Zoekresultaten voor "seeed OR studio OR water OR cooling OR kit OR for OR raspberry OR pi OR 5"

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. The RISC-V Open-Source Processor Architecture16 Boards and MCUs You Should Know An FPGA-Based Audio Player with Equalizer (1)Mixing Digital Audio with an Arduino MKR Vidor 4000 Laser Head for Pico-Based Sand ClockDrawing with Light Enter the STM32 Edge AI Contest A Multi-Sensor Environmental Monitoring System for PlantsWireless Measurement of Water Supply and Light Conditions Maixduino AI-Powered Automatic DoormanFace Detection with a Camera Embedded Electronics 2024AI Is Set to Redefine the Industry Charge-Based In-Memory Compute at EnCharge AI AI Inferencing at 10 Times Lower Power and 20 Fold Lower Cost Click Board Helps Develop and Train ML Models for Vibration Analysis The Elektor Mini-WheelieA Self-Balancing Robot Kit MCU, I See YouMCUViewer Open-Source Multiplatform Debugging Tool USB 2.0 IsolatorElectrically Isolated Connections for USB Devices Intervention Before DamagePredictive Maintenance in Practice SPoE – Electromagnetic CompatibilitySingle-Pair with Power-Over-Ethernet Through the Eyes of EMC Color TV: A Wonder of Its TimeCreating a New World ECG Graph MonitoringAn Implementation with Hexabitz Modules and an STM32CubeMonitor The Battle for AI at the Edge HaLow Hits Record 16-km Wi-Fi Distance at 900 MHz First CHERI RISC-V Embedded Chip and Early Access Programme Third-Generation Wildfire Detection Uses Satellite Links From Life’s ExperienceChoice Overload Starting Out in Electronics……Continues Filtering and Controls Tone Quasi-Analog ClockworkA Remake of an Elektor Classic A Modular Approach to Sensor TestingThe ESP32-S3-Based Sensor Evaluation Board 2025: An AI OdysseyThe Rise of Foundation Models and Their Role in Democratizing AI Raspberry Pi Standalone MIDI Synthesizer (1)Preparing a Platform for Some Edge AI Experiments Err-lectronicsCorrections, Updates, and Readers’ Letters Universal AI RISC-V Processor Does It All — CPU, GPU, DSP, FPGA CEO Interview: Ventiva’s Thin and Cool Tech Dual-Core Programming with a Raspberry Pi PicoVenture Into the World of Parallel Programming

Lees (+) (–)

Le téléchargement intégral de ce numéro est disponible pour nos membres GOLD et GREEN sur le site Elektor Magazine !Pas encore membre ? Cliquez ici.Super Servo TesterTestez jusqu'à quatre servos, isolés ou in situsignaux analogiques et microcontrôleursCA/N, CN/A, mesure du courant, et plusEmbedded World 2023l'échantillonnage sub-Nyquist en pratiquecapture fiable des hautes fréquences à l'aide du sous-échantillonnageconnecter un smartphone Android à un ESP32 ?projet pratique avec l'API wifi d'Androidfiltre actif 1 kHz pour mesures de distorsionmesures améliorées par l'optimisation du signal de mesuredémarrer en électronique... multivibrationsProjet 2.0corrections, mises à jour et messages de lecteursle nouveau protocole I3Ceffet d'annonce ou vrai progrèsBlueRC : télécommande IR avec smartphone et ESP32adaptative et universellela documentation des microcontrôleurs sans peine (2)registres et schémas de principeautomatisation des tests et des mesuresprogrammation de l'équipement d'essai pour qu'il fasse ce que vous voulezInfographie : test et mesureimmunité contre les surtensionsprotection pour modules de puissance CC/CC non isolésappareil de mesure Wihatesteurs et compteurs d'installation sur lesquels vous pouvez compterautomatisation des tests et partage des résultatssur le vifl'électronique des blocsenregistreur de données énergétiquesmesurer et enregistrer la consommation d'énergieassemblage du kit Rover M.A.R.S. de 4tronixdisque de stationnement avec affichage e-papierune version informatisée innovanteeCO₂ Telegram botmesureur de la qualité de l'air avec notification par Telegramles coulisses de l'audio haut de gamme maisonTon Giesberts d'Elektor interviewé sur l'art de la conception analogiquevisite à domicilenouvelle ciblelecture d'étiquettes RFID et serrure de porte RFIDexemples de projets tirés du guide d'expérimentation pour Arduino d'ElektorSondes de courant RF pour oscilloscopeLa mesure de courants RF sans peinepas pour les mauviettes - kit bras robotiqueavec Raspberry Pi Pico et MicroPythonIA générativeMais qui a fait ça ?Hexadoku

