NRF52810超低功耗SOC蓝牙芯片支持ANT和2.4 GHz私有协议NRF52832低成本方案64Marm

news/2025/3/1 13:25:07/文章来源:https://www.cnblogs.com/2355573211-/p/18600342

nRF52810 系统级芯片(SoC) 是 nRF52 系列的基准成员,是NRF52832的低成本方案。它满足了将高级低功耗蓝牙 功能和协议并发性引入应用的挑战,其价位使得向应用添加低功耗蓝牙连接极具吸引力。它是不太复杂的应用的理想选择,也是大型应用中的低功耗蓝牙 连接处理器的理想选择。

nRF52810支持低功耗蓝牙协议,包括2 Mbps的高速传输特性。它还支持ANT和2.4 GHz私有协议。这款芯片非常节能,并且是我们尺寸最小的SoC(与nRF52811一起),采用2.482 x 2.464 mm CSP封装。
本芯片采用基于时钟频率为64 MHz的Arm® Cortex™-M4处理器。它有许多数字外设和接口,如PDM、PWM、UART、SPI和TWI。它还有一个12位的模数转换器(ADC)。通过采用先进的片上自适应电源管理系统,实现了极低的能耗。

 


主要特性
 64 MHz ARM® Cortex-M4
 192 KB Flash + 24 KB RAM
 蓝牙5 2.4 GHz收发器
• 2 Mbps• CSA #2
• 多协议并行操作
• +4 dBm 发射功率
• -96 dBm 灵敏度
• 4.6 mA @ 发射 (0 dBm)
• 4.6 mA @ 接收 (1 Mbps)
• 带50 Ω单端输出的集成巴伦
 1.7-3.6 V 宽电压输入
 集成DC-DC稳压器
 System OFF模式消耗0.3 µA电流
 System ON模式消耗1.5 μA电流,RTC运行
采用EasyDMA的全范围数字接口
 12位200 ksps ADC
 尺寸紧凑

 

 

应用
ESL电子价签
信标
键鼠
网络处理器
 一次性医疗传感器
 计算机外设
 遥控器
 健身传感器
 玩具
 物流和标签
 Airfuel无线充电

 

三个封装可选择:
QFN32 5*5
QFN48 6*6
WLCSP33 2.482 *2.464

 

 

开发优势

S112 SoftDevice我们的协议栈被称为SoftDevice,是对nRF52系列SoC的补充。SoftDevice是我们提供的预编译且无链接的库。SoftDevice驻留在应用的单独存储空间中,并通过它们的API进行接口,因而使应用开发更简单且更可预测。S112 SoftDevice是专门为nRF52810开发的存储优化的蓝牙5协议栈。通过蓝牙5的2 Mbps的传输速率,可获得较高的应用吞吐率。它支持最多4个外设再加1个广播的并发能力,并且高度可配置,这意味着它可以根据您的应用需求定制。

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/850962.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

转载:【AI系统】谷歌 TPU 历史发展

在本文中,我们将深入探讨谷歌的 Tensor Processing Unit(TPU)的发展历程及其在深度学习和 AI 领域的应用。TPU 是谷歌为加速机器学习任务而设计的专用集成电路(ASIC),自首次推出以来,TPU 经历了多次迭代升级,包括 TPU v1、v2、v3 和 v4,以及 Edge TPU 和谷歌 Tensor 等…

转载:【AI系统】谷歌 TPUv3 POD 形态

TPU v3 vs. TPU v2TPU v3 实际上就是 TPU v2 的增强版。TPU v3 相比 TPU v2 有约 1.35 倍的时钟频率、ICI 贷款和内存带宽,两杯 MXU 数量,峰值性能提高 2.7 倍。在同样使用除了显眼的蓝色外,相比于 TPU v2,TPU v3 在只增大 10%体积的情况下增加了 MXU 的数量,从 2 个翻倍到…

