503518000

产品信息

电路图、引脚图和封装图

• 

  503518000 封装图

在线购买

应用案例更多案例

• 射频知识基础：三种接收机的介绍

  关于接收机结构我们从最传统的超外差结构开始介绍。超外差结构能提供非常好的性能，但这种结构需要大量分离元件，像滤波器等。这种结构无法单芯片集成实现，因此出现了零中频，低中频接收机结构。超外差接收机超外差接收机自从1917首次出现以来一直作为接收机设计的主要结构。直到2000，出现了零中频接收机，这种接收机结构适合完全集成实现。图1一级混频的超外差结构图1所示为

  2025-01-01
• 反激变换器DCM模式变压器设计及元件选择

  设计参数包括输入电压Vin(AC)，输出电压Vo、输出功率Po，效率h、开关频率fs、最大占空比Dmax、工作模式和电流纹波系数K。非连续（断续）导通模式（DCM），具有更高稳定性和更高效益，最大占空比固定为45%，最大限地减少应力并优化利用功率MOSFET管和二极管，还具有初级侧调节功能，可减少外部元件数量。通常，开关频率为50-150KHZ。为了使计算更符合实际，定义转换器的估计效率，例如85%，这是低功率反激式变换器常用值。

  2024-07-02
• 基于兆易创新GD32G553系列MCU的单通道可编程高精度直流源表设计

  本文介绍基于兆易创新GigaDevice的GD32G553系列MCU设计的单通道可编程高精度直流源表（Single-Channel Precision DC Source Meter）H1501A。

  2025-01-01
• 卷积神经网络cnn中池化层的主要作用

  卷积神经网络（Convolutional Neural Network，CNN）是深度学习领域中一种重要的神经网络结构，广泛应用于图像识别、语音识别、自然语言处理等领域。在CNN中，池化层（Pooling Layer）是一个关键的组成部分，它对卷积层的输出进行下采样，降低特征图（Feature Map）的空间维度，从而减少计算量和参数数量，提高模型的泛化能力。 池化层是一种非线性降维操作，它对卷积层的输出进行局部区域的聚合，生成一个较小的特征图。池化层通常位于卷积层之后，其目

  2024-07-02
• 兆易创新荣获小米Vela生态合作伙伴奖

  日前，2024年小米「人车家全生态」合作伙伴大会在京召开，此次大会是小米面向全球软硬件开发者，技术与商业伙伴的年度盛会。兆易创新作为小米生态合作伙伴受邀出席并荣获“Xiaomi Vela 生态合作伙伴”奖，现场展示了为Xiaomi Vela生态系统提供的强大技术能力支持。

  2025-01-01
• 载誉而归，加特兰创始人陈嘉澍博士亮相ICCAD-Expo 2024

  2024年12月11日至12日，上海集成电路2024年度产业发展论坛暨第三十届集成电路设计业展览会（ICCAD-Expo 2024）在上海世博展览馆举行。全球毫米波雷达芯片领域的重要创新者加特兰应邀出席大会，在闭幕晚宴上，加特兰创始人兼CEO陈嘉澍博士荣获“2024年度IC设计业年度企业家提名”称号，成为当晚仅有的获此殊荣的三位企业家代表之一。     加特兰创新引领CMOS 毫米波雷达技术发展   历经多年发展，ICCAD-Expo已成为中国集成电路设计业最顶级的高端盛会。今

  2024-12-13
• 卷积神经网络的基本结构及其功能

  卷积神经网络（Convolutional Neural Network，简称CNN）是一种深度学习模型，广泛应用于图像识别、视频分析、自然语言处理等领域。本文将详细介绍卷积神经网络的基本结构及其功能。 引言 深度学习是机器学习的一个分支，它通过模拟人脑神经网络的结构和功能，实现对数据的自动学习和特征提取。卷积神经网络是深度学习中的一种重要模型，它通过卷积操作和池化操作，有效地提取图像特征，实现对图像的分类、检测和分割等任务。 卷积神经网络的基本

  2024-07-02
• 千视年度大事记 | 回顾2024：迈向创新高峰的辉煌篇章

  2024年，对千视电子来说，是创新与突破的一年。在过去的一年里，千视电子在创新与突破的道路上疾驰，更赢得了全球行业的广泛赞誉。通过一系列重要全球战略合作与创新技术发布，为全球视听行业注入了新的动力。今天，让我们携手回顾这一年的璀璨瞬间，共同见证千视电子如何在2024年不断书写新篇章。01全球战略合作音视频技术全方位升级1月25日，千视电子与全球音频IP技术的

  2025-01-01

系列产品索引查看所有产品