Lees (+) (–)

Elektor GREEN en GOLD leden kunnen deze uitgave hier downloaden. Nog geen lid? Klik hier om een lidmaatschap af te sluiten. De open-source processorarchitectuur RISC-V16 boards en MCU's die je moet kennen Een FPGA-gebaseerde audiospeler met equalizer (1)Digitaal audio mixen met een Arduino MKR Vidor 4000 Laserkop voor pico-gebaseerde zandklokTekenen met licht Doe mee aan de STM32 Edge AI Contest Een multi-sensor plantenmonitor-systeemdraadloze meting van watertoevoer en lichtomstandigheden Maixduino AI-gestuurde automatische portiergezichtsdetectie met een camera Embedded Electronics 2024AI gaat de industrie opnieuw vormgeven Lading-gebaseerde in-Memory computing bij EnCharge AI AI-Inferentie met 10 Keer Lager Energieverbruik en 20 Keer Lagere Kosten Click board ondersteunt het ontwikkelen en trainen van ML-modellen voor trillingsanalyse De Elektor Mini-WheelieEen kit voor een zelfbalancerende robot MCU, ik zie jeMCUViewer: open-source multiplatform debugging-tool USB 2.0-isolatorelektrisch geïsoleerde USB-aansluiting Voorkomen is betervoorspellend onderhoud in de praktijk SPoE – Elektromagnetische compatibiliteitSingle pair met Power-over-Ethernet door de ogen van EMC Retro techEen nieuwe wereld met kleurentelevisie ECG-monitorimplementatie met Hexabitz-modules en een STM32CubeMonitor De strijd om AI aan de edge Met HaLow Wi-Fi is een record afstand bereikt van 16 km op 900 MHz Eerste CHERI RISC-V Embedded Chip en Early Access programma Derde generatie bosbranddetectie maakt gebruik van satellietverbindingen Uit het leven gegrepenkeuzestress Alle begin......filtert verder en regelt tonen Quasi-analoog uurwerkwedergeboorte van een Elektor-klassieker Een modulaire sensortesterSensor-evaluatieboard met ESP32-S3 2025: Een AI-OdysseeDe opkomst van foundation modellen en hun rol in het democratiseren van AI Raspberry Pi standalone MIDI-synthesizer (1)voorbereiding van een platform voor enkele edge-AI-experimenten Err-lectronicsCorrecties, updates en brieven van lezers Universele AI RISC-V processor doet ze allemaal - CPU, GPU, DSP, FPGA Interview met de CEO: Ventiva's dunne en coole technologie Dual-core programmeren met een Raspberry Pi Picoduik in de wereld van parallel programmeren

Lees (+) (–)

