中国北京,2012 年3月6日–MathWorks近日宣布推出HDL Coder,该产品支持MATLAB 自动生成 HDL 代码,允许工程师利用广泛应用的 MATLAB 语言实现 FPGA 和 ASIC 设计。MathWorks还宣布推出了HDL Verifier,该产品包含用于测试 FPGA 和 ASIC 设计的 FPGA 硬件在环功能。有了这两个产品,MathWorks现在可提供利用 MATLAB 和 Simulink 进行 HDL 代码生成和验证的能力。
MathWorks 嵌入式应用程序和认证部经理 Tom Erkkinen说:“世界各地的工程师都在使用 MATLAB 和 Simulink 来设计系统和算法。现在,有了 HDL Coder 和 HDL Verifier,他们在开发 FPGA 和 ASIC 设计时再也不用手动编写 HDL 代码,也不再需要手写HDL测试平台了。”
HDL Coder 利用 MATLAB 功能和 Simulink 模型生成可移植和可综合的 VHDL 和 Verilog 代码,可用于 FPGA 编程或 ASIC 原型开发和设计。因此,工程师队伍现在可以立即识别出针对硬件实现的最佳算法。Simulink 模型和所生成 HDL 代码之间的可追溯性同时也支持开发遵循 DO-254 和其他标准的高完整性应用程序。
Xilinx 全球营销和业务发展部高级副总裁 Vin Ratford说:“HDL Coder 提供与 Xilinx ISE 设计套件的集成通道,创建了一种按钮式工作流程,这样,使用MathWorks产品的算法开发人员开发面向 Xilinx FPGA 的应用就更加容易了。这种集成化使得我们的共同客户能够访问大量经过Xilinx优化的IP组合,进一步提高了他们的生产率。”
HDL Verifier 目前支持 Altera 和 Xilinx FPGA 开发板的 FPGA 硬件在环验证。HDL Verifier 提供协同仿真界面,能将 MATLAB 和 Simulink 与 Cadence Incisive、Mentor Graphics ModelSim以及 Questa HDL 等仿真程序联结。有了这些功能,工程师可以迅速验证 HDL 实现是否符合 MATLAB 算法和 Simulink 系统规格。
Altera 公司产品及企业营销副总裁 Vince Hu 指出:“随着越来越多的行业采用FPGA,
设计师需要一种方法来弥合系统模型和 FPGA 设计之间的验证差距。HDL Verifier 将系统模型与 FPGA 结合一起,使得工程师能够使用 Altera FPGA 和 Simulink 进行 FPGA 硬件在环验证。这个工作流程缩短了验证周期,同时也帮助工程师在芯片实现方面树立了更强的信心。”
HDL Coder:HDL Workflow Advisor 提供自定义和优化 HDL 代码的选项,并能直接从 MATLAB 中自动进行 FPGA 编程。
关键字:MATHWORKS
引用地址:
MATHWORKS 推出基于 MATLAB 生成 HDL 代码的产品
推荐阅读最新更新时间:2024-05-02 21:56
使用MATHWORKS工具开发电动跑车
The MathWorks 近日宣布硅谷电动汽车制造商 Tesla Motors 采用 The MathWorks 的基于模型的设计工具,以开发 2008 款 Tesla Roadster,它是世界第一辆电动跑车。 为了在有限的预算和时间内满足苛刻的技术目标,Tesla Motors 设计团队依靠 Simulink 和 MATLAB 对整个汽车和其主要子系统建模。工程师将汽车每个主要系统独立的模型(包括电动机、电池、传动机构、制动器、轮胎、电力以及控制系统)集成到一个完整的系统模型中。他们在构建样机之前使用这些模型仿真计算和预测总体车辆性能,然后对比仿真结果和样机路面测试结果,以改善整个系统模型。此方法缩短了总体设计
[汽车电子]
THE MATHWORKS实时嵌入式编码器通过认证
The MathWorks近日宣布,MathWorks Release 2008a的Real-Time Workshop Embedded Coder(实时工作间嵌入式编码器)产品已通过TUV SUD Automotive GmbH认证 。 来自TUV的认证报告称,“负责开发此Real-Time Workshop Embedded Coder 的The MathWorks开发组织已接受审核,以评估其开发与质量保证程序。此评估根据IEC 61508侧重于评估软件修改过程、客户错误报告及针对与安全相关的开发的适用性。” 此TUV证书是基于解决“对模型与生成代码的具体应用验证与确认”的典型汽车应用工作流。此工作流描
[汽车电子]
MathWorks 发布 2013b 版 MATLAB 和 Simulink 产品系列
