摘要：介绍了一种利用工具软件MATLAB强大的数学功能来增强ALTERA公司的可编程逻辑器件设计软件MAX+PLUSII的仿真功能、提高设计品质的方法，有较强的针对性。      随着数字技术的飞速发展，电子工程师在设计中越来越多地采用FPGA来实现复杂的数字功能，不仅仅是简单的时序逻辑，更多的是诸如数字滤波器、信号处理算法的实现等。这样我们就必须要对FPGA设计进行全面的性能分析，而不仅仅是时序的验证，这就对FPGA设计软件的仿真功能提出了更高的要求。而现有的一些流行的FPGA设计工具并不能满足这一要求。   MAX+PLUSII是ALTERA公司为自己的系列EPLD、FPGA提供的功能强

如果想速成，那就上网看视频吧，这样主要是面对应用的，一个小时内让你的板子运行起来。早期起来的快，活学活用，就是后期没有系统理论支持，会有些吃力，特别是大项目，那完全是个悲剧。国内做的可以的，周立功算一个了，艾米电子也可以。这两家都有学习板，不过后者的教程抄袭的前者的。前者功底深厚些，资金不紧张就买前者吧。速成的话，数电书一定一定必备，边看边学比较好，其余的书可以适量买点。 前方知识点高能预警 （先简单总结几点：）1、看代码，建模型 只有在脑海中建立了一个个逻辑模型，理解FPGA内部逻辑结构实现的基础，才能明白为什么写Verilog和写C整体思路是不一样的，才能理解顺序执行语言和并行执行语言的设

fpga vhdl lcd--电子设计用的，绝对很有用

Application of FPGA to real-time machine learning - hardware reservoir computers and software image processing [Antonik, P.][Springer,][2018] This book lies at the interface of machine learning – a subfield of computer science that develops algorithms for challenging tasks such as shape or image recognition, where traditional algorithms fail – and photonics – the physical science of light, which underlies many of the optical communications technologies used in our information society. It provides a thorough introduction to reservoir computing and field-programmable gate arrays (FPGAs). Recently, photonic implementations of reservoir computing (a machine learning algorithm based on artificial neural networks) have made a breakthrough in optical computing possible. In this book, the author pushes the performance of these systems significantly beyond what was achieved before. By interfacing a photonic reservoir computer with a high-speed electronic device (an FPGA), the author successfully interacts with the reservoir computer in real time, allowing him to considerably expand its capabilities and range of possible applications. Furthermore, the author draws on his expertise in machine learning and FPGA programming to make progress on a very different problem, namely the real-time image analysis of optical coherence tomography for atherosclerotic arteries.

随着大数据时代的来临,深度学习技术在从海量数据中提取有价值信息方面发挥着重要作用,已被广泛应用于计算机视觉、语音识别及自然语言处理等领域。本文从深度学习算法的特点和发展趋势出发,分析 FPGA 加速深度学习的优势以及技术挑战;其次,从 SoC FPGA 和标准 FPGA 两个方面介绍了 CPU-FPGA 平台,主要对比分析了两种模型在 CPU 和FPGA 之间数据交互上的区别;接下来,在介绍 FPGA 加速深度学习算法的开发环境基础上,重点从硬件结构、设计思路和优化策略这三个方面详细综述了采用 FPGA 加速卷积神经网络的设计方案;最后展望了 FPGA 加速深度学习算法相关研究工作的发展。

基于Goertzel算法的选呼译码FPGA模块设计.pdf

官方技术手册及教程整理，包含an710，an871，an803，xcvr-user-guide，ug-arria10-xcvr-phy（中英各一份），cv53001第二卷收发器（中文版），svgx-jesd204b-ad9680-ed-14.1例程及视频教程。

指导如何使用intel的FPGA自带的IP软核进行jesd204B高速接口开发，内容完整详实，值得参考阅读

CCD是利用光电转换原理把图像信号转换为电信号，即把一幅按空间域分布的光学图像，转换成为一串按时间域分布的视频信号的半导体元器件。因其具有体积小、重量轻、功耗低、灵敏度高、工作稳定、寿命长、自扫描和便于同计算机接口等优点，被广泛应用于图像传感和非接触式测量。CCD应用的关键问题之一，是驱动时序发生器设计。它直接关系到CCD的信号处理能力、转换效率和信噪比等光电转换特征。针对Sony公司面阵CCD ICX098BQ的工作原理和驱动时序的要求，给出了驱动时序发生器的具体设计，使用VHDL语言对驱动时序发生器的实现方案进行了硬件描述，采用Quartus II 8．0对所设计的时序发生器进行了功能仿真，在该驱动时序发生器作用下，对Sony公司ICX98BQ面阵CCD产生的输出信号波形进行了验证。

介绍了Altera的FPGA： MAX10模数转换的用法，包括如何设计电路，注意什么等等