Le téléchargement intégral de ce numéro est disponible pour nos membres GOLD et GREEN sur le site Elektor Magazine ! Pas encore membre ? Cliquez ici. qu’est-ce que l’edge AI ?L’IA, intégrée à l’appareil découvrez Edge Impulse StudioConcevez et déployez facilement des modèles d’IA en périphérie détection de mots-clés avec Edge ImpulseCollecter, entraîner et déployer contrôle d’appareils par commande vocale avec le Nordic Thingy:53 Termes clés pour comprendre l’edge AI et le machine learning cours accéléré : démarrez avec Edge ImpulseApprenez à collecter, entraîner et déployer un modèle ML avec l’Arduino Nano 33 BLE Sense un nouveau chapitre pour ArduinoD’une carte pour amateurs à une plateforme d’edge computing premiers pas avec la détection d’objets sur des appareils edge détection de défauts sur circuits imprimésVision par ordinateur avec Raspberry Pi adapter l’IA aux appareils les plus compacts optimiser l’efficacité énergétique des appareils edge AI alimentés sur batterie grille-pain intelligentL’IA qui reconnaît le toast parfait Thundercomm Rubik Pi 3Raspberry Pi et l’edge AI, enfin réunis Leadership, ML embarqué et révolution de l’IA en périphérie modèles vision-langage en périphérieCascade de modèles pour une meilleure fiabilité découvrez Edge ImpulseQuestions de la communauté Elektor mise à jour du projet n°5 : Compteur d’énergie ESP32Utiliser l’Edge AI pour identifier les charges domestiques reconnaissance de mouvements avec détection d’anomaliesUn tutoriel détaillé système de ventilation intelligent : fusion des données sonores et environnementalesUtilisation d’un microcontrôleur double-cœur et du ML pour l’automatisation des fenêtres et persiennes intégrer la commande vocale aux écouteurs et aux casques l'IA en périphérie : au cœur des appareils de demain

Lees (+) (–)

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. What to expect This Elektor edition guest-edited by Edge Impulse explores the edge AI workflow, from data collection and model training to deployment and optimization: End-to-End Edge AIA hands-on object detection series that walks through the complete machine learning pipeline on embedded hardware. High-Resolution, High-Speed Object Counting (Nvidia Jetson Nano, TensorRT)Pushing inference speed and precision for visual counting applications. PCB Defect Detection with Computer Vision (Raspberry Pi)Smarter manufacturing through embedded vision. Smart Building Ventilation with Sensor FusionAI-powered environmental optimization for energy efficiency. Analog Meter Reading (Arduino Nicla Vision)A TinyML approach to automating analog infrastructure. Smart Appliance Control Using Voice Commands (Nordic Thingy:53)Speech recognition at the edge. Liquid Classification with TinyML (Seeed Wio Terminal + TDS Sensor)Combining IoT sensing and embedded ML for fluid analysis. Surgery Inventory Object DetectionApplying real-time vision to healthcare logistics. Plus, the magazine includes exclusive interviews with: Edge Impulse co-founders Zach Shelby and Jan Jongboom; Qualcomm Technologies VP of product management Manny Singh; and EDGE AI FOUNDATION CEO Pete Bernard. Also included are a Tech the Future essay titled "AI at the Edge: Powering the Next Generation of Devices," an Industry Case Study on GlobalSense, and more. Contents What the Heck Is Edge AI Anyway?Bringing Intelligence to the Device Meet Edge Impulse StudioEasily Build and Deploy Edge AI Models Keyword Spotting with Edge ImpulseCollect, Train, and Deploy Smart Appliance Control Using Voice Commands with the Nordic Thingy:53 Key Terms for Understanding Edge AI and Machine Learning Crash Course: Getting Started with Edge ImpulseLearn to Collect, Train, and Deploy an ML Model with the Arduino Nano 33 BLE Sense A New Chapter for ArduinoFrom Hobby Board to Edge Computing Powerhouse Getting Started with Object Detection on Edge Devices PCB Defect DetectionComputer Vision with Raspberry Pi Scaling AI to the Smallest Devices Optimizing Power Efficiency in Battery-Driven Edge AI Devices AI ToasterWhen Edge AI Meets Breakfast Thundercomm Rubik Pi 3Raspberry Pi Familiarity Meets Edge AI Leadership, Embedded ML, and the Edge Revolution Vision Language Models for the EdgeCascading Models for Better Reliability Get to Know Edge ImpulseQuestions from the Elektor Community Project Update #5: ESP32-Based Energy MeterUsing Edge AI to Recognize Household Loads Motion Recognition with Anomaly DetectionAn End-to-End Tutorial Smart Ventilation System: Fusing Sound and Environmental DataA Dual-MCU Machine Learning Approach for Automated Window and Louver Control Bringing Voice Control to Earbuds and Headsets AI at the Edge: Powering the Next Generation of Devices

