)


除了用于第一个 Nyquist 频段的反 Sinc 滤波器外,当 RF-DAC 在混合模式下运行时,也可以为第二个 Nyquist 频段提供一个反 Sinc 滤波器。 这是一个具有 9 个抽头的半带滤波器,在 80% 奈奎斯特频带内,平坦度 < ±0.033 dB。

混合模式的反 sinc 滤波器的系数和频率响应如下所示。 N(bit) 是系数的位宽; 用于归一化系数。

N(bit) = 10
Center Tap: 1066
First Half: 5,0,25,1

image.png

第二奈奎斯特频带中的反sinc滤波器的平坦度如下所示。

image.png

溢出


从反正弦频率响应中可以看出,滤波器增益 >1。 为确保滤波器输出不会溢出,必须回退输入信号幅度以考虑此增益因子。 反 sinc 模块具有自动溢出检测和饱和,如果检测到溢出,则使用 RFdc 驱动程序 API 的中断机制,使用 XRFDC_DAC_IXR_INVSNC_OF_MASK 中断对其进行标记。

RF-DAC 数字数据通路


tile 中的每个 RF-DAC 都具有许多优化的 DSP 功能,可用于实现数字上变频 (DUC) 和传输信号滤波。 这些功能包括:

  • Gen 1/Gen 2:信号插值功能——支持 1(旁路)、2、4 或 8 插值。
  • Gen 3:信号插值功能——支持插值1(旁路)、2、3、4、5、6、8、12、16、20、24、40和80(IMR模式)。
  • 使用 48 位频率分辨率数控振荡器 (NCO) 进行粗混(四分之一和半速率)或精混。
  • 补偿功能包含正交调制器校正 (QMC) 块和粗延迟调整块。
  • 包含逆正弦 FIR 滤波器的信号调理。

使用 Vivado IDE,可以使用或绕过单个、多个或所有 DSP 功能。下图显示了 RF-DAC 中的可用功能。 以下部分介绍了每个功能。

image.png

RF-DAC 插值滤波器(第 1 代/第 2 代)


需要插值滤波器来实现 DUC 过程的上采样和滤波部分。 实现的滤波器操作由三个低通 FIR 滤波器组成,每个滤波器都有一组预定的固定系数,如下图所示。 每个过滤器块可以被绕过,每个过滤器块的输出可以被路由到过滤器的输出。

  • 1x - 绕过所有滤波器级
  • 2x - 使用单级插值
  • 4x - 使用两级插值
  • 8x - 使用所有三个可用级插值

image.png

插值信号的输出是在较高采样率下呈现的原始信号的精确表示。 将在 F1 采样的信号上采样到更高的采样率 (N*F1) 会导致原始频谱的 N 次复制。 结果的低通滤波有助于去除不需要的复制,从而以所需的更高采样率保存原始信号。

插值滤波器操作模式(第 1 代/第 2 代)

image.png

考虑到 FIR 滤波器的阶跃响应,每个滤波器级都可能溢出,尤其是在输入有满量程数据时。 每个滤波器级都有一个溢出状态信号和输出饱和,以检测溢出并保护数据通路。 当不使用过滤级时,溢出标志被拉低。 这些标志连接到数据路径中断机制。

插值滤波器使用


IP 核用于设置插值率。 这是一个 IP 内核设置,因为随着 PL 带宽的变化,改变插值率会直接影响物理接口。 启用的过滤器如下图所示。

image.png

I/Q 输入数据和混合至少需要 2 倍插值。 如果需要全带宽 I/Q 数据,两个 RF-DAC 数据转换器可以作为独立的实际流运行,分别包含 I 和 Q 数据。 使用 QMC 时无法进行相位调整。

RFdc 驱动程序 API 命令


RFdc 驱动程序 API 可用于使用以下代码获取在 Vivado® IDE 中设置的插值速率。

// Get Interpolation factor for Tile0, DUC Block1
int Tile = 0;
u32 Block = 1;
u32 Interpolation_Factor;
if( XRFdc_GetInterpolationFactor (ptr, Tile, Block, &Interpolation_Factor) == XST_SUCCESS) {
  xil_printf("DAC Tile%1d,%1d Interpolation Factor is: %d", Tile, Block,Interpolation_Factor);
}


