本书从嵌入式系统的基本组成原理出发，结合汽车中嵌入式系统的所需具备的功能以及特点，分别从其硬件、软件、车载网络通信以及车载嵌入式系统的开发设计方法几个方面介绍嵌入式系统在汽车上的开发与应用。其中，第一章介绍车载嵌入式系统的基本概念，第二章硬件部分的重点是电源技术和抗干扰技术，第三章通信部分的重点是CAN总线的基本概念和应用，在第四章软件部分的重点是实时操作系统、OSEK和Autosar的基本概念。第五章重点介绍了基于V模式的开发流程和开发方法。

本书从嵌入式系统的基本组成原理出发，结合汽车中嵌入式系统的所需具备的功能以及特点，分别从其硬件、软件、车载网络通信以及车载嵌入式系统的开发设计方法几个方面介绍嵌入式系统在汽车上的开发与应用。其中，第一章介绍车载嵌入式系统的基本概念，第二章硬件部分的重点是电源技术和抗干扰技术，第三章通信部分的重点是CAN总线的基本概念和应用，在第四章软件部分的重点是实时操作系统、OSEK和Autosar的基本概念。第五章重点介绍了基于V模式的开发流程和开发方法。

对嵌入式系统的开发感兴趣吗?由于嵌入式系统对效率有很高的要求，所以需要遵循严格的设计原则。怀特专著的《嵌入式系统设计与实践》简单易读，结合传统的软件设计模式和嵌入式程序设计领域中新颖、独特的设计模式，帮助你建立良好的程序设计实践技巧，学习如何针对处理器而非操作系统建立系统架构，以及处理硬件难题与制造需求的特殊技能。本书作者是嵌入式系统专家，创建过各种嵌入式系统，从城市道路监控系统到DNA扫描仪再到儿童玩具。 《嵌入式系统设计与实践》主要内容： ·深入分析嵌入式系统的架构设计步骤和架构设计模式。 ·介绍嵌入式系统中独有的设计模式，如环形缓冲区、中断和定时器、硬件调试、PID控制、系统优化等。 ·如何优化系统以降低成本并提高性能。 ·如何在资源有限的环境中建立健壮的软件架构。 ·探讨了扫描仪、电机以及其他I...(展开全部)

本书按照最新的职业教育教学改革要求，结合国家示范院校建设项目成果，以及作者多年的校企合作经验编写。重点突出课程内容的实践性，把教学内容与高科技产品充分结合，大大提高了教学过程的知识性与趣味性。本书主要内容包括Windows CE操作系统的特性介绍，开发环境的建立，操作系统的创建和调试，内核修改，板级支持包的创建，驱动程序的开发，MP3/MP4应用程序的开发，GPS应用程序的开发等内容。

本书介绍龙芯1B（LS1B）芯片的原理与应用开发，以培养读者的动手能力和增强读者的工程素养为目标，按照项目驱动的思路展开知识的讲解和实践操作。本书基于LS1B开发套件，讲解LS1B的结构及原理，还介绍进行嵌入式系统开发需掌握的GPIO、UART等外设的基本原理与常用库函数，以及国产物联网操作系统RT-Thread的原理及应用开发。最后通过一个综合设计——基于物联网的智慧路灯，让读者熟悉嵌入式系统设计流程。

《嵌入式系统设计的艺术(第2版)》针对嵌入式系统开发中的一些本质问题提出了大量深刻见解，内容涵盖嵌入式系统的开发过程、代码编写、实时性问题等方面。附录部分还给出了固件标准、设计样例及设计指南等方面的丰富内容。 《嵌入式系统设计的艺术(第2版)》是从事嵌入式系统设计和开发的工程技术人员的必备参考书，也可供高等学校相关专业师生参考。

《嵌入式系统设计的艺术(第2版)》针对嵌入式系统开发中的一些本质问题提出了大量深刻见解，内容涵盖嵌入式系统的开发过程、代码编写、实时性问题等方面。附录部分还给出了固件标准、设计样例及设计指南等方面的丰富内容。 《嵌入式系统设计的艺术(第2版)》是从事嵌入式系统设计和开发的工程技术人员的必备参考书，也可供高等学校相关专业师生参考。

本书介绍嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等，并在此基础上介绍了信号处理层面的优化、AI推理算法优化及基于神经网络的AI算法训练—推理联合的优化理论与方法。其中信号处理层面优化介绍了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；对基于神经网络的AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率。此外，本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习算法自动优化和部署工具开发的基本知识，通过应用示例和大量代码说明了AI算法在通用嵌入式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌入式系统开发的知识与技能。

本书介绍嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等，并在此基础上介绍了信号处理层面的优化、AI推理算法优化及基于神经网络的AI算法训练—推理联合的优化理论与方法。其中信号处理层面优化介绍了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；对基于神经网络的AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率。此外，本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习算法自动优化和部署工具开发的基本知识，通过应用示例和大量代码说明了AI算法在通用嵌入式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌入式系统开发的知识与技能。