Lees (+) (–)

Learn programming for Alexa devices, extend it to smart home devices and control the Raspberry Pi The book is split into two parts: the first part covers creating Alexa skills and the second part, designing Internet of Things and Smart Home devices using a Raspberry Pi. The first chapters describe the process of Alexa communication, opening an Amazon account and creating a skill for free. The operation of an Alexa skill and terminology such as utterances, intents, slots, and conversations are explained. Debugging your code, saving user data between sessions, S3 data storage and Dynamo DB database are discussed. In-skill purchasing, enabling users to buy items for your skill as well as certification and publication is outlined. Creating skills using AWS Lambda and ASK CLI is covered, along with the Visual Studio code editor and local debugging. Also covered is the process of designing skills for visual displays and interactive touch designs using Alexa Presentation Language. The second half of the book starts by creating a Raspberry Pi IoT 'thing' to control a robot from your Alexa device. This covers security issues and methods of sending and receiving MQTT messages between an Alexa device and the Raspberry Pi. Creating a smart home device is described including forming a security profile, linking with Amazon, and writing a Lambda function that gets triggered by an Alexa skill. Device discovery and on/off control is demonstrated. Next, readers discover how to control a smart home Raspberry Pi display from an Alexa skill using Simple Queue Service (SQS) messaging to switch the display on and off or change the color. A node-RED design is discussed from the basic user interface right up to configuring MQTT nodes. MQTT messages sent from a user are displayed on a Raspberry Pi. A chapter discusses sending a proactive notification such as a weather alert from a Raspberry Pi to an Alexa device. The book concludes by explaining how to create Raspberry Pi as a stand-alone Alexa device.

Lees (+) (–)

De Siglent SSA3015X Plus spectrum analyzer is een krachtig en flexibel hulpmiddel voor RF signaal- en netwerkanalyse. Met een frequentiebereik van 7,5 GHz levert de analyzer betrouwbare automatische metingen en meerdere werkingsmodi: spectrum analyzer als basisfunctie, en optionele functies als RF-vermogensmeting, vectorsignaal-modulatieanalyse, reflectiemeting en EMI-test.Toepassingen zijn onder meer monitoring/evaluatie van zendsignalen, metingen op locatie, S-parameter meting, analoge/digitale modulatie analyse, EMI pre-compliance test, onderzoek en ontwikkeling, onderwijs, productie en onderhoud.Kenmerken Spectrum analyzer frequentiebereik van 9 kHz tot 7,5 GHz –165 dBm/Hz Displayed Average Noise Level (typ.) –98 dBc/Hz. @ 10 kHz Offset Phase Noise (1 GHz, typ.) Level Measurement Uncertainty< 0,7 dB (typ.) 1 Hz minimale Resolution Bandwidth (RBW) Voorversterker (standaard) Tracking generator (inbegrepen, gratis) Analoge en digitale signaalmodulatie-analyse modus (optioneel) Reflectie meetkit (optioneel) EMI filter en quasi-peak detector kit (optioneel) Advanced Measurement Kit (optioneel) 10,1-inch multi-touch scherm, muis en toetsenbord ondersteund Webbrowser afstandsbediening op pc en mobiele terminals, en bediening via files Specificaties SSA3015X Plus SSA3021X Plus SSA3032X Plus SSA3075X Plus Frequentiebereik 9 kHz ~ 1,5 GHz 9 kHz ~ 2,1 GHz 9 kHz ~ 3,2 GHz 9 kHz ~ 7,5 GHz Resolutie bandbreedte 1 Hz ~ 1 MHz 1 Hz ~ 1 MHz 1 Hz ~ 1 MHz 1 Hz ~ 3 MHz Phase Noise <–99 dBc/Hz <–98 dBc/Hz <–98 dBc/Hz <–98 dBc/Hz Total Amplitude Accuracy < 1,2 dB < 0,7 dB < 0,7 dB < 0,7 dB Display Average Noise Level –156 dBm/Hz –161 dBm/Hz –161 dBm/Hz –165 dBm/Hz Inbegrepen Siglent SSA3075X Plus spectrum analyzer USB kabel Netsnoer Quick Start gids Downloads Datasheet Manual Documentation Firmware

