基于FPGA的TDC设计及非线性校正

时间数字转换电路是飞行时间质谱仪和火星能量粒子分析仪中必不可少的环节,其分辨率和精度的高低将直接决定飞行时间质谱仪和火星能量粒子分析仪中的粒子鉴别能力。文章利用FPGA内进位链结合粗计数的方法完成了对时间数字转换器的设计,采用Xilinx Spartan-6系列FPGA完成。设计了码密度测试法对进位链中延迟单元的延迟时间进行测量,在测试时发现其进位链中存在延迟时间较大的延迟单元,严重影响时间数字转换器测量的非线性程度。为解决这一问题,采用bin-by-bin的校准方式对延迟链非线性进行修正,提高TDC的测量精度。

基于嵌入式平台与DNN-HMM的中文儿童语音能力评估研究

儿童语音能力评估对提高其语言发展规律的认识,促进儿童语言、认知和社交能力的全面发展有重要意义。利用嵌入式硬件平台及深度神经网络隐马尔可夫模型(DNN-HMM)开展中文儿童语音能力评估研究。首先,使用LD3320语音芯片设计嵌入式硬件平台,然后利用线性校正单元构建深度神经网络,利用构建的DNN-HMM模型对中文儿童语音数据进行训练与测试,并结合一般内容概率潜在语义分析(GC-PLSA)模型开展语音评分,最后,将模型移植到嵌入式平台进行语音能力评估实验。实验结果表明:与传统高斯混合、隐马尔可夫模型(GMM-HMM)相比,基于DNN-HMM模型在儿童长、短句连续语音词错率(WER)方面均降低约5.4%、5.6%,且DNN-HMM模型获得的平均得分也要高于GMM-HMM模型。

基于深度卷积神经网络的乳腺细胞图像分类研究

针对深度卷积神经网络能够提取图像的高层特征并对图像进行有效表达。采用基于深度卷积神经网络的改进算法,设计了ZCNN网络结构对乳腺病理细胞图像进行分类研究。首先,对病理图像进行预处理,利用ZCA白化降低数据特征间的相关性,从而降低数据间的冗余。其次,在网络卷积层采用线性校正单元(Re LUs)作为网络的激活函数,加速计算网络输出。最后,在网络精调时,利用dropout方法随机断开池化层的网络节点,可以有效抑制算法的过拟合,提高算法的泛化能力。采用本文方法对benign和actionable两类病理细胞图像的分类,精度达到94.65%。性能上超过了Softmax,PCA以及传统的卷积神经网络。