中国北京– 2013 年 9 月 10 日–MathWorks 近日宣布发布2013b 版 (R2013b) 的 http://www.mathworks.com/products/new_products/latest_features.htmlMATLAB 和 Simulink 产品系列。在 R2013b 版的 MATLAB 和 Simulink 中不仅新增了分析、设计、代码生成和实现以及其他功能,同时该版本还新添了两款 Polyspace 产品以及其他 79 款产品的更新。这一版本的技术亮点如下: MATLAB 产品系列 MATLAB:提供了适用于混合类型的表格数据以及有序和无序分类数据的数据类型 MATLAB C
[嵌入式]
Universal Robots 加入 Connections 计划,扩展与 MathWorks 的合作关系
中国 北京,2024 年 4 月 10 日 —— 全球领先的数学计算软件开发商 MathWorks 今天宣布,丹麦协作机器人(cobot)公司 Universal Robots 已加入 Mathworks Connections 计划,进一步加强了与数学计算软件领导者 MathWorks 的合作关系 。该计划旨在为开发与发行基于 MATLAB® 和 Simulink® 的补充性商业产品、培训和咨询的组织提供支持。2023 年,MathWorks 成为了 Universal Robots 生态系统中的 UR+ 合作伙伴。该生态系统由 300 多家获准为 UR 平台开发产品的开发公司组成。 两家公司已密切合作,开发了 2023 年
[机器人]
ARM、ST与MATHWORKS携手实现支持STM32 MCU代码生成等功能
ARM与意法半导体(STMicroelectronics)携手宣布首款配合MATLAB和 Simulink支持ARM® Cortex™-M系统的Embedded Coder已上市。 意法半导体与ARM的合作项目获得MathWorks的全面支持,使软件开发人员能够在MATLAB和Simulink环境中开发算法,然后在处理器在环(PIL)仿真中编译目标,集成、调试和测试这些模型。Embedded Coder生成的C代码运行于STM32评估板上,Keil™微控制器开发套件(MDK-ARM™)的调试器与Simulink直接交互,进一步简化了代码集成过程。
意法半导体微控制器产品部总经理Michel Buffa表示:“基于消费者对MATL
[单片机]
MathWorks 为 MATLAB 提供 GPU 支持
近日在 GPU 技术大会 (GTC) 上,MathWorks 宣布通过使用 Parallel Computing Toolbox 或 MATLAB Distributed Computing Server 实现在MATLAB 应用中提供对 NVIDIA 图形处理器 (GPU) 的支持。这项支持可使工程师和科学家加快多种 MATLAB 计算的速度,而无需执行底层编程。 现在,越来越多的工程师和科学家可以借助MATLAB使用 NVIDIA的 具有支持 CUDA 的 GPU,其中包括基于 Fermi 架构的最新 Tesla 20 系列 GPU。Parallel Computing Toolbox 可以使用户无需学习 CUD
[半导体设计/制造]
MathWorks 为 MATLAB 添加新的预测性维护产品
中国北京 – 2018 年 6 月 6 日 – MathWorks 今日宣布推出新的 MATLAB 产品 Predictive Maintenance Toolbox,帮助工程师设计并测试状态监测和预测性维护算法。Predictive Maintenance Toolbox 为算法工程师提供了一系列功能和参考范例,用来组织数据、设计状态指标、监测机器运行状况和预估剩余使用寿命 (RUL),从而避免设备故障。 借助 Predictive Maintenance Toolbox,工程师能分析和标注从存储于本地或云端的文件中导入的传感器数据。他们还能标注从 Simulink 模型生成的仿真故障数据以表征设备故障。利用在频谱分析和时
[网络通信]
MathWorks 宣布 MATLAB 与 NVIDIA TensorRT 集成来加快人工智能应用
中国北京 – 2018 年 4 月 11 日 – MathWorks 今日宣布 ,MATLAB 现在可通过 GPU Coder 实现与 NVIDIA TensorRT 集成。这可以帮助工程师和科学家们在 MATLAB 中开发新的人工智能和深度学习模型,且可确保性能和效率满足数据中心、嵌入式应用和汽车应用不断增长的需求。 MATLAB 提供了一个完整的工作流程来快速训练、验证和部署深度学习模型。工程师可以使用 GPU 资源,而无需额外编程操作,因此可以专注于应用本身而不是性能调优。 NVIDIA TensorRT 与 GPU Coder 的全新集成使得可以在 MATLAB 中开发深度学习模型,然后以高吞吐量低延迟的方式部署在
[半导体设计/制造]