【摘 要】
：
针对DSP平台算法移植时遇到的超长点FFT实现和运算效率问题,本文结合TI公司的TMS320C6678的DSP,利用FFT的分解算法和L2内存段高效的访存效率,将DSP内存数据EDMA搬移与FFT分解计算相并行,设计出一种超长点FFT计算并行处理方法,通过262144点FFT计算描述了该方法的具体实现过程,将DSP计算结果与MAT-LAB结果比对,统计了该方法的计算误差为10-4.最后,在DSP平台上,在相同FFT点数时将直接调用FFT库函数计算,与使用该方法的计算时间进行比较,说明了其在超长点FFT计算
【机 构】
：
中国电子科技集团公司第五十八研究所武汉分公司,武汉430070
论文部分内容阅读
针对DSP平台算法移植时遇到的超长点FFT实现和运算效率问题,本文结合TI公司的TMS320C6678的DSP,利用FFT的分解算法和L2内存段高效的访存效率,将DSP内存数据EDMA搬移与FFT分解计算相并行,设计出一种超长点FFT计算并行处理方法,通过262144点FFT计算描述了该方法的具体实现过程,将DSP计算结果与MAT-LAB结果比对,统计了该方法的计算误差为10-4.最后,在DSP平台上,在相同FFT点数时将直接调用FFT库函数计算,与使用该方法的计算时间进行比较,说明了其在超长点FFT计算具有更好的运算性能.
其他文献
引言rn树莓派与MicroPython相结合是一种面向初学者的友好的编程方式.使用MicroPython添加一个SeeedStudio-RFM95 LoRa模块和一个DS18B20温度传感器,可以快速创建一个LoRaWAN节点.由于只将元器件放在面包板上可能不大稳定,所以本文包含了对PCB的一些建议.
本文在人工智能的基础上利用深度学习结合红外光热成像技术对无人机巡检技术进行研究和优化.首先对红外光热成像技术在电力系统中的应用和无人机巡检技术进行了介绍;然后提出了基于卷积神经网络的目标检测算法,对卷积神经网络的计算原理以及目标检测算法进行说明,并设计了基于深度视觉系统的MobileNetV1-YOLOv3网络预测模型.通过实测分析发现,基于深度学习的轻量级的目标检测网络预测模型定位误差在X、Y、Z三个维度上均低于GPS系统,最小误差仅为0.06 m.
为解决传统电网故障分类器无法准确获得故障线路的信息及定位故障的问题,本文提出了基于深度学习的电网故障预警系统.网络中增加由BI-GRU提取的故障线路时间序列特征,从而提高分类器的精度.此外,通过注意力机制学习不同的故障线路或不同的故障状态的时间序列特征,从而加快网络学习效率.最后,将本文所提框架与LSTM、GRU、BI-LSTM、BI-GRU等网络进行对比,本文所提方法预测准确率可达92.9％.
本文设计了基于深度学习网络的智能交通信号控制系统.使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制.实验结果表明,分别将延迟时间和节点数设置为10 ms和45个,可获得更优异的短时交通流预测效果.
本文设计了基于FPGA和SATA SSD的小尺寸嵌入式存储系统,通过多路高速接口接收数据,采用DDR缓存、DMA仲裁传输和文件管理等技术,利用MicroBlaze软核实现系统运行和读写控制.测试结果表明,该系统体积小巧、功耗较低、使用灵活,可以实现高速数据稳定可靠存储.
为解决传统人脸属性分类训练效率低、模型参数量巨大等问题,本文提出了一种多网络学习框架.该框架包含两个子网络:人脸区域定位网络和属性分类网络,从而实现动态选择不同的人脸区域进行人脸属性预测.此外,本文提出了基于提示的模型压缩技术,在不明显降低准确率的前提下大大压缩网络参数.最后,通过仿真在CelebA人脸属性分类数据集上对所提方法进行性能分析,所提出网络模型平均分类准确率可达到90.89％,网络参数量仅为0.27M.
针对未知地图环境下侦察巡检机器人路径规划算法存在的运算耗时较高、响应慢等问题,提出一种适用于未知地图信息情况下的动态路径规划方法及避障策略.首先,改进跳点搜索算法的关键点生成方法,针对大地图动态环境下的搜索需求提出“指定动态跳点”策略;其次,针对“指定动态跳点”策略在凹型障碍物内不易脱离等问题,提出“重搜索”策略;最后,在凹障碍物环境下开展仿真与实验.实验结果表明:在实验环境下,所提路径规划算法能够在保证运行路径较短的同时,规划算法平均耗时降低73.86％,搜索节点数平均减少71.28％,证明所提算法占用
鸿蒙操作系统作为国产操作系统的代表发展速度迅猛,在嵌入式领域基于鸿蒙系统的应用也越来越广泛.本文是基于Arm Cortex-A7架构的鸿蒙最小系统移植,让我们对鸿蒙系统有一个初步的认识,为国产操作系统完善和在其他场景中的应用奠定基础.
提出一种基于模型(MBD)的倒立摆控制器设计方法.相对于传统软件设计流程,MBD具备代码生成和早期算法验证功能.首先运用Lagrange方程建立倒立摆仿真模型;然后设计基于LMI倒立摆滑模变结构控制器算法模型,在仿真环境下与被控模型结合形成控制综合系统并进行仿真实验;接着自动生成滑模变结构高效嵌入式代码,整合成倒立摆控制软件程序后集成部署至嵌入式电路板中,形成实物倒立摆控制系统.通过实物、仿真系统对比结果验证了MBD方法的可行性.
为优化嵌入式软件可靠性预测智慧可控感知机制,构建了基于连续协同机器学习算法的嵌入式软件可靠性预测模型.构建连续协同机器学习算法机制实现嵌入式软件可靠性精准预测,利用深度LSTM构建时间正序下的嵌入式软件核心要素样本精准预测机制,利用DCNN对数据池后置测试集进行隐性知识感知并输出最优预测结果.最后,对模型开展了工程应用实践验证,结果表明,模型满足嵌入式软件可靠性预测智慧化改造需求,大幅度优化了嵌入式软件可靠性预测智慧可控感知机制.