当前位置: 首页 > news >正文

龙迅#LT7911E适用于TPYE-C/DP/EDP转MIPIDSI/LVDS应用功能,支持DSC 分辨率缩放,分辨率高达4K60HZ!

1. 描述

LT7911E 是一款高性能 eDP 转 MIPI D-PHY 转换器,旨在将 eDP 源连接到 MIPI 显示面板。
LT7911E 集成了一个符合 eDP1.4 标准的接收器,支持 1.62Gbps 至 5.67Gbps 的输入数据,以 270Mbps 的递增步长,以及一个 2 端口 D-PHY1.2 兼容发射器,
每通道输出数据速率最大为 2Gbps。它还集成了一个 27MHz 振荡器,用于生成参考时钟。
LT7911E 嵌入了一个 PSRAM 用于视频处理,例如帧速率变化、图像缩放。
该器件能够自动运行,这由使用嵌入式 SPI 闪存进行固件存储的集成微处理器实现。系统控制也可通过使用专用配置 I2C 从接口来实现。


2. 功能

• DSC
• eDP1.4 接收器
• MIPI® DSI 发射器
• 视频处理
• 其他

3.应用

• 移动系统
• 显示器
•投屏
•PC副屏

http://www.lryc.cn/news/584054.html

相关文章:

  • 基于联邦学习的医疗数据隐私保护模型设计与实现
  • 【深度学习新浪潮】什么是持续预训练?
  • 网安系列【16】之Weblogic和jboss漏洞
  • Linux驱动06 --- UDP
  • 货车车架和悬架设计cad【7张】+设计说明书
  • 前端面试专栏-算法篇:21. 链表、栈、队列的实现与应用
  • 分布式ID 与自增区别
  • 【spring boot】三种日志系统对比:ELK、Loki+Grafana、Docker API
  • 膨胀卷积介绍
  • XGBoosting算法详解(Boosting思想的代表算法)
  • 字节 Seed 团队联合清华大学智能产业研究院开源 MemAgent: 基于多轮对话强化学习记忆代理的长文本大语言模型重构
  • 深度学习中的常见损失函数详解及PyTorch实现
  • PyTorch Tensor 操作入门:转换、运算、维度变换
  • pytorch 神经网络
  • PyTorch自动微分:从基础到实战
  • 【Pandas】pandas DataFrame from_records
  • 【PyTorch】PyTorch中的数据预处理操作
  • 杰赛S65_中星微ZX296716免拆刷机教程解决网络错误和时钟问题
  • RocketMQ安装(Windows环境)
  • 零成本实现商品图换背景
  • 特征筛选步骤
  • 计算机视觉 之 数字图像处理基础
  • NAT技术(网络地址转换)
  • IPv4和IPv6双栈配置
  • CRT 不同会导致 fopen 地址不同
  • 飞书AI技术体系
  • Java 正则表达式白皮书:语法详解、工程实践与常用表达式库
  • OSPF协议:核心概念与配置要点解析
  • 栈题解——有效的括号【LeetCode】两种方法
  • ACL协议:核心概念与配置要点解析