MATLAB para prototipado de FPGA

Desarrolle, implemente y depure prototipos con MATLAB y Simulink

Puede realizar prototipado de algoritmos en hardware basado en FPGA, independientemente de cuánta experiencia tenga en diseño con FPGA.

Con MATLAB® y Simulink®, puede:

  • Desarrollar un diseño listo para hardware con subsistemas y bloques IP probados
  • Simular el comportamiento del hardware en el nivel de sistema para eliminar bugs antes de implementarlo en FPGA
  • Generar código HDL y C que pueda utilizarse en cualquier dispositivo FPGA o SoC
  • Implementar automáticamente en las placas y los kits FPGA y SoC de Xilinx® e Intel®
  • Sondear y capturar señales que se ejecutan en el hardware

"Tenemos mucha experiencia en nuestro dominio, pero muy poca en la integración de FPGA. Con Simulink y HDL Coder, podemos centrarnos más en diseñar algoritmos inteligentes para nuestro producto que en cómo ejecutar esos algoritmos en un FPGA específico”.

Boris Van Amerongen, Orolia

Aplicaciones inalámbricas

Puede agregar progresivamente elementos de hardware a su diseño en tiempo real, desde la simulación de algoritmo con E/S over-the-air en tiempo real, hasta la implementación completa en una plataforma de radio definida por software, o en una placa FPGA o SoC personalizada.

Los subsistemas y bloques IP de diseño inalámbrico probado en hardware de Wireless HDL Toolbox™ permiten comenzar a trabajar rápidamente. IP incluye ejemplos que muestran cómo pasar gradualmente del diseño de algoritmos con MATLAB, a los modelos de implementación de sistemas inalámbricos en Simulink. Toda la lógica de IP ha sido cuantificada en un punto fijo y, por lo tanto, puede usar Fixed-Point Designer™ para gestionar la cuantificación de la lógica personalizada agregada antes de la implementación con HDL Coder™.

Diseñe y simule en el nivel de sistema; luego, añada gradualmente aspectos de hardware real con miras a la implementación completa para pruebas de campo.


Aplicaciones de control de electrónica de potencia y de motores

Implemente algoritmos de control de electrónica de potencia y de motores en hardware de FPGA y acelere los modelos de planta de hardware-in-the-loop en los aceleradores FPGA tales como los módulos Speedgoat I/O.

Aplicaciones de control de electrónica de potencia y de motores

Puede comprobar el rendimiento de los algoritmos de control que se ejecutan en hardware basado en FPGA o acelerar los modelos de planta con hardware-in-the-loop basado en FPGA. Con un amplio soporte de generación de código HDL para funciones matemáticas y trigonométricas en punto fijo o punto flotante nativo, HDL Coder proporciona un paso directo desde un modelo de Simulink al hardware.

Si está considerando hacer la partición de su algoritmo para implementarlo en SoC, puede buscar estrategias de partición y simularlas para evaluar el rendimiento antes de la implementación en una plataforma prototipo. Luego, puede utilizarse en kits preconfigurados, Introducción a la tecnología FPGA de Speedgoat (7:53) o en su propia placa personalizada.


Aplicaciones de procesamiento de vídeos e imágenes

Puede prototipar algoritmos de visión en plataformas basadas en FPGA conectadas a MATLAB y Simulink mediante la generación automática de código HDL y código C. También puede usar bloques de procesamiento de visión probados en hardware para crear un modelo de implementación que simule el comportamiento del hardware, como, por ejemplo, streaming de píxeles, algoritmos basados en vecindad, acceso a memoria externa y señales de control.

Ofrecemos soporte para implementar modelos en kits de evaluación con cámaras FPGA comerciales. Como alternativa, el equipo de desarrollo de hardware puede soportar la plataforma para poder implementar prototipos directamente desde MATLAB y Simulink.

Aplicaciones de procesamiento de vídeos e imágenes

Algoritmo de rectificación de niebla que se ejecuta en una placa prototipo FGPA.


Ejecute la inferencia de Deep Learning basada en FPGA en el prototipo de hardware directamente desde MATLAB; luego, genere un núcleo IP HDL de Deep Learning para la implementación en cualquier FPGA o ASIC.

Inferencia de Deep Learning

Con unos pocos comandos de MATLAB, puede acelerar la inferencia de Deep Learning mediante la creación de prototipos de redes en placas FPGA y SoC. Luego, puede iterar en su red desde MATLAB analizando el rendimiento de la inferencia de Deep Learning en el FPGA, ajustando la red, cuantificando en punto fijo y volviendo a implementar. Por último, puede generar un núcleo IP de HDL independiente de la plataforma para que el equipo de desarrollo de hardware lo implemente.


Depuración del prototipo FPGA

El prototipado de FPGA con datos de entrada del mundo real ayuda a detectar bugs que no se podían hallar ni corregir mediante simulación temprana. Puede insertar lógica en su prototipo FPGA o SoC que permita usar comandos de MATLAB para leer y escribir de forma interactiva en registros accesibles a través de AXI o capturar datos de puntos de prueba FPGA internos.

Si prefiere ejecutar el prototipo FPGA con el banco de pruebas de MATLAB o Simulink, FPGA-in-the-loop automatiza la configuración y gestiona la interfaz de simulación para enviar datos al FPGA y leerlos en su banco de pruebas.

Estas técnicas admiten una serie de placas listas para usar con dispositivos Xilinx, Intel y Microsemi. También puede definir su propia placa personalizada.

Inserte lógica de forma automática para depurar e interactuar con un prototipo FPGA desde MATLAB.