当前位置: 首页 > news >正文

实验三 触发器及基本时序电路


1.触发器的分类?各自的特点是什么?   

1 D 触发器
特点:只有一个数据输入端 D ,在时钟脉冲的触发沿,输出 Q 的状态跟随输入端 D 的 状态变化,即 Q^{n+1}=D ,功能直观,利于理解和感受。
2 JK 触发器
特点:功能强大,具有两个数据输入端 J K ,能实现置 0 、置 1 、保持和翻转四种功 能。当J=0 K=0 时,保持原状态; J=0 K=1 时置 0 J=1 K=0 时置 1 J=1 K=1 时实 现状态翻转,功能灵活多样,表达式为 Q^{n+1}=J\overline{Q^{n}}+\overline{K}Q^{n}
3 T 触发器
特点:只有一个输入端 T ,当 T=0 时,触发器保持原状态;当 T=1 时触发器在时钟脉 冲的触发沿发生状态翻转即Q^{n+1}=\overline{Q^{n}},这种状态翻转的特性使其在一些需要对信号进行 二分频或实现特定计数功能的电路中非常有用,其表达式为 Q^{n+1}=T\bigotimes Q^{n}

2.设计同步时序电路

用JK触发器设计模为九的二进制减法计数器:

一、状态转换图
9 计数器是指在时钟信号作用下,计数器状态从 8 开始,每次时钟脉冲从到来时状态减一, 当计数到 0 时,下一个时钟状态回到八,形成一个包含 9 个状态的循环,实现模 9 的减法计 数功能,当第一个 CP 到来时产生借位, Y 输出为 1
二、状态转换真值表
三、确定触发器数量和类型
由于要实现的是模为 9 的二进制减法计数器一共需要九个状态,所以需要四个触发器,本次实验中
采用的触发器是 JK 触发器。
四、求激励函数和输出函数
有上述计算结果可知各激励函数分别Q_{3}^{n+1}=Q_{3}^{n}\overline{Q_{2}^{n}}\overline{Q_{1}^{n}}\overline{Q_{0}^{n}},
Q_{2}^{n+1}=Q_{3}^{n}\overline{Q_{2}^{n}}+(Q_{1}^{n}+Q_{0}^{n})Q_{2}^{n},Q_{1}^{n+1}=(Q_{2}^{n}\overline{Q_{0}^{n}}+Q_{3}^{n})\overline{Q_{1}^{n}}+Q_{0}^{n}Q_{1}^{n},
Q_{0}^{n+1}=(Q_{2}^{n}+Q_{3}^{n}+Q_{1}^{n})\overline{Q_{0}^{n}},输出函数Y=\overline{Q_{0}^{n}}\overline{Q_{1}^{n}}\overline{Q_{2}^{n}}\overline{Q_{3}^{n}}
五、逻辑电路图
六、结果分析
由上述图中的波形图结果可知,当Q_{3}^{n}Q_{2}^{n}Q_{1}^{n}Q_{0}^{n}=0000Y=1 表示向借位,之后经过 9 个
CPQ_{3}^{n}Q_{2}^{n}Q_{1}^{n}Q_{0}^{n} 的状态从 0000 到下一状态 1000 再依次减到 0000 ,只有当第一个
CP 到来时 Y 输出为 1 ,其余状态输出为 0
七、判断自启动
由各激励函数的表达式: Q_{3}^{n+1}=Q_{3}^{n}\overline{Q_{2}^{n}}\overline{Q_{1}^{n}}\overline{Q_{0}^{n}}Q_{2}^{n+1}=Q_{3}^{n}\overline{Q_{2}^{n}}+(Q_{1}^{n}+Q_{0}^{n})Q_{2}^{n}, 
Q_{1}^{n+1}=(Q_{2}^{n}\overline{Q_{0}^{n}}+Q_{3}^{n})\overline{Q_{1}^{n}}+Q_{0}^{n}Q_{1}^{n}Q_{0}^{n+1}=(Q_{2}^{n}+Q_{3}^{n}+Q_{1}^{n})\overline{Q_{0}^{n}}可以算出剩下状态的下一状态情况,如下图计算结果所示。
完整的状态转化图:
  由上述转换图可知,不存在无效状态,每一个状态都可以进入有效状态,所以该电路是一个
可以自启动的电路。
八、总结
  本次实验成功的用 JK 触发器设计并制作了一个模为 9 的减法计数器,达到了实验目的。 通过实验深入了解 JK 触发器的工作原理和时序电路的设计方法,掌握了从理论设计到 实际电路搭建,调试和测试的完整过程。
http://www.xdnf.cn/news/274717.html

相关文章:

  • js逆向绕过指纹识别
  • 打电话玩手机检测数据集VOC+YOLO格式8061张1类别
  • PostgreSQL 的 pg_stat_file 函数
  • 【MySQL数据库】用户管理
  • AUTOSAR_BSW_从入门到精通学习笔记系列_EcuM
  • 网络Tips20-003
  • 【学习笔记】深度学习:典型应用
  • ActiveMQ 与其他 MQ 的对比分析:Kafka/RocketMQ 的选型参考(二)
  • LeetCode刷题链表
  • 自监督学习(Self-supervised Learning)李宏毅
  • FiLo++的框架图介绍
  • Oracle OCP认证考试考点详解083系列06
  • JavaWeb:SpringBootWeb增删改查案例
  • terraform resource创建了5台阿里云ecs,如要使用terraform删除其中一台主机,如何删除?
  • 【2025软考高级架构师】——2024年05月份真题与解析
  • 工程师 - 小米汽车尾部主动扩散器
  • 交互式智能体面临问题:回声陷阱,RL滚动塑造因素,感知推理的奖励信号
  • Docker 使用与部署(超详细)
  • 365打卡第R6周: LSTM实现糖尿病探索与预测
  • n8n 快速入门2:构建自动化工作流
  • LangChain4j +DeepSeek大模型应用开发——9 优化硅谷小鹿
  • FreeSwitch Windows安装
  • docker部署Open WebUI下载速度慢解决方法
  • Redis事务
  • Ubuntu 安装 Docker
  • 二叉搜索树的最近祖先(递归遍历)
  • 【神经网络与深度学习】生成模型-单位高斯分布 Generating Models-unit Gaussian distribution
  • Git 远程操作
  • SpringMVC详解
  • R绘图|3分钟复现瑞士“苏黎世大学”Nature全球地图——基于R包ggplot2+sf等