Lees (+) (–)

The 2-channel OWON XDG2035 is a function/waveform generator that can generate signals with a maximum frequency of 35 Hz. The generator has a resolution of 1 µHz and a sample rate of 500 MSa/s.The OWON XDG2035 is capable of generating 6 standard waveforms and 150 arbitrary waveforms. With the included software you can write advanced functions up to 10 million points. Waveforms can be saved to the function generator's internal memory using a PC via USB or LAN.The OWON XDG2035 also supports SCPI commands and LabView. The function generator has an integrated high-quality frequency counter, which can operate from 100 to 200 MHz.Features Max. 35 MHz frequency output 500 MSa/s Sample rate, Vertical resolution 1μHz 14 bits Vertical Resolution, 10 Marb waveform length Comprehensive waveform output: 6 basic waveforms,and 150 built-in arbitrary waveforms Comprehensive modulation functions: AM, FM, PM, FSK, 3FSK, 4FSK, PSK, OSK, ASK, BPSK, PWM, Sweep, and Burst High-accuracy frequency counter integrated, supported range 100-200 MHz SCPI and LabVIEW supported 7 inch multi-touch screen (800 x 480 pixels) Specifications Channel 2 Frequency Output 35 MHz Sample Rate 500 MSa/s Vertical Resolution 14 bits Waveform Standard Waveform sine, square, pulse, ramp, noise, and harmonic Arbitrary Waveform exponential rise, exponential fall, sin(x)/x, step wave, and others, total 150 built-in waveforms, and user-defined arbitrary waveform Frequency (resolution 1 μHz) Sine 1 μHz-100 MHz Square 1 μHz ~ 30 MHz Pulse 1 μHz ~ 25 MHz Ramp 1 μHz ~ 3 MHz Noise (-3 dB, typical) 100 MHz Arbitrary Waveform 1 μHz ~ 15 MHz Harmonic 1 μHz ~ 50 MHz Accuracy ±2ppm, 25°C ±5°C Waveform Length 2 points - 10M points Amplitude Into 50Ω load 1mVpp ~ 10Vpp (≤25 MHz); 1mVpp ~ 5Vpp (≤60 MHz); 1mVpp ~ 2.5Vpp (≤100 MHz) Modulation Type AM, DSB-AM, FM, PM, ASK, FSK, PSK, BPSK, QPSK, 3FSK, 4FSK, OSK, PWM, SUM Frequency Counter Function Frequency, period, +width, -width, +duty, and -duty Frequency Range 100 ~ 200 MHz Frequency Resolution 7 digits Input/Output Input mode frequency counter, external modulation input, external trigger input, internal clock output, external reference clock input/output Communication Interface USB Host, USB Device, LAN, RS232 (optional) Mechanical specifications Dimensions 340 x 177 x 90 mm Weight 2.3 kg Included 1x OWON XDG2035 1x Power Cord 1x CD-ROM 1x Quick start guide 1x USB Cable 1x BNC-BNC Cable DownloadsQuick Guide

Lees (+) (–)

