基于现场可编程门阵列的矩阵求逆算法设计

由于自适应抗干扰算法在更新最优权值时存在时间延时,导致很难满足动态环境下的权值更新率要求。针对该情况已有学者对如何实现快速采样矩阵求逆算法进行研究,但仍存在只适用于低维矩阵,且权值更新率慢的问题。为解决上述问题,提出了一种基于Cholesky分解的采样矩阵求逆算法实现架构。该实现架构主要包括协方差矩阵计算模块、Cholesky分解模块、计算下三角矩阵L的逆矩阵模块、三角矩阵相乘和权值计算模块。设计采用流水线加状态机实现结构有效地解决了因高阶采样矩阵求逆运算量大产生的权值更新率慢的问题。仿真结果表明,在现场可编程门阵列(field programmable gate array,FPGA)的硬件平台上,对于56阶采样矩阵,在100 MHz工作频率下,一次权值的更新时间仅需要1.2 ms。本文所提的实现架构为自适应抗干扰快速求解权值提供了一种切实可行的解决方案,对存在类似需求的权值求解系统具有一定的参考价值。

基于FPGA的多通道高速串行数据采集系统设计

针对卫星导航信号抗干扰领域中进行高精度高速多通道数据采集的需要,系统采用ADI公司的16位高速串行AD转换芯片AD9653,完成模数转换,其转换精度可达16比特,转换速率最高为125MSPS。分析AD9653的高速串行数据接口特点,采用Xilinx公司的Kintex-7系列FPGA提供的片同步技术,进行位时钟自适应相位校准和数据帧调整研究,保证了高速串行数据传输的稳定性与正确性。采用内部FIFO数据缓存的方式实现多通道数据的片内同步以保证后续抗干扰算法的正确处理。研究结果表明,使用该方法进行高速串行数据采集时系统稳定可靠、正确无误。为多通道高速串行数据采集提供了一种切实可行的解决方案,对类似需求的数据采集系统具有一定的参考价值。

青山水库工程建设水土保持效益分析

水库工程的修建将对葫芦岛城区的经济发展,对水资源的需求、水环境的改善及流域防洪体系的建设起到基础性保障。通过项目区大量的水土保持工程的建设,将调节季节间水量和区域小气候,使项目区的生态系统向良性方向循环发展。

面向跨媒体检索的层级循环注意力网络模型

目的跨媒体检索旨在以任意媒体数据检索其他媒体的相关数据,实现图像、文本等不同媒体的语义互通和交叉检索。然而,"异构鸿沟"导致不同媒体数据的特征表示不一致,难以实现语义关联,使得跨媒体检索面临巨大挑战。而描述同一语义的不同媒体数据存在语义一致性,且数据内部蕴含着丰富的细粒度信息,为跨媒体关联学习提供了重要依据。现有方法仅仅考虑了不同媒体数据之间的成对关联,而忽略了数据内细粒度局部之间的上下文信息,无法充分挖掘跨媒体关联。针对上述问题,提出基于层级循环注意力网络的跨媒体检索方法。方法首先提出媒体内—媒体间两级循环神经网络,其中底层网络分别建模不同媒体内部的细粒度上下文信息,顶层网络通过共享参数的方式挖掘不同媒体之间的上下文关联关系。然后提出基于注意力的跨媒体联合损失函数,通过学习媒体间联合注意力来挖掘更加精确的细粒度跨媒体关联,同时利用语义类别信息增强关联学习过程中的语义辨识能力,从而提升跨媒体检索的准确率。结果在2个广泛使用的跨媒体数据集上,与10种现有方法进行实验对比,并采用平均准确率均值MAP作为评价指标。实验结果表明,本文方法在2个数据集上的MAP分别达到了0. 469和0. 575,超过了所有对比方法。结论本文提出的层级循环注意力网络模型通过挖掘图像和文本的细粒度信息,能够充分学习图像和文本之间精确跨媒体关联关系,有效地提高了跨媒体检索的准确率。