发布时间：2021-08-17 阅读量：2092 来源: 我爱方案网 作者: 我爱方案网整理
旨在通过快速集成神经网络，最大化客户软件效率
提供包含软件、转换工具和车规级推断引擎的深度学习工具包
与恩智浦的S32V处理器系列紧密集成，以简化ADAS开发
全球最大的汽车半导体供应商恩智浦半导体NXPSemiconductorsN.V.推出汽车车规级深度学习工具包eIQAuto，扩展了公司eIQ机器学习产品系列。该工具包旨在帮助客户从开发环境快速地转向满足汽车行业严格标准的人工智能应用集成。eIQAuto能够将基于深度学习的算法应用到视觉、自动驾驶、传感器融合、驾驶员监控和其他不断发展的汽车应用。
eIQAuto工具包使客户能在PC端/云端/GPU环境下对汽车产品进行开发，并将其神经网络集成到S32处理器上。恩智浦的工具包和汽车级推断引擎使神经网络在具有严格安全要求的汽车应用中更容易部署。一个很好的例子是在基于计算机视觉的系统中，传统计算机视觉算法加速向基于深度学习的算法转变。
深度学习有望在目标检测和分类中提供优于“传统”计算机视觉算法的检测精度和可维护性，但复杂性和高昂的成本阻碍了全车规的集成和实现。
eIQAuto工具包旨在降低为深度学习算法的每一层选择并集成嵌入式计算引擎所需的投资成本，从而帮助客户缩短产品上市时间。与其他嵌入式深度学习框架相比，自动选择过程使给定模型的性能提高了30倍。实现此性能的方式是优化可用资源的使用，减少时间和开发工作量1。这些红利可帮助开发人员对应用进行评估、微调和部署，以获得最大化的总体性能。
符合汽车车规级开发标准和功能安全要求是eIQAuto和S32V集成的关键优势。eIQAuto的推断引擎遵照严格的开发要求，符合AutomotiveSPICE?标准。S32V处理器提供最高级别的功能安全，支持ISO26262，最高满足ASIL-C、IEC61508和DO178标准。
恩智浦副总裁兼高级驾驶员辅助解决方案总经理KamalKhouri表示：“新一代汽车应用，比如当前自动驾驶测试车辆的集成方案，系统庞大，能耗高且不可能批量生产。新的eIQ工具包可帮助我们的客户在具有最高级别安全性和可靠性的嵌入式处理器环境中部署强大的神经网络。”
恩智浦的AutoeIQ深度学习工具包和车规级S32V芯片共同为新一代汽车应用提供性能、功能安全和质量的强大基础。
恩智浦eIQAuto工具包包括：
由统一的API和运行后端选择所支持的多个执行选项
兼容A-SPICE的推断引擎，可以通过在高效加速器上安排任务来优化性能
为最先进的CNN/神经网络提供支持
优化层和优化网络库
晶振的启动时间，通常是指其通电后进入稳定振荡状态所需的时间。若启动时间过长，可从以下五个常见的影响因素方面进行优化。
RTC（Real-Time Clock，实时时钟）芯片作为一种独立的专用计时器件，其核心功能包括提供稳定的日历时钟、在主电源断电后持续运行、支持定时中断以及输出高精度时间戳，为各类嵌入式系统提供可靠的时间基准。
时钟系统是保障微控制器（MCU）稳定运行的核心，而晶振作为关键时钟源，主要分为无源晶振与有源晶振两种类型。下面将围绕工作原理、硬件接口、电气特性及其在MCU中的适配场景等维度，系统解析这两类晶振与MCU之间的关联逻辑。
恒温晶振（Oven Controlled Crystal Oscillator，简称OCXO）是高精度频率源的核心组件，选用切型更优（如SC切、AT切高精度型）、封装应力极小的高Q值晶片，通过恒温槽的超精密控温，让晶振始终工作在零温度系数点，几乎消除温度引发的频率漂移。
晶振倍频干扰（即高次谐波辐射）是电磁兼容（EMC）设计中非常棘手的问题，通常表现为基频25MHz的5次、7次谐波（如125MHz、175MHz等）处辐射超标。该问题源于晶振输出方波信号包含丰富的高次谐波成分，若PCB布局不当，晶振及其走线极易构成高效辐射天线，导致电磁干扰增强。
