体验自适应加速 — 端点至云端 — 在 2019 嵌入式世界大会 Xilinx 展位。
参观我们的展位，看看我们的芯片 IP 和工具如何实现灵活应变的行业领先智能系统。Xilinx 将展示以下演示，重点是我们的嵌入式解决方案、ML/AI、Alveo、汽车以及工业解决方案。
| 领域 | 演示 | 说明 |
| 嵌入式 | Zynq UltraScale+ RFSoC 软件定义无线电 | 该软件定义无线电演示主要展示 Zynq® UltraScale +™ RFSoC 数十亿采样 RF 数据转换器和软判决前向纠错 (SD-FEC)，其集成在一个 SoC 架构中。此产品系列在一款 Zynq UltraScale+ 器件中提供 ARM® Cortex™-A53 处理子系统、UltraScale+ 可编程逻辑和最高信号处理带宽，能够提供综合 RF 信号链，满足无线、有线电视接入、测量测试、早期预警／雷达以及其它高性能 RF 应用需求。 |
| 兼容于 H.264 和 H.265 的多流低时延视频编解码器 | 许多实时视频编码应用都需要低时延，比如视觉医疗手术设备、监控摄像头或严重依赖视频数据实时处理的高级驾驶员辅助系统 (ADAS)。实时视频应用的关键指标是玻璃时延。该低时延视频编解码器演示采用子帧时延模式展示了支持性多流场景，该模式可能最适合实时视频流类型的应用。 | |
DesignStart FPGA — Cortex-M1 |
在 Arm Cortex-M1 内核的 Xilinx 器件上演示软硬件启动，这是 Arm DesignStart FPGA 程序的一部分。MDK/Keil 开发工具，直接连接至基于 Cortex-M1 的子系统，该子系统在一个基于 FPGA 的 Arty-S7 评估板上实例化。实时选项可针对主机笔记本电脑上的应用设计进行更新，并下载到该电路板上。针对 RTOS 运行的 ThreadX。将加载支持 Cortex-M1 设计的 Vivado®，其可用来说明 Xilinx DesignStart FPGA 流程。 | |
| ISM | 八通道视频监控分析设备 | 视频分析设备可通过从现有摄像头获取输入信息并在网络中添加智能性，为现有的安全系统注入新的活力。该演示将展示 Xilinx 如何实现不同摄像头 8 个 H.264/H.265 视频通道的同时解码以及如何在单个 Zynq UltraScale+ MPSoC 中应用灵活响应的 AI。8 个 IP 摄像头（Xilinx 或第三方）使用 RTSP 客户端向设备发送压缩的比特流。 |
| AWS 物联网和 Xilinx 将机器学习推断应用从云端转移至端点 | 该演示展示了一个支持 Xilinx + AWS 物联网的分布式控制应用如何利用 AWS 云分析、机器学习模型构建、应用供应及系统仪表板的比例。我们基于油气行业场景展示了工业控制器和智能 I/O 模块如何通过 Zynq Ultrascale+ 上的 AWS Greengrass 和 Xilinx Zynq-7000 平台上的亚马逊 FreeRTOS 与 AWS 云服务协作。 该演示展示了如何通过将机器学习应用从云端转移至端点（这可缩短时延响应时间并降低带宽要求），为使用寿命很长的系统实现渐进的应用功能。 | |
| SPYN 具有基于 Python 的预测维护功能 | SPYN 是 Xilinx 新一代简单易用的马达控制及分析套件。SPYN 采用 Zynq-7000 SoC，带有一个可用于在 FPGA 架构中创建加速电机控制算法的 C 语言界面以及支持传感器数据采集及处理的 PYNQ 框架，可为普及的 Python 库提供帮助。查看和控制片上分析和预测性维护算法是通过一个由片上 Ubuntu 网络服务器驱动的 Jupyter 笔记本界面实现的。 | |
| 基于 IDS NXT 视觉应用的摄像头，采用 Kortiq AIScale 机器学习加速器 | IDS NXT 平台是一系列基于视觉应用的工业摄像头，主要用于在 Xilinx Zynq UltraScale+ MPSoC 中嵌入了 Kortiq 的 AIScale 机器学习加速器的机器视觉应用。演示的特点是各种旋转的目标，这些目标由在 FPGA 逻辑中实现的低时延、低功耗 Kortiq AIScale 加速器在几十毫秒内检测识别。此外，Zynq UltraScale+ MPSoC 还安装在 Kortiq 的 SOMIQ 系统级模块上，以便轻松实现人工智能部署。 |
|
| 汽车 | DRIVE-XA 自动驾驶开发平台 | DRIVE-XA 是 Xilinx 最新的自动驾驶开发及路线规划平台。该平台为客户提供了一个模块化的可定制异构处理环境，具有广泛的传感器接口选项。该演示将展示平台的数据聚合、预处理和分配 (DAPD) 功能，以及 Xylon 的 6 摄像头 BSP 框架，该框架可为用户提供一个高效执行 IP 开发的起点。 |
