2010年4月硅谷举行的嵌入式系统大会上,赛灵思发布了可扩展处理平台的架构详情,这款基于无处不在的ARM处理器的SoC可满足复杂嵌入式系统的高性能、低功耗和多核处理能力要求。赛灵思可扩展处理平台芯片硬件的核心本质就是将通用基础双ARMCortex-A9MPCore处理器系统作为“主系统”,结合低功耗28nm工艺技术,以实现高度的灵活性、强大的配置功能和高性能。由于该新型器件的可编程逻辑部分基于赛灵思28nm7系列FPGA,因此该系列产品的名称中添加了“7000”,以保持与7系列FPGA的一致性,同时也方便日后本系列新产品的命名。

  Zynq-7000可扩展处理平台是采用赛灵思新一代FPGA(Artix-7与Kintex-7FPGA)所采用的同一28nm可编程技术的最新产品系列。可编程逻辑可由用户配置,并通过“互连”模块连接在一起,这样可以提供用户自定义的任意逻辑功能,从而扩展处理系统的性能及功能。不过,与采用嵌入式处理器的FPGA不同,Zynq-7000产品系列的处理系统不仅能在开机时启动,而且还可根据需要配置可编程逻辑。采用这种方法,软件编程模式与全功能的标准ARM处理SoC毫无二致.

Zynq-7000嵌入式处理平台系列的每款产品均采用带有NEON及双精度浮点引擎的双核ARMCortex-A9MPCore处理系统,该系统通过硬连线完成了包括L1,L2缓存、存储器控制器以及常用外设在内的全面集成。该处理系统不仅能在开机时启动并运行各种独立于可编程逻辑的操作系统(OS),而且还可根据需要配置可编程逻辑。利用这种方法,软件编程模式与全功能的标准ARM处理SoC毫无二致。
应用开发人员利用可编程逻辑强大的并行处理能力,不仅可以解决多种不同信号处理应用中的大量数据处理问题,而且还能通过实施更多外设来扩展处理系统的特性。系统和可编程逻辑之间的高带宽AMBA®-AXI互联能以极低的功耗支持千兆位级数据传输,从而解决了控制、数据、I/O和存储器之间的常见性能瓶颈问题。
Zynq-7000系列的可编程逻辑完全基于赛灵思最新7系列FPGA架构来设计,可确保28nm系列器件的IP核、工具和性能100%兼容。最小型的Zynq-7000、Zynq-7010和Zynq-7020均基于专门针对低成本和低功耗优化的Artix-7系列;较大型的Zynq-7030和Zynq-7040器件基于包括4至12个10.3Gbps收发器通道,可支持高速片外连接的中端Kintex-7系列。所有四款产品均采用基于2个12位1MspsADC(模数转换器)模块的新型模拟混合信号模块。
ZYNQ的开发环境,可以在ISE或者VIVADO,不过ISE在14.7之后就停止了更新,建议安装VIVADO,毕竟VIVADO号称是把各种开发工具集成并且支持图形化建模的。
VIVADO的安装教程太多了,不再赘述,不过在此提供一下liscense,以防后来者无法破解。
链接路径: https://www.7down.com/soft/110971.html
说了这么多,还没介绍了楼主的硬件环境,罪过啊罪过,上图:

转载于:https://www.cnblogs.com/mains-mandala/p/10240973.html

XILINX_zynq_详解(2)相关推荐

  1. 从命令行到IDE,版本管理工具Git详解(远程仓库创建+命令行讲解+IDEA集成使用)

    首先,Git已经并不只是GitHub,而是所有基于Git的平台,只要在你的电脑上面下载了Git,你就可以通过Git去管理"基于Git的平台"上的代码,常用的平台有GitHub.Gi ...

  2. JVM年轻代,老年代,永久代详解​​​​​​​

    秉承不重复造轮子的原则,查看印象笔记分享连接↓↓↓↓ 传送门:JVM年轻代,老年代,永久代详解 速读摘要 最近被问到了这个问题,解释的不是很清晰,有一些概念略微模糊,在此进行整理和记录,分享给大家.在 ...

  3. docker常用命令详解

    docker常用命令详解 本文只记录docker命令在大部分情境下的使用,如果想了解每一个选项的细节,请参考官方文档,这里只作为自己以后的备忘记录下来. 根据自己的理解,总的来说分为以下几种: Doc ...

  4. 通俗易懂word2vec详解词嵌入-深度学习

    https://blog.csdn.net/just_so_so_fnc/article/details/103304995 skip-gram 原理没看完 https://blog.csdn.net ...

  5. 深度学习优化函数详解(5)-- Nesterov accelerated gradient (NAG) 优化算法

    深度学习优化函数详解系列目录 深度学习优化函数详解(0)– 线性回归问题 深度学习优化函数详解(1)– Gradient Descent 梯度下降法 深度学习优化函数详解(2)– SGD 随机梯度下降 ...

  6. CUDA之nvidia-smi命令详解---gpu

    nvidia-smi是用来查看GPU使用情况的.我常用这个命令判断哪几块GPU空闲,但是最近的GPU使用状态让我很困惑,于是把nvidia-smi命令显示的GPU使用表中各个内容的具体含义解释一下. ...

  7. Bert代码详解(一)重点详细

    这是bert的pytorch版本(与tensorflow一样的,这个更简单些,这个看懂了,tf也能看懂),地址:https://github.com/huggingface/pytorch-pretr ...

  8. CRF(条件随机场)与Viterbi(维特比)算法原理详解

    摘自:https://mp.weixin.qq.com/s/GXbFxlExDtjtQe-OPwfokA https://www.cnblogs.com/zhibei/p/9391014.html C ...

  9. pytorch nn.LSTM()参数详解

    输入数据格式: input(seq_len, batch, input_size) h0(num_layers * num_directions, batch, hidden_size) c0(num ...

最新文章

  1. 马路上的“懦夫游戏”和比特币现金共识升级冲突
  2. 二维数组常用的赋值方式
  3. sqlite数据库检索
  4. 实例60:python
  5. 今天的不一会儿的飞鸽传书
  6. IntelliJ IDEA常用快捷键——基于Eclipse
  7. Spring Boot实战解决高并发数据入库: Redis 缓存+MySQL 批量入库
  8. oracle 数据库-数据字典一
  9. yum安装mysql my.cnf_Linxu Yum方式安装Mysql
  10. iOS 10 通知 --UserNotifications
  11. centos树莓派版本安装ssh_树莓派安装系统+ssh登录
  12. QQ原来隐藏着这么多秘密
  13. 色环电阻的识别和检测
  14. C语言:判断质数合数的代码
  15. 豪拒60亿美元,天真的程序员CEO最终被自己的公司解雇
  16. 领导 - 如何培养您的团队的信心
  17. 终于搞定美团app人气榜提取的数据分类工作
  18. Python中对文件与文件夹的操作方法【详细】
  19. vii php,VIIShop php网上商店系统
  20. java使用Selenium模拟登陆58(验证码登陆密码登陆)若快平台识别文字点击验证码

热门文章

  1. 老师怎么制作网上查分系统?
  2. 高德地图 坐标与地址
  3. 股票自选股基本函数大全-7
  4. 分支预测优化之__builtin_expect
  5. JDK各个版本官方下载
  6. Windows11之Vim超详细下载安装与使用教程
  7. 第12节 html创建热点区域 链接
  8. 云顶之弈游戏法师的技能如何呢?
  9. php获取访客精确ip,PHP获取访客IP、地区位置等技巧分享
  10. 机器学习 | MATLAB实现MLP多层感知机newff参数设定(下)