转载:【AI系统】谷歌 TPUv2 训练芯片

在 2017 年,谷歌更新了他们的 TPU 序列。谷歌将这一代 TPU 称之为 “用于训练神经网络的特定领域超级计算机”,那么显而易见,相比于专注于推理场景的 TPU v1,TPU v2 将自己的设计倾向放到了训练相关的场景。如果回顾历史,在 2017 年前后,深度学习跨时代的工作如雨后春笋般…

四大主流消息队列 场景化选型指导:kafka、rocketmq、rabbitmq、pulsar

消息队列是用于在分布式系统中存储和转发消息的异步通信协议,对于实现系统间解耦合至关重要。通过消息队列选型,开发者能够针对不同业务场景挑选最适合的消息队列,以满足特定需求。例如,在选择消息队列时,需考量其性能要求如吞吐量、延迟等指标,以及是否支持顺序消息或事…

转载:【AI系统】GPU 基础

GPU 是 Graphics Processing Unit(图形处理器)的简称,它是计算机系统中负责处理图形和图像相关任务的核心组件。GPU 的发展历史可以追溯到对计算机图形处理需求的不断增长,以及对图像渲染速度和质量的不断追求。从最初的简单图形处理功能到如今的高性能计算和深度学习加速器…

转载:【AI系统】超异构计算

在本文中我们要从更远的视角来看看计算机架构发展的黄金 10 年,主要将围绕异构计算和超异构来展开。在开始具体内容前,我们非常推荐您观看以下两个视频:计算机架构的新黄金时代:A New Golden Age for Computer Architecture编译器的黄金时代:The Golden Age of Compiler D…

高效实现金蝶分布式调入单与旺店通采购订单数据集成

金蝶分布式调入单与旺店通采购订单的高效数据集成方案 在企业信息化系统中,数据的无缝对接和高效流转是提升业务效率的关键。本文将分享一个实际案例:如何通过轻易云数据集成平台,将金蝶云星空中的分布式调入单数据集成到旺店通企业奇门的采购订单中。背景概述 在本次集成方…

导航栏-0xShe网络安全导航

0xShe网络安全导航 安全平台,这个模块有一些安全社区 挖src的这里放了很多的src平台 这里也有一些好用的工具 本文来自博客园,作者:CLLWA,转载请注明原文链接:https://www.cnblogs.com/cll-wlaq/p/18600260本文仅做交流学习,不可用于一切非法行为,否则后果自负!

转载:【AI系统】核心计算之矩阵乘

AI 模型中往往包含大量的矩阵乘运算,该算子的计算过程表现为较高的内存搬移和计算密度需求,所以矩阵乘的效率是 AI 芯片设计时性能评估的主要参考依据。本文我们一起来看一下矩阵乘运算在 AI 芯片的具体过程,了解它的执行性能是如何被优化实现的。 从卷积到矩阵乘 AI 模型中…

数据的分布和映射

数据的分布和映射是数据分析中的两个重要概念。它们帮助我们理解数据的特征,并为后续的数据处理和分析提供基础。 数据的分布 定义:数据的分布描述了数据集中每个值出现的频率或概率。它提供了数据集的形状、中心趋势和离散程度的信息。 目的:通过分析数据的分布,我们可以了…

ubuntu18.04手动编译官网内核kernel

前言全局说明ubuntu18.04手动编译官网内核kernel系统默认是 5.4.0-84 内核,尝试升级到 5.4.286一、说明 1.1 环境: Ubuntu 18.04.6 LTS (Linux test-vm 5.4.0-84-generic #94~18.04.1-Ubuntu SMP Thu Aug 26 23:17:46 UTC 2021 x86_64 x86_64 x86_64 GNU/Linux)二、 下载官…

DC3靶机渗透测试

*概述* *测试目的* *测试范围*序号 系统 IP1 本地 192.168.152.1282 靶机 192.168.152.133*详细测试流程* *1、发现测试目标**2、信息收集*开放了80端口,是Joomla服务 扫描目录利用joomscan工具探测服务版本 Joomscan工具利用方法: https://cn.linux-console.net/?p=10704 J…