飞思卡尔系统基础芯片简化并帮助保护汽车网络

LIN（Local Interconnect Network）是基于通用异步收发器（UART）的串行通信协议作为一种低成本的串行通信网络,用于实现汽车中的分布式电子系统控制,LIN为现有汽车网络（例如CAN总线）提供辅助功能,LIN网络为电机、开关、传感器和灯的连接提供了经济高效的单线主从架构。     

飞思卡尔推出带LCD驱动MCU可降低系统成本、功耗和复杂性

在不断增长的消费类电子和工业控制产品中,LCD显示的应用范围正在扩大。为了满足高效、经济的LCD应用需求,飞思卡尔半导体推出了三种8位微控制器（MCU）系列,旨在降低基于LCD显示的嵌入式应用的系统成本和功耗。     

45 nm PowerQUICC处理器兼具低功率、高性能和最佳的灵活性

对于下一代基站的开发人员而言,高性能、低功率和吸引人的价位,始终是令人无法抗拒的组合.近期飞思卡尔采用45nm制造技术实现了这些优势,推出了MPC8569E PowerQUICCⅢ通信处理器,比竞争产品领先了一至两代.     

飞思卡尔关注绿色、健康、网络三大主题

绿色节能、健康和安全以及网络连接,是飞思卡尔技术路线演进的主体方向.我们可以清晰的看到飞思卡尔的技术、产品的走向紧密围绕着这几个方面,绿色能源及相关的控制系统;实现保障生命的健康和安全体系,让电子产品更加智能的互联,飞思卡尔致力于构建更加美好和和谐的新电子时代.     

移动游戏市场不是简单的游戏

移动手机拥有广泛的应用面,移动运营商希望借此驱动数据应用的收益,其中移动游戏是名列最前端的目标.在第三代网络中,手机的生产和市场定位为游戏手机,游戏将是移动用户能够获得的一系列更好的服务之一.     

飞思卡尔推出QorIQ通信平台 首款8核微处理器行业最高标准

飞思卡尔半导体推出QorIQ P4080多核处理器,一个旨在为嵌入式多核空间中的性能.功效和编程性设定新标准的非常先进的8核通信处理器.P4080多核处理器是飞思卡尔新QorIQ平台的标志性成员,基于45nm处理技术.     

面向汽车信息娱乐市场飞思卡尔升级高品质的车用i.MX应用处理器

今天的汽车正在从传统的代步工具,演进成为个人通信、多媒体和信息共享的新一代网络中心.随着对汽车信息、娱乐和安全系统性能要求的提升,飞思卡尔半导体宣布推出两种汽车级版本的i.MX31应用处理器.     

飞思卡尔推出新系列带LCD驱动的单片机以降低系统成本、功耗和复杂性

为满足高效、经济LCD应用需求,飞思卡尔半导体推出了三种8位微控制器(MCU)系列,旨在降低基于LCD显示的嵌入式应用的系统成本和功耗.     

飞思卡尔动力总成微控制器提供排放控制抗击全球变暖

为了减少引发温室效应及全球变暖的汽车排放问题,飞思卡尔半导体现已在32位汽车微控制器(MCU)系列中引入集成的排放控制技术.与飞思卡尔其它动力总成微控制器类似,这些MCU帮助减少二氧化碳废气,为新兴市场提供经济高效且精密的引擎控制设计.     

Human motion prediction using optimized sliding window polynomial fitting and recursive least squares

Human motion prediction is a critical issue in human-robot collaboration (HRC) tasks. In order to reduce thelocal error caused by the limitation of the capture range and sampling frequency of the depth sensor, a hybrid human motion prediction algorithm, optimized sliding window polynomial fitting and recursive least squares (OSWPF-RLS) was proposed. The OSWPF-RLS algorithm uses the human body joint data obtained under the HRC task as input, and uses recursive least squares (RLS) to predict the human movement trajectories within the time window. Then, the optimized sliding window polynomial fitting (OSWPF) is used to calculate the multi-step prediction value, and the increment of multi-step prediction value was appropriately constrained. Experimental results show that compared with the existing benchmark algorithms, the OSWPF-RLS algorithm improved the multi-