超高频RFID读写器系统的设计与实现

采用ARM9微处理器为主控制器,射频处理采用奥地利微电子公司的AS3992芯片为核心,设计开发了超高频RFID读写器系统。系统设计了外置功率放大电路、功率探测电路和天线端阻抗匹配调谐电路,使发射机输出功率达到+33 dBm,并有效地提高了接收机信噪比,实现了对符合ISO/IEC 18000-6C 900MHz RFID协议的多标签的稳定高速读写;同时在ARM9硬件平台上移植了嵌入式Linux系统,并设计了读写器Web固件控制系统,以实现多标签盘存和读写器的网络配置等操作,为读卡器之间数据通信和二次开发提供平台。该系统已搭建运行于某电厂运煤车辆出入RFID管理控制系统中,运行结果表明,系统最大稳定读取距离达到10 m,满足了工程需求。

嵌入式异构智能计算系统并行多流水线设计

嵌入式智能计算系统因其功耗受限和多传感器实时智能处理需要,对硬件平台的智能算力能效比和智能计算业务并行度提出了严峻挑战.传统嵌入式计算系统常采用的DSP+FPGA数字信号处理架构,无法适用于多个神经网络模型加速场景.本文基于ARM+DLP+SRIO嵌入式异构智能计算架构,利用智能处理器多片多核多内存通道特性,提出了并行多流水线设计方法.该方法充分考虑智能计算业务中数据传输、拷贝、推理、结果反馈等环节时间开销,为不同的神经网络模型合理分配智能算力资源,以达到最大的端到端智能计算业务吞吐率.实验结果表明,采用并行多流水线设计方法的深度学习处理器利用率较单流水线平均提高约25.2%,较无流水线平均提高约30.7%,满足可见光、红外、SAR等多模图像实时智能处理需求,具有实际应用价值.

气动人工肌肉驱动的微重力环境背部骨肌训练设备研究

航天员在太空执行任务时会长时间暴露在微重力环境下,这会导致航天员的肌肉和骨骼迅速退化,引起肌肉萎缩骨质流失等,严重影响航天员的健康,而对抗训练可以减轻失重带来的这方面影响。目前已有的太空训练设备中没有针对航天员背部的对抗训练设备,因此本文设计了一款由气动人工肌肉驱动的针对航天员背部骨肌的对抗训练设备。本文详细阐述了气动人工肌肉的原理构造与特性,完成了设备的机械结构设计、设备的控制部分设计及其硬件实现。控制系统采用Arduino作为主控制器,高速开关阀作为执行元件对人工肌肉进行控制。实验结果验证了控制系统能够有效地控制气动人工肌肉驱动设备执行训练任务。

基于深度学习的人体腰椎MRI图像自动分割

腰椎间盘病变是导致下背部疼痛的主要原因之一,而腰椎磁共振成像(MRI)图像在其诊断中发挥了关键作用。本研究引入了一种基于深度学习的自动分割方法,旨在增强椎间盘形态结构的识别和分割,从而减轻医疗专业人员手动分割所带来的不便和不一致性。我们采用了著名的分割网络Mask-Rcnn(Mask Region-based Convolutional Neural Network),该网络以其卓越的特征提取能力、出色的目标检测性能和精确的实例分割结果而闻名,因此成为最佳选择。通过利用PyTorch中的神经网络模型库,我们重构了数据集接口并微调了输出层参数,以更好地适应识别和分割腰椎间盘的任务。本研究使用了包含1545张腰椎MRI图像的公开数据集,每张图像都标注了椎间盘等结构。在对数据集进行预处理以保留有关椎间盘的标注后,我们随机选择了450张图像进行测试,其余用于训练。在经过20个训练周期后,我们实现了97.7%的平均精度和98.6%的平均召回率,96.9%的DICE系数。本研究强调了基于深度学习的自动分割方法在显著改善腰椎MRI图像中椎间盘的识别和分割方面的潜力。这种方法在临床应用中具有巨大前景,可能提高疾病诊断的准确性和效率,减轻了医疗专业人员的负担。

基于ARM+DLP+SRIO的嵌入式智能计算系统研究

以x86+GPU为代表的当前主流AI计算平台,受限于功耗、体积、带宽、环境适应性等因素,无法适用于物端及边缘智能计算场景.提出并研究了一种基于ARM+DLP+SRIO的嵌入式智能计算系统,从AI算力、能效比、IO带宽三个方面分析了所提嵌入式智能计算系统的设计思路和技术优势,并实验验证了该系统的功能及性能指标.实验结果表明:基于ARM+DLP+SRIO的嵌入式智能计算系统AI峰值算力达到114.9TOPS,能效比达到1.03TFLOPS/W,IO带宽达到20Gbps.在智能计算系统领域,其能效比优于国内其它已知同类板卡或系统,嵌入式环境适应能力优于传统台式机和服务器,可作为物端及边缘环境下AI计算任务的通用硬件加速平台.