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OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
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YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
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实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
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YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
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 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>