Xilinx 宣布了其专为 5G 新无线电 (NR) 部署而设计的 Zynq RFSoC 数字前端 (DFE) 设备。 Zynq RFSoC DFE 基于公司的 Zynq UltraScale 架构，扩展了 Xilinx RFSoC 系列，硬核 IP 实现了有效支持 5G NR 以及新兴 5G 无线电单元 (RU) 中的传统 4G 所需的计算密集型功能。 尽管具有所有潜力，5G 给 5G 基础设施开发商带来了多重挑战。虽然智能手机和其他移动设备的设计人员可以从越来越多的 5G 芯片组中进行选择，但与 5G 广泛功能相关的各种要求通常需要更专业的解决方案。 虽然 3GPP 第 15 版以增强

（来源：Hyperstone） 闪存存储是我们周围几乎所有电子设备中无处不在的组件。购买时可能会将其视为商品。然而，实际情况远不是在工业设备中需要使用时。如果不了解用例的全貌，很容易陷入陷阱，认为所有内存都是一样的，而纯粹根据每 GB 的价格来决定。许多设计工程师可能会发现很难区分高质量和低质量的闪存。更高容量的最新闪存通常并不意味着更好的可靠性。 在系统层面上的另一个观察结果是闪存控制器与选择内存本身一样重要。控制器和闪存共同定义了系统质量。因此，两者都需要作为一个整体来考虑。在本文中，我们将调查为什么并非所有形式的内存子系统、SSD 或 USB 闪存驱动器都具有相同的特性，以及工程师在

作为现代车辆从旧技术向新技术转变的一部分，电感式位置传感器旨在取代霍尔效应传感器，而这种转变本质上与更好地管理与汽车传感器退化相关的问题有关。 例如，Microchip Technology 推出了用于汽车应用的电感式位置传感器，例如汽车节气门体、变速器齿轮传感、电子助力转向和油门踏板。价值主张：位置测量不受杂散磁场的影响，不需要外部磁性设备。 虽然汽车工程师希望确保传感器在一定温度范围内工作，但他们担心机械结构和磁铁退化的变化会影响精度。另一方面，电感式位置传感器使用一块金属而不是磁铁，并且这块金属不会随着时间的推移老化太多。 Microchip 的高级营销经理 Mark Smith

Arm 已经创建了新版本的 microNPU（神经处理单元）IP，该 IP 适合与应用处理器中的 Cortex-A CPU 内核一起使用。主要被许可方 NXP 计划在即将推出的应用处理器系列中使用该 IP，这些应用处理器可以处理 AI 应用，例如视频中的姿势估计、多面识别和对象检测以及基本关键字识别之外的语音识别。 Ethos-U65 Arm 现有的 microNPU 产品 Ethos-U55 于 2020 年 2 月推出，旨在与 Cortex-M 内核一起开发微控制器级产品。它提供高达 0.5 TOPS 的加速度（基于较小的几何形状，例如 16 或 7 nm，以 1 GHz 运行），具

在本系列的第一部分中，我们回顾了 3 轴高精度 MEMS 加速度计的内部结构。在第二部分中，我们回顾了如何获取良好的起始数据集以建立基线性能并验证后续数据分析中预期的噪声级别。在我们系列的最后一部分中，我们探讨了影响稳定性的其他因素，然后提供机械系统设计建议，以提高 3 轴高精度 MEMS 加速度计的整体性能。 一旦很好地理解了设计中的热应力，惯性传感器的另一个重要方面就是它们的长期稳定性或可重复性。重复性定义为在相同条件下长时间连续测量的准确度。例如，在相同的温度下，在较长的一段时间内对相同方向的重力场进行两次测量，并观察它们的匹配程度。在无法进行定期维护校准的应用中评估传感器的长期稳定性

在之前宣布拥有世界上最快的 RISC-V 内核之后，总部位于加利福尼亚的 EDA 供应商 Micro Magic 更进一步设定了自己的新性能基准，在 3GHz 的内核下达到了 8,000 CoreMark。 该公司的联合创始人 Mark Santoro 表示：“在实现了世界上最快的 5GHz RISC-V 和 13,000 个 CoreMark 之后，我们实现了另一个里程碑，在 3GHz 下生产了超过 8,000 个 CoreMark，同时功耗低于 70mW。利用我们世界一流的 EDA 工具，Micro Magic 能够在创纪录的时间内展示与其模拟密切匹配的芯片。”这相当于大约 110,00

我们的生活已经被便携式、联网的小工具改变了——最明显的是智能手机，还有许多其他的，比如智能手表、健身追踪器和耳戴式设备。这些设备将数据收集与处理能力和无线连接相结合。 但是，在它们的所有其他功能中，很容易忽视运动传感器在使我们的小工具更加实用和直观方面的重要性。无论是改变我们手机的屏幕方向、在智能手表上计算步数、将我们的头部运动与我们的 XR 眼镜匹配，还是敲击耳塞来改变歌曲，运动感应都是用户体验和界面的重要组成部分。 对于嵌入式工程师来说，选择和集成运动传感器可能很棘手。您如何确保选择正确的技术来获得所需的精度，而不会不必要地增加成本或功耗？您应该如何确保充分利用传感器，并且不会错过可以

