国产FPGA上通信基带发端算法设计和系统实现

该文针对国产FPGA上通信基带算法及相关信号处理算法IP核匮乏现状,设计了基于紫光Logos系列FPGA器件的通信基带发端算法;在紫光FPGA缺乏FIR IP核的情况下,经优化设计实现了仅用7个乘法器的60阶FIR成型滤波器;搭建收发测试环境对设计的发端系统进行了测试。测试结果表明,所设计的基于正交调制的发端基带算法和基带系统性能达到主流水平的技术指标要求,实现了首批通信算法和通信系统在国产FPGA器件上的应用。

基于卷积神经网络的岩渣分类算法及其FPGA加速

全断面岩石掘进机在道路掘进过程中,刀盘挤压切削岩体容易产生刀盘磨损及损坏,从而造成经济损失,因此需要检测刀盘磨损的理论和技术来指导施工。岩渣是掘进过程的直接产物,携带丰富的信息,能够反映当前的施工状况,因此可以通过岩渣识别利用这些信息间接实现对刀盘的监测。提出了一种基于卷积神经网络的岩渣识别算法,在岩渣数据集上实现了96.5%的分类准确率。随后为了便于FPGA硬件部署,提出一种网络压缩方法,将网络规模压缩到原始网络的2.28%,同时分类准确率相比原网络仅下降了0.9%。最后使用OpenCL技术在Intel Arria 10 GX1150平台上实现了算法部署,达到了224.54 GOP/s的吞吐率以及11.23 GOP/s/W的能效比。

基于FPGA的小目标识别分类系统的设计与实现

为了提高小目标识别和分类的实时性,同时降低识别系统的资源消耗,本文提出了一种简易、高效的现场可编程门阵列(Field Programmable Gate Array,FPGA)小目标识别分类系统。该系统首先通过图像预处理消除图像噪点,并采用并行计算提升系统实时性。然后将处理后的图像与模板进行匹配计算得到识别结果,设计的模板匹配电路具有较小的硬件复杂度和较快的处理速度。实验结果表明,本文所提出的识别系统在680×480图像分辨下,可达137.5帧/s的处理速度,实时性强,同时仅消耗了9个块随机存储器(Block Random Access Memory,BRAM)和2个数字信号处理器(Digital Signal Processor,DSP),硬件资源消耗较少,在处理小目标识别和分类问题上有较好的实用价值。

基于FPGA的LVDS总线控制器的设计与实现

为保证在高速、多负载条件下LVDS总线的运行状态和传输速率满足应用需求,基于FPGA设计LVDS总线控制器,协议上优化了LVDS的总线占用方式、信号传输逻辑,并在物理层优化了总线结构以及节点接口。为防止低压差分信号失真以及接口失锁问题,采取信号编码和失锁预防措施,保证信号的稳定,增强总线的可靠性。经验证,该方案可提高总线带负载能力,保持高速率下的可靠传输。

一种基于FPGA的SVPWM硬件架构及其计算速度优化

为了提高七段式两电平SVPWM算法的调制速度并减少逻辑资源的使用量,提出了一种基于FPGA的SVPWM硬件架构。在该硬件架构输入参考电压后,首先,进行基于Clarke逆变换的坐标变换,通过一系列加法运算构建出含有三相占空比的3组中间变量,同时通过2个异或运算从上述硬件布线中得到简化后的2 bit扇区判断条件;然后,根据简化后的2 bit扇区判断条件从以上3组中间变量中筛选出三相占空比,并进行钳位保护,按照自然采样法输出PWM。以上过程形成一个整体,在FPGA中只需3次触发,便能在2个时钟周期内完成从参考电压输入到三相PWM输出的整个过程,有效提高了计算速度。此外,还给出了该硬件架构在不同的FPGA平台下的资源使用情况,与其他方法相比,LUT使用量由至少500个缩减至300个左右,逻辑资源使用量降低。通过仿真与实物试验,验证了所提硬件架构的有效性。

基于FPGA的自滑动同步法TFT-LCD屏TCON的实现

不同厂家、不同尺寸、不同分辨率的TFT-LCD屏与时序控制器TCON的接口不同,对应不同的差分信号格式。为了适应不同屏的图像显示,需要一种可编程的时序控制器TCON。通过在FPGA芯片上采用自滑动同步法,实现了TFT-LCD屏的TCON系统。该系统从视频处理主板输出的差分信号中提取视频数据,提出通过自滑动同步法使之与同步控制信号对齐;将提取的视频数据转换为源驱动器的输入信号,即mini-LVDS或RSDS格式的差分信号,同时产生门驱动器的时序信号;由源驱动器和门驱动器输出的信号驱动TFT-LCD屏显示图像信号。为了测试TCON的性能,使用两块FPGA电路板进行实验。一块FPGA电路板实现TCON时序控制器;另一块作为TCON的输入测试信号源,用于测试所设计的TCON性能。实验结果显示,所设计的TCON能够从LVDS视频差分数据中正确解析出视频数据,并转换为屏的源驱动器和门驱动器信号,驱动TFT-LCD屏显示视频信号。通过对比分析可知,使用自滑动同步法具有资源消耗少,功耗较低等优点。

