AD83584D数字音频放大器

AD83584D是一款数字音频放大器,能够将25W(BTL)的功率分别驱动到一对8Ω负载扬声器,并将50W(PBTL)的功率驱动到一个4Ω负载扬声器。在24V电源下工作,无需外部散热器或风扇即可播放音乐。AD83584D还能够在24V电源下驱动4Ω、12W(SE)x2+8Ω、25W(BTL)x1,用于2.1CH应用。
AD83584D可以提供高级音频处理功能,如音量控制、20个EQ频段、混音、3D环绕声和动态范围控制(DRC)。这些都可以通过简单的I²C控制接口进行完全编程。提供了坚固的保护电路,以保护AD83584D免受意外错误操作条件造成的损坏。AD83584D的全数字电路设计比通过模拟电路设计实现的模拟AB类或D类音频放大器更能容忍噪声和PVT(过程、电压和温度)变化。AD83584D在瞬时通电/断电或静音/关机切换过程中不会弹出,因为它具有强大的内置防弹出电路。

特征
16/18/20/24位输入,I²S,左对齐和右对齐数据格式
PSNR和DR(A-加权)
扬声器:98dB(PSNR),108dB(DR)@24V
多采样频率(Fs)
32kH/44.1kH/48k手动
64kH/88.2kH/96k手动
128千赫兹/176.4千赫兹/192千赫兹
系统时钟=64x、128x、192x、256x、384x,
512倍、576倍、768倍、1024倍Fs
32kH/44.1kH/48kHz时为64x~1024x Fs
64kH/88.2kH/96kHz时为64x~512x Fs
128kH/176.4kH/192kHz时为64x~256x Fs
电源电压
数字电路为3.3V
扬声器驱动器8V~26V
支持2.0CH/2.1CH/Mono配置
扬声器输出power@24V用于立体声
10W x 2CH分成8个Ω @0.09%THD+N
15W x 2CH共8个Ω @0.15%THD+N
25W x 2CH成8个Ω @0.28%THD+N
声音处理包括:
20频段参数扬声器均衡器
音量控制(+24dB~-103dB,0.125dB/步)
动态范围控制
双频段动态范围控制
电源剪辑
3D环绕声
通道混合
带迟滞窗口的噪声门
低音/高音控制
低音管理交叉滤波器
直流阻塞高通滤波器
防爆裂设计
短路和过热保护
支持不带MCLK的I²C控制
带可选设备的I²C控制接口
住址
支持BCLK系统
支持硬件和软件重置
内部PLL
低压欠压停机和高压欠压检测
省电模式

应用
电视音频
吊杆盒、CD和DVD接收器、对接系统
电动扬声器
无线音频

 

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.mfbz.cn/a/5370.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

第16章_多版本并发控制

第16章_多版本并发控制 🏠个人主页:shark-Gao 🧑个人简介:大家好,我是shark-Gao,一个想要与大家共同进步的男人😉😉 🎉目前状况:23届毕业生,目…

数据库I (SELECT语句)

目录 一、写在前面 1.0 内容概览 1.1 SQL 分类 1.2 SQL语言的规则与规范 1.2.1 基本规则 1.2.2 SQL大小写规范 (建议遵守) 1.3 注释 1.4 命名规则(暂时了解) 二、基本的SELECT语句 2.0 SELECT... 2.1 SELECT ... FROM…

HTML5 Web Workers

HTML5 Web Workers web worker 是运行在后台的 JavaScript,不会影响页面的性能,更好的解释是,你可以使用web worker提供的一种简单的方法来为web内容在后台线程中运行脚本,这些线程在执行任务的过程中并不会干扰用户界面&#xff…

Java反射复习

Java反射复习1.动态代理2.创建动态代理3.反射4.获取Class对象5. 反射获取构造方法6. 获取成员变量7. 获取成员变量并获取值和修改值8.获取成员方法9. 获取成员方法并运行10. 面试题:11. 练习泛型擦除12 练习:修改字符串的内容13 练习,反射和配…

【新2023Q2模拟题JAVA】华为OD机试 - 寻找密码

最近更新的博客 华为od 2023 | 什么是华为od,od 薪资待遇,od机试题清单华为OD机试真题大全,用 Python 解华为机试题 | 机试宝典【华为OD机试】全流程解析+经验分享,题型分享,防作弊指南华为od机试,独家整理 已参加机试人员的实战技巧本篇题解:寻找密码 题目 小王在进行游…

Nginx 负载均衡及其高可用

优质博文:IT-BLOG-CN 负载均衡(Load Balance): 意思就是分摊到多个操作单元上进行执行,例如Web服务器、FTP服务器、企业关键应用服务器和其他任务服务器等,从而共同完成工作任务。负载均衡建立在现有的网络…

面试官问 : SimpleDateFormat 不是线程安全的,你有了解过吗?