多个数字信号处理 (DSP) 模块、宽带数模转换器 (DAC) 和宽带模数转换器 (ADC) 集成在单个单片芯片中，现在可以卸载耗电的 FPGA 资源，以允许以比以前可实现的更高的速率采样的更小尺寸、更低功率、增加通道数的平台。伴随这种新功能而来的是这些集成电路 (IC) 中的新型多芯片同步 (MCS) 算法，允许用户在为系统供电或以其他方式对系统进行软件修改时实现所有通道的已知（确定性）相位。因此，这个确定性阶段简化了更广泛的系统级校准算法，这些算法需要在连接到这些 IC 的前端网络的输出或输入处实现所有通道的同步。本文展示了使用由多个数字化仪 IC、时钟源和数字接口组成的 16 通道接收器

雷达越来越热，尤其是在承诺物体识别/分类和更高纬度分辨率的进步 - 这是传统雷达无法做到的。凭借这些新的创新，雷达正在成为汽车制造商和开发高度自动化汽车的 Tier Ones 中最受欢迎的传感器。 雷达系统解决方案（来源：NXP） 为响应汽车行业的高期望，恩智浦半导体宣布正在提供一套新型雷达传感器芯片组的样品，其中包括该公司的 S32R45 雷达处理器和名为 TEF82xx 的新型 77GHz 收发器。 五年前，恩智浦凭借其首款名为“Dolphin”的雷达芯片开创了 RF CMOS 雷达的先河，成为领先的汽车雷达解决方案供应商。 恩智浦的 4D 成像传感器不仅可以测量距离和速度

全球导航卫星系统 (GNSS) 是指使用轨道上的卫星来帮助地球上的设备确定导航信息的系统。接收器通常使用多点定位算法来推断其相对于轨道卫星的位置。该信息通常由各种定时和轨道参数组成，接收器可以从中推断出它们相对于轨道卫星的位置。虽然最初是为国防目的而开发的，但这项技术的实用性现在已经被部署到各种消费、商业和工业产品中。 最初的也是最著名的 GNSS 系统是全球定位系统，它由美国政府拥有和运营。 GPS 的影响、效用和好处涵盖了从通过手机进行个人导航到飞机导航、施工调查和物流的方方面面。该系统的战略和经济重要性也促使其他国家和联盟开发自己的替代系统，例如伽利略、Globalnaya Navig

为了简化安装和操作，现代家庭安全系统必须能够无线监控其环境。这包括监控周边安全、入侵检测以及家中敏感区域的安全，例如药物容器、保险箱或其他隐藏贵重物品的地方。 虽然视频监控是可能的，但它需要复杂的图像处理和分析来检测未经授权的活动，并且还会引起对隐私的担忧。传统的运动传感器消除了隐私问题，但它们需要电源和支持电子设备，这会增加产品的 BOM 成本。运动探测器还需要某种有线或无线接口来将传感器的输出中继到云端。在许多情况下，摄像机和运动探测器需要专业安装，这使得它们对于许多成本敏感的应用来说不经济。 本文提出了一种更适合许多消费者和小型企业需求的替代解决方案：使用 RFID 标签技术来实现低

加速度计是一种奇妙的传感器，它能够感应静态和动态加速度，这些加速度随着相对于重力的方向到桥梁开始出现故障的微妙运动而变化。这些传感器的范围从手机级设备（当您倾斜它们时会改变显示器的方向）到有助于导航军用车辆或航天器的出口控制的战术级设备。 [1]然而，与大多数传感器一样，传感器在实验室或台式机上表现良好是一回事。面对狂野且不受控制的环境和温度压力，在系统级别获得这种性能完全是另一回事。当加速度计像人类一样在其一生中经历前所未有的压力时，系统可能会因这些压力的影响而做出反应并出现故障。 高精度倾斜传感系统通常经过校准以实现优于 1° 的倾斜精度。利用市场领先的超低噪声和高度稳定的加速度计，例如

ADI 公司 (ADI) 和 Microsoft 合作开发飞行时间 (ToF) 3D 成像解决方案，目标是在任何场景条件下都能提供更高的精度。 ADI 将利用 Microsoft 的 Azure Kinect 3D ToF 技术并添加其技术 IC 和系统专业知识，以创建更易于采用的解决方案。目标是覆盖工业 4.0、汽车、游戏、增强现实以及计算摄影和摄像等领域的广泛受众。 行业市场分析师估计，在具有挑战性的环境中使用的 3D 成像系统将出现强劲增长，并且需要人类协作机器人、房间映射和库存管理系统等尖端应用将工业 4.0 带入生活。还需要 ToF 应用程序来创建具有占用检测和驾驶员监控功能的更安

