博客
关于我
FMC子卡模块学习资料第272篇:1路万兆光纤SFP+和1路千兆网络 FMC子卡模块
阅读量:642 次
发布时间:2019-03-14

本文共 634 字,大约阅读时间需要 2 分钟。

1路万兆光纤SFP+和1路千兆网络 FMC子卡模块

一、概述

该板卡基于KC705和ML605的FMC 10G万兆光纤扩展板设计,提供1路万兆光纤SFP+和1路千兆网络接口,可与我们公司开发的FPGA载卡共同使用。SFP+是一种可热插拔的、独立于通信协议的光学收发器,支持传输波长为850nm、1310nm或1550nm,常用于10Gbps的SONET/SDH、光纤通道、Gigabit Ethernet、10Gigabit Ethernet及其他应用场景,包括DWDM链路。该模块还集成了类似于SFF-8472的数字诊断模块,提供强大的诊断功能。

二、性能指标

  • 物理层接口:采用1路10Gbps PHY(VSC8486-XJB11)和1路千兆PHY(88E1111)。
  • FPGA端口:支持1路IP端口,1路使用XAUI接口,另1路使用RGMII接口。
  • 时钟供应:提供156.25MHz时钟给主板,以满足万兆需求;支持千兆网络使用125MHz、25MHz和备用50MHz时钟。

三、物理特性

  • 温度范围:储存温度可达-20℃至+70℃,适用于工业级应用;工作湿度范围为10%至80%。

四、软件支持

  • 接口测试功能:已开发204号板卡的GE接口测试代码和光纤接口测试代码。
  • 验证工具:基于204号板卡开发了IBEART自发式自动验证工具,确保产品的稳定性和可靠性。

通过合理搭配公司开发的FPGA载卡,该子卡模块能够满足多种高性能网络通信场景的需求,在工作中表现稳定可靠。

转载地址:http://iynlz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>