4008-622-911
51单片机汽车胎压大气气压测量仪仿真设计_数码管显示
51单片机汽车胎压大气气压测量仪仿真设计_数码管显示
仿真原版本：proteus7.8
程序编译器：keil4/keil 5
编程语言：C语言
设计编号：S0018
功能描述：
本课程设计用MPX4115传感器来检测压力参数，ADC0832进行模数转换后，利用单片机AT89C52进行数据处理后，用四个八段数码管显示压力值。压力测量的量程在15.3KPA~114.9KPA，分度值位0.1kpa。经过处理后胎压值正常显示70-240KPA。
仿真电路：
程序：
相关推荐
-
-
莱迪思分析不断变化的网络安全形势下FPGA何去何从
网络威胁目前已经达到前所未有的程度，各个领域制定有弹性的安全战略迫在眉睫。据《福布斯》报道，自2021年以来，数据泄露事件同比增长了72%，增幅之大令人震惊。平均每次数据泄露会给组织造成445万美元的惊人损失，很明显，在当今的数字时代，网络弹性对任何企业的生存和健康发展都至关重要。然而构建这种弹性网络并非易事。网络安全格局正在发生深刻的变化：更高级的威胁不断涌现、技术需求不断变化、新的行业法规不断出台。这使得系统开发人员和安全专业人员难以实施有效的策略来保护其组织免受恶意攻击。在最新的莱迪思安全研讨会上，莱迪思安全专家与Secure-IC的合作伙伴一起讨论了不断变化的网络安全环境以及现场可编程门阵列（FPGA）技术在构建网络弹性中的作用。市场需要更强大的安全解决方案在网络威胁横行的时代，网络安全战略从未如此重要。基于FPGA的系统在互连设备之间提供多方面的支持，实现可信数据处理和抵御量威胁，成为现代网络安全战略的重要组成部分。FPGA对于应对当前的网络威胁以及应对未来不断变化的条件和法规仍然至关重要。保障互连设备的安全随着人工智能互连系统的分布式计算与日剧增，确保设备安全变得至关重要。如今安全性对于每台连接的设备来说都是必不可少的，尤其是在提供各类增值服务时，例如依托电信行业基于位置的服务和移动金融服务等。莱迪思FPGA具有可重构特性，从上电到产品寿命结束的整个周期内，都能提供可靠的安全保护。这是使用强大的专用硬件可信根（HRoT）技术实现的，可帮助系统实现零信任架构。零信任是由传统安全模型转变而来，它假设所有用户或设备都是不可信的，需要持续的警惕和身份验证。这种方法增强了威胁预防、检测和响应，无论数据位于何处，都能提供保护。FPGA中的HRoT功能提供安全启动和防篡改功能，是各行各业寻求安全解决方案的理想选择。莱迪思MachXO3D、MachXO5D-NX和Mach-NX就是如此，它们提供了强大的HRoT基石，拥有用于自我验证的、安全、不可变的唯一ID、快速的安全启动以及一整套经过验证的器件原生安全服务。这确保了系统的完整性并降低未经授权的访问风险。此外，凭借其集成的双引导可锁定闪存功能，它们能够抵御“拒绝服务”攻击，确保系统中始终存在持续的信任基础。与其他所有莱迪思FPGA一样，这些器件也具有小尺寸、高能效的特点，适用于各种系统设计。FPGA通过在数据交换之前验证用户和设备身份来增强安全性。它们还可以通过平台固件保护恢复（PFR）功能保护静态和动态固件。此功能使组织能够通过监控固件中的恶意软件或拒绝服务攻击来对抗实时攻击。如果检测到恶意软件，FPGA会阻止恶意软件并将固件无缝恢复到已知的受信任状态。通过提供实时、动态的保护、检测和恢复功能，有助于最大限度地减少系统内固件攻击漏洞。使用莱迪思Sentry解决方案集合的莱迪思FPGA还可以采用PFR机制来确保固件在整个系统运行过程中的完整性和真实性。这使得客户能够非常轻松地使用莱迪思HRoT器件和莱迪思Sentry来快速开发系统的网络弹性功能。数据溯源建立数据溯源是提高AI/ML和数字孪生模型信任度和保真度的关键。