Le téléchargement intégral de ce numéro est disponible pour nos membres GOLD et GREEN sur le site Elektor Magazine ! Pas encore membre ? Cliquez ici. qu’est-ce que l’edge AI ?L’IA, intégrée à l’appareil découvrez Edge Impulse StudioConcevez et déployez facilement des modèles d’IA en périphérie détection de mots-clés avec Edge ImpulseCollecter, entraîner et déployer contrôle d’appareils par commande vocale avec le Nordic Thingy:53 Termes clés pour comprendre l’edge AI et le machine learning cours accéléré : démarrez avec Edge ImpulseApprenez à collecter, entraîner et déployer un modèle ML avec l’Arduino Nano 33 BLE Sense un nouveau chapitre pour ArduinoD’une carte pour amateurs à une plateforme d’edge computing premiers pas avec la détection d’objets sur des appareils edge détection de défauts sur circuits imprimésVision par ordinateur avec Raspberry Pi adapter l’IA aux appareils les plus compacts optimiser l’efficacité énergétique des appareils edge AI alimentés sur batterie grille-pain intelligentL’IA qui reconnaît le toast parfait Thundercomm Rubik Pi 3Raspberry Pi et l’edge AI, enfin réunis Leadership, ML embarqué et révolution de l’IA en périphérie modèles vision-langage en périphérieCascade de modèles pour une meilleure fiabilité découvrez Edge ImpulseQuestions de la communauté Elektor mise à jour du projet n°5 : Compteur d’énergie ESP32Utiliser l’Edge AI pour identifier les charges domestiques reconnaissance de mouvements avec détection d’anomaliesUn tutoriel détaillé système de ventilation intelligent : fusion des données sonores et environnementalesUtilisation d’un microcontrôleur double-cœur et du ML pour l’automatisation des fenêtres et persiennes intégrer la commande vocale aux écouteurs et aux casques l'IA en périphérie : au cœur des appareils de demain

Lees (+) (–)

Tout sur les protocoles et leur mise en œuvre avec Arduino Initialement destiné aux véhicules routiers, le réseau CAN (« Controller Area Network ») et son successeur le réseau CAN FD (« Flexible Data ») ont vu leurs champs d’application s’élargir à de nouveaux domaines. L’industrie propose de nombreux modules microcontrôleurs dotés d’une interface CAN et/ou CAN FD. L’environnement de développement Arduino a démocratisé la programmation de ces modules et il existe des bibliothèques qui implémentent un pilote CAN et/ou un pilote CAN FD. La première partie dresse un rapide historique des réseaux CAN et CAN FD et expose la problématique des lignes de transmission en abordant succinctement leur théorie et présentant des résultats de simulation Spice. La deuxième partie est consacrée au réseau CAN, en détaillant successivement la fonction logique du réseau, les transcepteurs, les contrôleurs, la topologie la plus classique (le bus) et d’autres moins courantes, les répéteurs et les passerelles. Les aspects particuliers du protocole, tels que le bit stuffing, l’arbitrage, les trames d’erreur, la détection des erreurs sont exposés. La discussion de la fiabilité du protocole est illustrée par des exemples mettant en évidence ses faiblesses. La troisième partie présente le protocole CAN FD, ses deux variantes CAN FD ISO et CAN FD non ISO, leurs fiabilités, leurs faiblesses, mises en évidence par des exemples. Différents transcepteurs et contrôleurs CAN FD sont décrits. La quatrième partie est dédiée aux applications : comment utiliser les services d’un pilote, concevoir une messagerie, utiliser un analyseur logique. Deux exemples d’application terminent cette partie. Ce livre s’adresse aux amateurs et aux ingénieurs non spécialistes pour comprendre les possibilités qu’offre un réseau CAN et comment on le met en œuvre. Un enseignant trouvera des informations pour approfondir ses connaissances et pour concevoir des travaux pratiques. Une connaissance des microcontrôleurs, de leur programmation, de l’électronique numérique aidera à la lecture des schémas. La connaissance du langage C++ et du langage de simulation électronique Spice facilitera la compréhension des programmes qui sont décrits dans le livre. Tous les codes source sont disponibles sur le dépôt GitHub de l’auteur. Téléchargements GitHub

Lees (+) (–)

