NRF54H20-CKAA-R

Nordic Semiconductor
Nicht zugewiesen
NRF54H20-CKAA-R

Herst.:

Beschreibung:
HF-System auf einem Chip - SoC Wireless SOC, ultra low power 2.4GHz radio + MCU, 2.0MB NVM

Lebenszyklus:
Neues Produkt:
Neu von diesem Hersteller.

Verfügbarkeit

Lagerbestand:

Produktattribut Attributwert Attribut auswählen
Nordic Semiconductor
Produktkategorie: HF-System auf einem Chip - SoC
Bluetooth, BLE
ARM Cortex M33 + RISC-V
10 dBm
-104 dBm to - 100 dBm
Reel
Marke: Nordic Semiconductor
RAM-Datengröße: 1 MB
RAM-Datentyp: Flash
Schnittstellen-Typ: USB, ADC, i3C
Maximale Taktfrequenz: 320 kHz
Montageart: SMD/SMT
Produkt-Typ: RF System on a Chip - SoC
Serie: nRF54H20
Unterkategorie: Wireless & RF Integrated Circuits
Technologie: Si
Produkte gefunden:
Um ähnliche Produkte anzuzeigen, wählen Sie mindestens ein Kontrollkästchen aus
Um ähnliche Produkte in dieser Kategorie anzuzeigen, wählen Sie mindestens ein Kontrollkästchen oben aus.
Ausgewählte Attribute: 0

CAHTS:
8542310000
USHTS:
8542310070
ECCN:
5A992.C

nRF54H20 Multiprotokoll-SoC der 4. Generation

Das Nordic Semiconductor nRF54H20 Multiprotokoll-SoC der 4. Generation ist das erste der nRF54H-Baureihe. Das nRF54H20 ist ein kompaktes, extrem stromsparendes SoC, das über eine hervorragende Verarbeitungsleistung, einen umfangreichen Speicher und einen hervorragenden Wirkungsgrad verfügt. Das Bauteil bietet Multiprotokoll-Funk und hochmoderne Sicherheitsoptionen. Das integrierte Design des nRF54H20 mit einer einzigartigen Kombination von Funktionen ermöglicht Entwicklern den Aufbau innovativer IoT-Produkte. Das Bauelement nRF54H20 von Nordic enthält mehrere Arm® Cortex®-M33-Prozessoren und RISC-V-Coprozessoren, die auf 320 MHz getaktet sind. Jeder Prozessor ist für eine bestimmte Art von Workload optimiert. Die Verarbeitungsleistung des Applikationsprozessors wird im Vergleich zum nRF5340 verdoppelt. Das nRF54H20 bietet einen integrierten Speicher mit 2 MB nichtflüchtigem Speicher und 1 MB RAM, der weniger Strom als externer Speicher verbraucht. Die Verarbeitungsleistung und die Speichermenge machen das Bauteil ideal, für den Betrieb von Machine-Learning-Modellen (ML) und die Sensorfusion am Edge.