然而当今大多数AI/ML和数字孪生模型都缺乏有效的数据溯源。事实上，大多数国家都未出台可以遵循的、必要的规范、实施程序或普遍认可的标准。这使得今天的技术容易受到数据中毒、恶意训练和数据漂移的影响。开发人员可以通过采用标准化做法（如对数据进行签名和身份验证、利用不可变数据选项以及实施强大的合规性框架）来提高对这些技术的信任和可靠性。这些步骤在处理安全问题时会让结果更具可预测性。在数据处理流中嵌入FPGA能帮助组织实现卓越的速度、适应性和安全性。这种集成创建的平台可用于开发值得信赖、具有完整可信数据源的AI解决方案。莱迪思FPGA还有助于实现安全可靠的数据管理，在整个AI系统开发生命周期中实现安全识别和跟踪。组织可以利用FPGA的内置安全功能（包括加密和身份验证机制）来增强数据安全性，从而在处理过程中保护和安全地标记数据。由于其高度可定制化的特性，FPGA可以随着时间的推移进行编程或重新编程，执行特定任务。这种灵活性优化了数据处理流水线，确保了对溯源信息的高效捕获和管理。此外，它还使组织能够根据其独特的环境和要求定制溯源机制，提高溯源记录的准确性和相关性。后量子加密网络安全领域的另一个新兴趋势是向后量子加密（PQC）的转变，这有助于增强抵御未来量子计算攻击的能力。量子计算机预计将于2030年上线，届时将能够破解当今大多数安全控制所依赖的公钥基础设施（PKI）算法。然而，尽管量子技术尚未成熟，但组织仍然容易受到“现在窃取，之后解密”这种模式的攻击，攻击者可以在量子技术最终可用时收集机密数据。这种策略使存储在云环境中的敏感信息面临重大的短期和长期风险，进一步加剧了对PQC迁移的需求。监管机构已经注意到了这种威胁，并提出了严格的要求，使固件和系统能够抵御量子攻击。莱迪思FPGA具有“加密敏捷”功能，其固有的灵活性和可重编程性是加快未来PQC算法实施的理想选择。基于FPGA的系统具有创新的加密敏捷功能，可以在现场安全更新，因此美国国家标准与技术研究院（NIST）在未来几年推出新的PQC算法时，这一特性就显得尤为重要。这些趋势表明，开发人员越来越重视主动安全措施，并利用基于FPGA的架构更轻松地过渡到法规要求的PQC算法。应对不断发展的安全法规随着安全威胁的发展，为抵御威胁而实施的法规也在不断变化。各国已经或即将出台的各种监管法规都有助于确保网络弹性和安全性。这些法规包括即将出台的《商业国家安全算法套件2.0》（CNSA 2.0）、《欧盟网络弹性法案》（CRA）和《欧盟数字运营弹性法案》（DORA）。组织必须做好充分准备，应对这些不断发展的法规，从而满足合规要求。CNSA 2.0美国国家安全局（National Security Agency）计划发布的CSNA 2.0将要求国家所有的安全系统所有者、运营商和供应商在2025年之前为所有新软件过渡到PQC算法。到2030年，所有当前部署的软件都必须完成迁移。开发人员可以利用FPGA进行更新，确保已在现场部署的软件在法规规定的期限内完成更改。CRA欧盟CRA给制造商提出了网络安全要求。这些要求强调安全的产品开发生命周期、减少网络攻击漏洞和事件快速报告。这些法规旨在确保将产品引入欧洲市场的组织在产品的整个生命周期中注重安全性，并在解决安全漏洞方面承担责任。FPGA可以实现无线固件更新，这是开发人员遵循CRA安全开发生命周期的一种战略方式。有了FPGA，安全更新的实施无需新的流片或更换器件，从而延长系统的使用寿命。DORADORA预计将于2025年1月生效，该法案重点关注能源、金融、运输和废物管理等行业主要基础设施提供商的网络弹性。该法案要求这些部门识别和报告网络威胁，组织风险管理计划，并有计划地进行事件响应测试。FPGA的PFR功能可实现持续的攻击监控，帮助组织遵守DORA并确保关键基础设施的安全。FPGA和网络安全的未来随着监管环境的发展，基于FPGA的解决方案因其灵活性、适应性和内置安全特性而大有需求。它们可以不断重新编程，以遵循更新的安全标准，并允许开发人员快速发布更新，减轻安全威胁，而无需完全重新设计系统。不断升级的网络风险加上不断变化的法规，凸显了对稳健的网络安全战略的迫切需求。由于面临巨大的财务影响，组织必须在未来几年优先考虑网络弹性和安全性。不断变化的格局只会进一步推动对FPGA技术的需求。
