基于FPGA的卷积神经网络加速优化方法

利用当前方法对卷积神经网络进行加速优化处理时,没有分析卷积神经网络前向传播结构,导致卷积神经网络的资源浪费严重以及计算量过大,存在资源消耗率高和网络计算量大的问题,提出基于FPGA的卷积神经网络加速优化方法。构建卷积神经网络前向传播模型,分析了传播结构中卷积层、池化层、激活函数和填充的特点。根据分析结果利用FPGA构建加速器,通过卷积层并行加速可行性分析、基本模块设计、通道并行卷积层加速设计实现卷积神经网络的加速优化,利用流水线方法对卷积窗口进行操作,通过全并行乘法-加法树模块减少卷积神经网络的计算量。实验结果表明,所提方法的资源消耗率低、网络计算量小。

抗间歇采样转发干扰的认知恒模波形设计方法

间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)是一种相干干扰,对雷达信号的干扰效果表现为欺骗性。针对ISRJ匹配滤波后形成的高栅瓣问题,研究了低集成旁瓣电平(integrated sidelobe level,ISL)的波形设计方法。考虑到雷达发射信号的恒模约束,以最小化ISL为目标函数建立优化问题,由于该问题包含非凸四阶目标函数和非凸约束,难以得到闭式解,因此设计了一种加速优化极小化(majorization-minimization,MM)方法进行求解。最后,通过仿真实验和已有算法进行对比,验证了所设计的波形能降低干扰栅瓣,有效对抗ISRJ。