目录
相关文章
|
25天前
|
缓存 Kubernetes Docker
GitLab Runner 全面解析:Kubernetes 环境下的应用
GitLab Runner 是 GitLab CI/CD 的核心组件,负责执行由 `.gitlab-ci.yml` 定义的任务。它支持多种执行方式(如 Shell、Docker、Kubernetes),可在不同环境中运行作业。本文详细介绍了 GitLab Runner 的基本概念、功能特点及使用方法,重点探讨了流水线缓存(以 Python 项目为例)和构建镜像的应用,特别是在 Kubernetes 环境中的配置与优化。通过合理配置缓存和镜像构建,能够显著提升 CI/CD 流水线的效率和可靠性,助力开发团队实现持续集成与交付的目标。
|
7天前
|
搜索推荐 测试技术 API
探秘电商API:从测试到应用的深度解析与实战指南
电商API是电子商务背后的隐形引擎,支撑着从商品搜索、购物车更新到支付处理等各个环节的顺畅运行。它通过定义良好的接口,实现不同系统间的数据交互与功能集成,确保订单、库存和物流等信息的实时同步。RESTful、GraphQL和WebSocket等类型的API各自适用于不同的应用场景,满足多样化的需求。在测试方面,使用Postman、SoapUI和jMeter等工具进行全面的功能、性能和安全测试,确保API的稳定性和可靠性。未来,随着人工智能、大数据和物联网技术的发展,电商API将进一步智能化和标准化,为用户提供更个性化的购物体验,并推动电商行业的持续创新与进步。
24 4
|
14天前
|
JSON 小程序 UED
微信小程序 app.json 配置文件解析与应用
本文介绍了微信小程序中 `app.json` 配置文件的详细
76 12
|
7天前
|
搜索推荐 API 开发者
深度解析:利用商品详情 API 接口实现数据获取与应用
在电商蓬勃发展的今天,数据成为驱动业务增长的核心。商品详情API接口作为连接海量商品数据的桥梁,帮助运营者、商家和开发者获取精准的商品信息(如价格、描述、图片、评价等),优化策略、提升用户体验。通过理解API概念、工作原理及不同平台特点,掌握获取权限、构建请求、处理响应和错误的方法,可以将数据应用于商品展示、数据分析、竞品分析和个性化推荐等场景,助力电商创新与发展。未来,随着技术进步,API接口将与人工智能、大数据深度融合,带来更多变革。
30 3
|
22天前
|
供应链 搜索推荐 API
深度解析1688 API对电商的影响与实战应用
在全球电子商务迅猛发展的背景下,1688作为知名的B2B电商平台,为中小企业提供商品批发、分销、供应链管理等一站式服务,并通过开放的API接口,为开发者和电商企业提供数据资源和功能支持。本文将深入解析1688 API的功能(如商品搜索、详情、订单管理等)、应用场景(如商品展示、搜索优化、交易管理和用户行为分析)、收益分析(如流量增长、销售提升、库存优化和成本降低)及实际案例,帮助电商从业者提升运营效率和商业收益。
122 20
|
3月前
|
监控 Java 应用服务中间件
高级java面试---spring.factories文件的解析源码API机制
【11月更文挑战第20天】Spring Boot是一个用于快速构建基于Spring框架的应用程序的开源框架。它通过自动配置、起步依赖和内嵌服务器等特性,极大地简化了Spring应用的开发和部署过程。本文将深入探讨Spring Boot的背景历史、业务场景、功能点以及底层原理,并通过Java代码手写模拟Spring Boot的启动过程,特别是spring.factories文件的解析源码API机制。
122 2
|
4月前
|
缓存 Java 程序员
Map - LinkedHashSet&Map源码解析
Map - LinkedHashSet&Map源码解析
97 1
|
2月前
|
设计模式 存储 安全
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析
创建型模式的主要关注点是“怎样创建对象?”,它的主要特点是"将对象的创建与使用分离”。这样可以降低系统的耦合度,使用者不需要关注对象的创建细节。创建型模式分为5种:单例模式、工厂方法模式抽象工厂式、原型模式、建造者模式。
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析
|
2月前
|
存储 设计模式 算法
【23种设计模式·全精解析 | 行为型模式篇】11种行为型模式的结构概述、案例实现、优缺点、扩展对比、使用场景、源码解析
行为型模式用于描述程序在运行时复杂的流程控制,即描述多个类或对象之间怎样相互协作共同完成单个对象都无法单独完成的任务,它涉及算法与对象间职责的分配。行为型模式分为类行为模式和对象行为模式,前者采用继承机制来在类间分派行为,后者采用组合或聚合在对象间分配行为。由于组合关系或聚合关系比继承关系耦合度低,满足“合成复用原则”,所以对象行为模式比类行为模式具有更大的灵活性。 行为型模式分为: • 模板方法模式 • 策略模式 • 命令模式 • 职责链模式 • 状态模式 • 观察者模式 • 中介者模式 • 迭代器模式 • 访问者模式 • 备忘录模式 • 解释器模式
【23种设计模式·全精解析 | 行为型模式篇】11种行为型模式的结构概述、案例实现、优缺点、扩展对比、使用场景、源码解析
|
2月前
|
设计模式 存储 安全
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析
结构型模式描述如何将类或对象按某种布局组成更大的结构。它分为类结构型模式和对象结构型模式,前者采用继承机制来组织接口和类,后者釆用组合或聚合来组合对象。由于组合关系或聚合关系比继承关系耦合度低,满足“合成复用原则”,所以对象结构型模式比类结构型模式具有更大的灵活性。 结构型模式分为以下 7 种: • 代理模式 • 适配器模式 • 装饰者模式 • 桥接模式 • 外观模式 • 组合模式 • 享元模式
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析

推荐镜像

更多