-
-
电子元器件行业专题报告，算力需求快速增长 AI芯片量价齐升
AI 模型复杂度快速提升，拉动算力需求快速增长。AI 模型从最早2012 年(AlexNet)问世以来，深度和广度一直在逐级扩升。作为目前最大的语言模型之一，2020 年发布的GPT-3 使用了1750 亿个参数，是其前代的100 多倍，微软和英伟达共同开发的 Megatron-Turing-NLG 模型参数量则达5300 亿。据中国信通院撰写的《中国算力发展指数白皮书》，过去10 年用于AI 训练模型的计算资源激增，AI 训练的计算复杂度每年猛增10 倍，人工智能计算已成为主流的计算形态，全球智能算力规模(换算为FP32)将由2021 年232EFlops 快速增长至2030 年的52.5ZFlops，期间CAGR 超过80%。TrendForce 预计2026 年全球AI 服务器出货量约20 万台。TrendForce 表示，在AIGC、自动驾驶、AloT、边缘计算等新兴应用带动下，诸多大型云厂商加大AI 相关基础设施建设，预计搭载GPGPU(GeneraPurpose GPU)的AI 服务器2022 年出货量仅占整体服务器市场的1%，并有望在2026 年增长至20 万台，2022-2026 年CAGR 为10.8%。据TrendForce 统计，2022 年AI 服务器采购占比以北美四大云厂商为主，微软、Google、Meta、AWS 合计贡献66.2%，国内则以字节跳动投入最为积极，占比6.2%。不同类型的服务器成本结构存在差异，芯片成本占比随服务器性能提升而升高。服务器本质是计算机，核心硬件包括CPU、以GPU 为代表的加速卡、内存、硬盘、网卡、电源、主板等。其中以CPU 和GPU 为代表的算力芯片是服务器主要成本项，占比随着服务器性能的提高而逐渐上升。综合华经情报网和ARK数据，芯片成本在普通服务器中约占总成本的32%，而用于机器学习的服务器因通常搭载多卡高性能GPU 导致芯片成本占比迅速提升至83%。AI 服务器和普通服务器之间的区别在于其硬件配置和使用方式。AI 服务器用于处理深度学习工作负载的海量数据，包括需要大内存容量、高带宽和整体系统内缓存一致性的训练和推断。相较于普通服务器，AI 服务器新增多张高性能加速器(绝大部分为GPU)，拥有更高的计算能力、更快的处理速度和更大的存储空间，以支持高负载和复杂的计算任务。随着GPU 向A100 向H100 升级迭代，AI 服务器有望迎来量价齐升。根据英伟达官网，相较于前代A100.H100 综合计算性能提高6 倍，得益于：1)采用第四代 Tensor Core 和具有 FP8 精度的 Transformer 引擎，持续优化大模型训练和推理表现;2)升级第四代NVLink，提供高达 900 GB/s 的 GPU 与 GPU之间互连;3)更高的显存带宽。我们认为，随着价格更高的H100 在今年陆续出货，AI 服务器市场将在今年迎来持续量价齐升。基于此，我们看好在算力芯片、服务器代工、内存等关键领域具有卡位优势、产品竞争力较强的公司，建议关注：1.算力芯片2.服务器代工3.存储：北京君正、兆易创新、澜起科技等永芯易小编也提醒大家目前AI大部分公司还在探索阶段，如果是投资应该注意投资风险。
哦! 它是空的。