analyse K9F2G08X0A nand flash

本文详细解释了NAND Flash存储器中28根地址线的具体分配方式,包括页内地址、页地址及块地址,并通过实例说明如何进行精确的地址定位。

First. you need to know the G M KB B unit.

1G = 1024M

1M = 1024KB

1KB = 1024Byte, are not bits.

when considering the range of memory address, you must use the 2^7= 128

2^8 = 256

2^10=1024 These units are not M.

for 256 M Memory, we need the 28 address line that will contain the 2^8 + 2^10 + 2^10 Bytes.

If you convert these data from Byte to M, You will find that the data is 256M.

The explanation is very important for you and me.

K9F2G08X0A chip will send 28 address lines to access memory of K9F2G08X0A.

Each bytes has 8 bits, So when you are accessing address, you need to send 5 cycles.

 


http://blog.youkuaiyun.com/pengrui18/article/details/32337297#quote

http://blog.youkuaiyun.com/feihuxiaozi/article/details/6943124


Nand Flash 是有块 页,页内地址组成的,分析第二个链接,你就知道如何从页内地址分析。

对于这个28根地址线,哪几位是页内地址,哪几位是页地址,哪几位是块地址。

解答:

A[11:0]是页内地址,12位,值应该是1208;
A[17:12]是页地址,6位,值应该是25;
A[28:18]是块地址,11位,值应该是1500。
把他们拼起来,在分割为5个字节,从低到高刚好是B8、04、19、77和01。

以K9F2G08U0A为例,此nand flash,一共有2048个块,每个块内有64页,每个页是2K+64 Bytes,假设,我们要访问其中的第1500个块中的第25页中的1208字节处的地址,此时,我们就要先把具体的地址算出来:
物理地址=块大小×块号+页大小×页号+页内地址=1500×128K+25×2K+1208=0xBB8CCB8(196660408),

第一个周期:A[0:7]  也就是B8

第二个周期:A[8:11]  取四位 1100, 再添4位0,也就是0000 1100   即0C

第三个周期:A[12:19]  取八位 1000 1100  即8C

第四个周期:A[20:27]  取八位 1011 1011  即BB

第五个周期:A[28]     取一位 0,补齐八位 即 0000 0000 也就是00



我想说明的问题是A[11:0]总共12位,能够寻址范围为0-4096,但是K9F2G08U0B的页大小为0-2048









MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值