De Siglent SSA3032X Plus spectrum analyzer is een krachtig en flexibel hulpmiddel voor RF signaal- en netwerkanalyse. Met een frequentiebereik van 3,2 GHz levert de analyzer betrouwbare automatische metingen en meerdere werkingsmodi: spectrum analyzer als basisfunctie, en optionele functies als RF-vermogensmeting, vectorsignaal-modulatieanalyse, reflectiemeting en EMI-test.Toepassingen zijn onder meer monitoring/evaluatie van zendsignalen, metingen op locatie, S-parameter meting, analoge/digitale modulatie analyse, EMI pre-compliance test, onderzoek en ontwikkeling, onderwijs, productie en onderhoud.Kenmerken Spectrum analyzer frequentiebereik van 9 kHz tot 3,2 GHz –161 dBm/Hz Displayed Average Noise Level (typ.) –98 dBc/Hz. @ 10 kHz Offset Phase Noise (1 GHz, typ.) Level Measurement Uncertainty< 0,7 dB (typ.) 1 Hz minimale Resolution Bandwidth (RBW) Voorversterker (standaard) Tracking generator (inbegrepen, gratis) Analoge en digitale signaalmodulatie-analyse modus (optioneel) Reflectie meetkit (optioneel) EMI filter en quasi-peak detector kit (optioneel) Advanced Measurement Kit (optioneel) 10,1-inch multi-touch scherm, muis en toetsenbord ondersteund Webbrowser afstandsbediening op pc en mobiele terminals, en bediening via files Specificaties SSA3015X Plus SSA3021X Plus SSA3032X Plus SSA3075X Plus Frequentiebereik 9 kHz ~ 1,5 GHz 9 kHz ~ 2,1 GHz 9 kHz ~ 3,2 GHz 9 kHz ~ 7,5 GHz Resolutie bandbreedte 1 Hz ~ 1 MHz 1 Hz ~ 1 MHz 1 Hz ~ 1 MHz 1 Hz ~ 3 MHz Phase Noise <–99 dBc/Hz <–98 dBc/Hz <–98 dBc/Hz <–98 dBc/Hz Total Amplitude Accuracy < 1,2 dB < 0,7 dB < 0,7 dB < 0,7 dB Display Average Noise Level –156 dBm/Hz –161 dBm/Hz –161 dBm/Hz –165 dBm/Hz Inbegrepen Siglent SSA3032X Plus spectrum analyzer USB kabel Netsnoer Quick Start gids Downloads Datasheet Manual Documentation Firmware

Lees (+) (–)

Elektor GREEN en GOLD leden kunnen deze uitgave hier downloaden. Nog geen lid? Klik hier om een lidmaatschap af te sluiten. Wat is Edge-AI nu eigenlijk?Intelligentie naar het apparaat brengen Maak kennis met Edge Impulse StudioEenvoudig Edge-AI modellen bouwen en implementeren Keyword spotting met Edge ImpulseVerzamelen, trainen en implementeren Slimme apparaten bedienen via spraakbesturing met de Nordic Thingy:53 Sleutelbegrippen voor het begrijpen van Edge AI en Machine Learning Snelcursus: Aan de slag met Edge ImpulseLeer een ML-model te verzamelen, trainen en implementeren met de Arduino Nano 33 BLE Sense Een nieuw hoofdstuk voor ArduinoVan hobbyboard tot Edge computing-krachtpatser Aan de slag met objectdetectie op edge-apparaten Detectie van defecten op printplatenComputer Vision met de Raspberry Pi AI op maat maken voor de kleinste apparaten Optimalisatie van het energieverbruik in batterijgevoede Edge-AI apparaten AI ToasterWanneer Edge-AI en ontbijt samenkomen Thundercomm Rubik Pi 3Raspberry Pi ervaring in combinatie met Edge AI Leiderschap, Embedded ML en de Edge-revolutie Vision language models voor EdgeModel-cascadering voor betere betrouwbaarheid Maak kennis met Edge ImpulseVragen van de Elektor-community Projectupdate #5: Energiemeter op basis van ESP32Edge-AI gebruiken voor herkenning van huishoudelijke verbruikers Bewegingsherkenning met anomalie-detectieEen uitgebreide training Slim ventilatiesysteem: integratie van geluids- en omgevingsgegevensEen machine learning toepassing met dubbele MCU voor geautomatiseerde bediening van ramen en lamellen Spraakbesturing voor oordopjes en headsets Edge-AI: de volgende generatie apparaten mogelijk maken

Lees (+) (–)