对于辅助驾驶系统 (ADAS) 和自动驾驶汽车 (AV)，可能永远没有一种、单一、最有效的方式来实施传感技术。神奇的数字可能是 6——正如每个汽车制造商将决定如何以自己的方式实现的六个基本考虑因素一样，这将导致每个制造商创建自己独特的方法来在未来的汽车中集成传感器。在 AutoSens 布鲁塞尔 2020 虚拟会议的闭幕会议上，专家小组讨论了正确的传感器组合以及如何确保设计永远不会损害安全——反之亦然。 小组成员是汽车嵌入式供应商法雷奥的视觉系统和高级驾驶辅助系统高级专家帕特里克·丹尼（Patrick Denny）； Paul-Henri Matha，沃尔沃汽车公司技术负责人； Sense

在本系列的第一部分中，我们回顾了 3 轴高精度 MEMS 加速度计的内部结构。在第二篇文章中，我们将回顾如何获取良好的起始数据集以建立基线性能并验证在后续数据分析中预期的噪声级别。 虽然加速度计的模拟输出可以连接到任何模拟数据采集系统以进行数据分析，但制造商通常会提供经过优化的评估板，可以直接放置到客户系统中，以便使用现有的嵌入式系统进行原型设计。为了本文的说明目的，使用了小尺寸评估板 EVAL-ADXL35x。对于数据记录和分析，EVAL-ADXL35x 连接到 SDP-K1 微控制器板并使用 Mbed 环境进行编程。 Mbed 是基于 ARM 的微控制器板的开源和免费开发环境。它有一个在

嵌入式技术正在不断发展——性能更快、更紧凑、成本更低。一台带有图形处理单元 (GPU) 的超级计算机可以用一只手握住，售价不到 100 美元。它可用于进行人工智能 (AI) 开发和机器学习。自动驾驶汽车控制车辆所需的 AI 模块现在可以安装在汽车中。让我们来看看前五名的趋势。 无线连接正在发生爆炸式增长 根据 Grand View Research 的预测，到 2025 年，物联网的市场规模预计将达到 1 万亿美元。这代表了大量的连接，将改善我们生活的许多领域，包括制造、零售、能源、智慧城市、健康护理、交通等。制造业的工业 4.0 计划可能是第一个受益的。借助物联网连接实现的预防性维护

就在几年前，人们还认为机器学习 (ML)——甚至深度学习 (DL)——只能在高端硬件上执行，在边缘由网关、边缘服务器或数据执行训练和推理中心。当时这是一个有效的假设，因为在云和边缘之间分配计算资源的趋势还处于早期阶段。但由于工业界和学术界的密集研发努力，这种情况发生了巨大变化。 结果是，今天，不需要能够提供每秒数万亿次操作 (TOPS) 的处理器来执行机器学习。在越来越多的情况下，最新的微控制器（其中一些带有嵌入式机器学习加速器）可以将机器学习带到边缘设备。 这些设备不仅可以执行机器学习，而且可以以低成本、低功耗、仅在绝对必要的情况下才连接到云端。简而言之，集成 ML 加速器的微控制器代表

USB 和以太网等有线数据连接也可以提供有效且方便的解决方案，为当今要求最严苛的物联网终端供电。 物联网端点通常具有极低功耗的特点，而且尺寸也很小，它们也可能是自供电的或设计为从纽扣电池运行多年。实际上，物联网包含更多样化的设备类型，包括智能传感器、数据记录设备、智能建筑控制器、安全设备（例如入侵探测器和网络摄像机）以及许多其他零售、企业和基础设施应用程序（图1). 图 1. 物联网应用正在扩展，以涵盖需要比小型电池所能提供的更多的设备。 [来源：Diodes Incorporated] 许多这些设备都需要大量的能源；小电池无法满足的需求。它们可能具有强大的嵌入式处理器来在本地处理

使用蓝牙低功耗的汽车门禁系统通常有一个中央模块和多个卫星模块/节点，它们通过控制器局域网 (CAN) 总线或本地互连网络 (LIN) 总线进行通信。卫星模块物理分布在汽车周围，以提高蓝牙通信范围。 系统设计人员希望通过设计一块具有相同软件的 PCB 来提高卫星模块的可制造性，以便在汽车中的安装与蓝牙节点的位置无关。然而，由于每个卫星节点在安装时的硬件和软件是相同的，因此需要一种方案，让中央模块在模块安装到车辆后为每个卫星节点分配唯一的CAN或LIN地址。 一种选择是使用专用的 LIN 菊花链网络在制造过程中将 CAN ID 共享给模块。在这种情况下，中央模块使用 LIN 接口对每个卫星模块

安全到达某个地方不仅仅取决于良好的刹车、工作的尾灯以及方向盘后反应灵敏的人。越来越多地，让您的汽车在道路上行驶和飞机在空中飞行的组件不仅是人类的，甚至只是机械的。它们是在复杂的异构多核处理器上运行的复杂嵌入式软件，控制从飞行管理系统到动力转向的一切，并执行以微秒为单位的严格计时期限。 挑战就在这里。多核系统中软件的时序行为不仅受其上运行的软件及其输入的影响，还受运行在其他核上的其他软件的影响。 开发关键的嵌入式系统需要付出巨大的努力和投资（数百万欧元/美元和多年的工程努力）。从软件开发过程的最早阶段开始，安全就必须成为架构和设计的核心。尤其是，系统设计人员必须了解其软件的时序行为，以确保其