当前位置:网站首页>兼容cc1101/cmt2300-DP4301 SUB-1G 无线收发芯片
兼容cc1101/cmt2300-DP4301 SUB-1G 无线收发芯片
2022-07-29 05:23:00 【weng13924672287】
DP4301芯片是一款高性能低功耗的单片集成收发机,工作频率可覆盖470MHz~510MHz,并兼容ISM 433MHz频段。该芯片集成了射频接收器、射频发射器、频率综合器、GFSK调制器、GFSK解调器等功能模块。通过SPI接口可以对输出功率、频道选择以及数据包格式进行灵活配置,并且内置CRC、FEC、自动应答和自动重传机制,可以大大简化系统设计并优化性能。
功能特点
◆ 频率范围470~510MHz,兼容ISM 433MH频段
◆ 接收灵敏度:[email protected]
◆ 最大输出功率:+20dBm
◆ 调制方式:FSK,GFSK
◆ 数据率:2.4kbps~200Kbps
◆ 支持SPI接口
◆ 自动应答及自动重传
◆ 快速频道切换,支持跳频算法
◆ 支持RSSI功能
◆ 天线分集和T/R开关控制
◆ 自动频率控制(AFC)
◆ 自动增益控制(AGC)
◆ 低工作电压:1.9V~3.6V
◆ 28引脚 5*5 QFN 封装
应用领域
◆ 智能抄表
◆ 工业传感器及无线工控设备
◆ 无线游戏设备
◆ 遥感勘测
◆ 安防系统
◆ 智能运动设备
◆ 智能电视遥控器
◆ 无线标签
◆ 无线门禁
◆ 安防系统
◆ 遥控装置
◆ 无线玩具

火灾不仅危害生命安全,严重的话还可能造成人员伤亡,并且造成经济损失,火灾会破坏建筑内的财物、设备、设施等物品,还会破坏生态环境,毁坏森林,破坏动物栖息地。
越来越多的复杂结构的建筑,人员密集型场所,地下建筑,危险品存放地等的涌现,使传统有线报警系统不能满足要求。无线星型自组网无需基站和铺设通信线,覆盖面广,探测器可安放在任意位置,分布节点多,不受建筑条件限制,布设简单,维护方便,成本较低,适合各种复杂建筑结构,是火灾有线监控系统的一种有效补充。
监控报警方案方案优点
一、覆盖面广:
无线星型自组网无需基站和铺设信线,覆盖面广,探测器可以安放在合适位置,分布节点多,不受建筑条件限制。
二、布设简单,成本低:
只需要将探测器节点布设在指定位置即可,维护方便,成本较低,适合各类复杂建筑。
三、抗干扰能力强:
470MHz的强穿透性和抗干扰性,适于复杂结构建筑和电磁波干扰的区域。
方案内容
报警系统由终端探测器节点、中继器节点、数据中心节点组成。以中心节点为核心,组成RF 470MHz通信网络进行节点间无线通信。终端探测器节点将数据传到中继器节点,中继器将数据上传到数据中心节点,数据中心节点的数据可以通过软件系统展示给操作人员。
470MHz无线通信单元是本系统的核心,由微处理器模块、无线通信模块、天线模块和电源模块组成。
无线通信模块选用我司的DP4301芯片,该芯片集成了射频接收器、射频发射器、频率综合器、GFSK调制器、GFSK解调器等功能模块。通过SPI接口可以对输出功率、频道选择以及数据包格式进行灵活配置,并且内置CRC、FEC、自动应答和自动重传机制,可以大大简化系统设计并优化性能。
芯片为时分双工收发器(TDD),接收和发送数据包需在不同时段交替进行。芯片内部高效率的class E功率放大器(PA),在+20dBm输出功率的条件下,约消耗100mA的电流。PA输出功率能在-5dBm至+20dBm范围内进行配置,配置精度约1dB。PA的开启时间可由内部自动倾斜上升曲线控制以减小PA开启时刻对芯片其它模块的干扰并降低多余的频谱扩展。
边栏推荐
- Improve quality with intelligence financial imaging platform solution
- 扬尘噪声监控系统
- 一、multiprocessing.pool.RemoteTraceback
- Review of neural network related knowledge (pytorch)
- 三、如何搞自定义数据集?
- 基于msp430f2491的proteus仿真
- PyTorch中的模型构建
- AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘
- 基于msp430f2491的proteus仿真(实现流水灯)
- HR面必问问题——如何与HR斗志斗勇(收集于FPGA探索者)
猜你喜欢

Pytorch's data reading mechanism

迁移学习——Transfer Joint Matching for Unsupervised Domain Adaptation

HR面必问问题——如何与HR斗志斗勇(收集于FPGA探索者)

PyTorch的数据读取机制

HAL库学习笔记-12 SPI

How to perform POC in depth with full flash distribution?

充电桩应用方案

ML16 neural network (2)

fastText学习——文本分类

虚假新闻检测论文阅读(一):Fake News Detection using Semi-Supervised Graph Convolutional Network
随机推荐
1、 Transmission of file stream on Web page
基于STC51:四轴飞控开源项目原理图与源码(入门级DIY)
迁移学习笔记——Adapting Component Analysis
Jianzhi core taocloud full flash SDS helps build high-performance cloud services
基于FPGA:运动目标检测(原理图+源码+硬件选择,可用毕设)
HAL库学习笔记- 8 串口通信之使用
二、深度学习数据增强方法汇总
ML17-神经网络实战
智能温度控制系统
[target detection] generalized focal loss v1
2022春招——上海安路FPGA岗面经(以及乐鑫SOC面试)
torch.nn.Embedding()详解
基于FPGA:多目标运动检测(手把手教学①)
1、 Focal loss theory and code implementation
基于AD9850的多功能信号发生器
迁移学习——Transitive Transfer Learning
避坑:关于两个HC-05主从一体蓝牙模块互连,连不上问题
HAL库学习笔记-13 I2C和SPI的应用
HAL学习笔记 - 7 定时器之基本定时器
Pytorch Basics (Introductory)