| 针对 ADAS 图像识别的深度学习 | 多通道神经网络处理用于目标检测，支持完整的车道场景分割和目标检测识别。演示如何使用 CNN 加速器进行深度学习，以获得性能优化的 ADAS 解决方案。本演示使用基于 Zynq Ultrascale+ 的 ZCU102 平台，该平台运行支持四个外部摄像头和加载的视频流的多神经网络。 | |
| 采用系统视图 VSI 开发环境为 ADAS 实现 Dynamic Function eXchange | DFX 可帮助系统开发人员将系统运行时过程中互相排斥的函数纳入单个器件中。由于设备资源的限制，这些功能不能一起使用。这些资源限制可通过部分重配置来解决，其中通过 DFX 激活各种功能。前置摄像头视图、后置摄像头视图、生物特征识别以及其它相互排斥的功能现在可通过加载急需事件触发在单个设备中有效提供。这些功能相结合，所需的资源将超过单个设备所能提供的资源。使用 System View VSI 来分区和实现 DFX，可以在运行时为系统工作提供这些功能。该演示将为演示 DFX 的前后摄像头展示一款 ADAS 解决方案。 | |
| Alveo／云 | Alveo™ 加速卡上的端点分析 — Xelera 技术股份有限公司 | 端点设备产生的数据量呈指数级增长。Xelera 分析软件为实时分析端点服务器上的数据提供一个实时解决方案。采用 Xilinx Alveo™ 加速器卡的 Xelera 分析库包含高速分析和机器学习算法，其使用无需改变应用层面的代码。 |
| Alveo 加速卡上的自适应比特率转码 | 当前的视频服务提供商使用新一代压缩标准和自适应比特率 (ABR) 流媒体协议来管理带宽并确保高效的视频分发。这两种方法都能带来有效的结果，但也会增加计算复杂性。Xilinx 看到了这一挑战，开始与 NGCodec 和 VYUsync 合作，构建一个在无需客户对现有基础架构进行大幅修改的情况下即可提供必要性能的解决方案。 我们一起向 HEVC 或 VP9 ABR 转码器提供 Alveo 加速的实时 H.264。 |
Xilinx 展位位于 3 号厅 3A-235 号展位
2 月 26 至 28 号
纽伦堡展览中心
德国纽伦堡
了解更多
Xilinx 将参加以下会议专场。
从 DC 至 Daylight：适用于有线、无线和高频的单片 RF 解决方案
2 月 27 号（星期三）| 10:30 – 11:00
大会地址 NCC Ost
直到最近，FPGA 器件通常用于 RF 信号的高速数据预处理和后处理，并连接外部 A/D 和 D/A 转换器。最近，由于其无与伦比的带宽和灵活性，直接 RF 数据转换器的使用越来越多。目前已投入量产的全面集成型 FPGA 器件具有每秒数十亿采样速率的直接 RF A/D 及 D/A 转换器、软判决前向纠错 (SD-FEC) 模块和处理系统。这些集成型器件可为有线、无线、窄带和远程物联网提供单片解决方案。
直接 RF 采样将 A/D 及 D/A 转换过程靠近天线， 以便转换器直接采样 RF 信号。此技术允许将模拟／RF 信号处理转移至数字域，这可实现具有更高灵活性及更高可编程性的解决方案。各种优势包括：
提供实时确定性的 Zynq®UltraScale +™ A53 集群，带颜色锁定及监狱管理程序
2 月 27 号（星期三）| 15:00 – 15:30
Conference Counter NCC Ost
当前市场需求正迫使所有使用多核的嵌入式应用提高计算需求，并保留通常为单核开发了几十年的原有实时代码。实时处理器提供的性能通常是不够的，因此设计人员需要考虑使用应用处理器来获得所需的性能，其代价是牺牲确定性和最坏情况执行时间 (WCET)。本文主要介绍如何使用 Arm Cortex® A53 应用处理器集群来实现不对称的实时多处理 (RTAMP)，改善最坏情况执行时间 (WCET)，减少时延，隔离和分区集群，以便针对单个内核开发的软件可以重复使用。工业、汽车和航空电子应用中的需求非常旺盛，因为软件架构师希望像使用一组单核那样使用集群来执行实时代码。二级高速缓存和内存控制器等共享资源可确保性能均衡。访问共享高速缓存和内存时，内核间的干扰会影响最坏情况执行时间。Xilinx 与 UniMore 合作，解决了共享高速缓存管理的颜色锁定问题，提高了可预测性。Linux 和裸机隔离应用可使用监狱分区管理程序在指定的内核上运行。此外，还可降低管理程序的开销，使解决方案极具吸引力。本文使用基准及工业使用案例介绍该方案可实现的良好效果。
在 FPGA 中使用 Arm Cortex-M 处理器，可降低软件开发成本
2 月 28 号（星期四）| 14:00 – 14:30
Conference Counter NCC Ost
随着嵌入式市场设计需求和标准的不断发展，FPGA 可为开发人员提供一个立即启动项目的绝佳机会，其可随时间的推移逐步改进设计。但如何构建一款成功的 FPGA 解决方案呢？Xilinx 和 Arm 强强联手，帮助嵌入式开发人员体验了商业 FPGA 的强大优势，以及 Arm 嵌入式处理器的处理及软件生态系统。本白皮书主要介绍如何在 Xilinx FPGA 中使用 Cortex-M 处理器，以及开发一款基于 FPGA 的成功器件需要采取的重要步骤，包括集成、验证、综合以及软件开发等。