前言 金三银四又有战况: 我们的看官,不能白白牺牲! 现在,立刻,马上,跟我开始复现 ! 开始看我源码分析! 开始了解怎么解决! 正文 复现代码 多线程操作使用SimpleDateForma…

ChatGPT的平替来了?一文总结 ChatGPT 的开源平替,你值得拥有

文章目录【AIGC精选】总结 ChatGPT 的开源平替,你值得拥有1.斯坦福发布 Alpaca 7B,性能匹敌 GPT-3.52.弥补斯坦福 Alpaca 中文短板,中文大模型 BELLE 开源3.国产AI大模型 ChatGLM-6B 开启内测4.中文 Alpaca 模型 Luotuo 开源5. ChatGPT 最强竞…

计算机网络第一章(概述)【湖科大教书匠】

1. 各种网络 网络(Network)由若干**结点(Node)和连接这些结点的链路(Link)**组成多个网络还可以通过路由器互连起来,这样就构成了一个覆盖范围更大的网络,即互联网(互连网)。因此,互联网是"网络的网络(Network of Networks)"**因特…

Mybatis的二级缓存

缓存的概述和分类 概述 缓存就是一块内存空间.保存临时数据 为什么使用缓存 将数据源(数据库或者文件)中的数据读取出来存放到缓存中,再次获取的时候 ,直接从缓存中获取,可以减少和数据库交互的次数,这样可以提升程序的性能! 缓存的适用情况 …

38-二叉树练习-LeetCode145二叉树的后序遍历

题目 给你一棵二叉树的根节点 root ,返回其节点值的 后序遍历 。 示例 1: 输入:root [1,null,2,3] 输出:[3,2,1] 示例 2: 输入:root [] 输出:[] 示例 3: 输入:ro…

让chatGPT当我的老师如何? 通过和chatGPT交互式学习,了解在ES中,一条JSON数据是如何写到磁盘上的

最近一直有一个问题,如鲠在喉。争取早一天解决,早一天踏踏实实的睡觉。 问题是:在ES中,一条JSON数据是如何写入到磁盘上的? 如何解决这个问题?我想到了chatGPT,还有lucene的学习资料。这篇文章&…

【机器学习】决策树(理论)

决策树(理论) 目录一、何为决策树1、决策树的组成2、决策树的构建二、熵1、熵的作用2、熵的定义3、熵的计算4、条件熵的引入5、条件熵的计算三、划分选择1、信息增益( ID3 算法选用的评估标准)2、信息增益率( C4.5 算法…

DetectGPT:使用概率曲率的零样本机器生成文本检测

DetectGPT的目的是确定一段文本是否由特定的llm生成,例如GPT-3。为了对段落 x 进行分类,DetectGPT 首先使用通用的预训练模型(例如 T5)对段落 ~xi 生成较小的扰动。然后DetectGPT将原始样本x的对数概率与每个扰动样本~xi进行比较。…

Springboot 多线程分批切割处理 大数据量List集合 ,实用示例

前言 哲学提问镇贴: 不了解异步怎么使用的看官, 可阅: SpringBoot 最简单的使用异步线程案例 Async_小目标青年的博客-CSDN博客 Springboot Async异步扩展使用 结合 CompletableFuture_小目标青年的博客-CSDN博客 想了解更多关于批量list处…

25- 卷积神经网络(CNN)原理 (TensorFlow系列) (深度学习)

知识要点 卷积神经网络的几个主要结构: 卷积层(Convolutions): Valid :不填充,也就是最终大小为卷积后的大小. Same:输出大小与原图大小一致,那么N ​变成了​N2P. padding-零填充. 池化层(Subsampli…

《程序员面试金典(第6版)》面试题 08.08. 有重复字符串的排列组合(回溯算法,全排列问题)C++

题目描述 有重复字符串的排列组合。编写一种方法,计算某字符串的所有排列组合。 示例1: 输入:S “qqe” 输出:[“eqq”,“qeq”,“qqe”] 示例2: 输入:S “ab” 输出:[“ab”, “ba”] 提示: 字符都是英文字母。…

Mybatis持久层框架 | Lombok搭建

💗wei_shuo的个人主页 💫wei_shuo的学习社区 🌐Hello World ! Lombok Lombok项目是一个java库,它可以自动插入到编辑器和构建工具中,增强java的性能。不需要再写getter、setter或equals方法,只要…

自然语言大模型介绍

1 简介 最近一直被大语言模型刷屏。本文是周末技术分享会的提纲,总结了一些自然语言模型相关的重要技术,以及各个主流公司的研究方向和进展,和大家共同学习。 2 Transformer 目前的大模型基本都是Transformer及其变种。本部分将介绍Transf…

【WEB前端进阶之路】 HTML 全路线学习知识点梳理(上)

前言 HTML 是一切Web开发的基础,本文专门为小白整理,针对前端零基础的朋友们,手把手教你学习HTML,让你轻松迈入WEB开发的行列。 首先,感谢 橙子_ 在HTML学习以及本文编写过程中对我的帮助。 文章目录前言一.HTML简介1.…