一种基于FPGA的自动曝光算法与设计

随着数字图像处理技术的发展,自动曝光算法在图像获取领域扮演着重要的角色。针对自动曝光问题,设计了一种基于FPGA的自动曝光算法。该算法利用FPGA强大的并行计算能力和灵活的可配置性,实现了快速高效的自动曝光过程。首先对原始图像数据进行预处理,包括数据对齐、数据采样和串并转换,然后利用乒乓操作对图像数据进行连续不间断的缓存和读取,最后对像素进行采样,同时计算图像灰度均值,并依此来计算曝光时间,从而实现自动曝光功能。经过仿真验证,可以证明该自动曝光算法具有可行性,在数字图像处理领域具有一定的参考价值和广泛的应用前景。

基于FPGA的无线键盘设计与测试

面对机械键盘不易携带、噪声大和造价高的缺点,开发了一款基于人体电容感应和FPGA的无线触控键盘。整个平台由外设系统、FPGA系统和上位机组成。外设系统通过介质及信号采集电路,设计出便捷的键盘或触控板;FPGA系统是Nexys4 DDR型号的FPGA硬件开发平台,把接收到的数据进行处理、发送和监控;上位机包括蓝牙电路及上位机程序,通过蓝牙通信实现键盘对上位机的PPT翻页、文档键入、游戏操控、鼠标移动以及钢琴弹奏等无线控制应用。实践表明,由于外设介质和上位机操控的设计多样化,不仅使平台在广度和深度具有层次性,而且可以调动学生的学习兴趣、培养学生的思考能力、激发学生的创新意识。

基于Altera MAX10的FPGA实验教学改革实践

在传统数字电路实验教学思路的基础上,分析并实践了一种当今使用较广的数字电路实验教学方法。具体介绍这一教学方法内容及其推行情况,并以实际统计数据为参考,分析该教学方法对学生具体培养计划的实施程度、成效,以及学生对教学改革的看法、意见及建议。

基于FPGA的千兆以太网端口通信设计

针对嵌入式领域中以太网传输速率以及实时性问题,文中提出了一种基于FPGA(Field Programmable Gate Array)的千兆以太网端口通信的设计方案。设计了千兆以太网交换机的转发功能,基于标签转发实现了端对端数据通信。CPU(Central Processing Unit)发出带有标签的数据报文,通过千兆网口输出数据报文,经过RGMII(Reduced Gigabit Media Independent Interface)接口将带标签的数据报文发送给FPGA,FPGA通过内部逻辑判断标签中的输出端口号域并去除标签,从相应千兆网口向连接设备输出数据报文。外设通过千兆网端口输入数据报文,通过SGMII(Serial Gigabit Media Independent Interface)协议将数据报文发送给FPGA,FPGA通过内部逻辑添加标签并轮询输出给CPU,从而实现多个千兆网口连接设备互通。实验结果验证了FPGA逻辑的可行性和有效性,传输速率达到1 Gbit·s-1,报文转发延时小于100μs,报文丢包率为0%,数据传输稳定性较高,满足现有项目的实际需求。

雷达对抗中基于FPGA输入分块重映射的数据处理方法

雷达对抗中,干扰机侦收雷达的信号,经AD采样后输入FPGA进行处理并产生干扰信号。FPGA平台利用Xilinx等官方提供的FFTIP核对高速ADC输出的数据进行FFT处理时,需要进行“并行-串行”的数据预处理,降低了处理速度,同时也没有对FPGA内部资源进行最大化利用。基于以上问题,提出一种基于FPGA输入分块重映射的数据处理方法。该方法通过数据输入重映射模块将输入雷达数据优化为并行分块的数据流格式,再通过FFT蝶形网络输出离散傅里叶变换数据,最后进行并行结果输出。试验证明,本方法能有效节省FPGA的运算时间,提高雷达数据处理速度,优化利用了FPGA内部资源,具有实时性好、灵活性高的特点。

一种基于FPGA的深度神经网络硬件加速器系统

深度神经网络目标检测算法计算复杂度高、模型复杂,对硬件平台的算力有很高需求,针对以上问题,设计了一种基于现场可编程门阵列(field programmable gate array,FPGA)芯片的硬件专用加速器.通过软硬件协同方法,设计具有高并行度及深度流水的片上架构,并使用模型量化、结构优化等方法对神经网络模型进行优化.在所设计的加速器系统中进行神经网络目标检测算法的部署,实现了高数据吞吐率、低功率消耗的FPGA神经网络计算,且模型精度损失低于1.2%,为在低能耗嵌入式平台上部署深度神经网络目标检测算法提供了有效解决方案,可广泛应用于机载、星载智能计算设备.

基于FPGA和LoRa的燃烧室振动信号无线测试装置设计

燃烧不稳定性问题可引起大幅的机械振动,严重影响发动机正常工作。为满足新型试验需求,针对传统燃烧室测试装置灵活性不足、可靠性差等问题,设计了一种基于FPGA和LoRa的燃烧室振动信号无线测试装置,以FPGA作为主控单元,将前端高速AD采集的振动传感器数据存入Flash,通过LoRa技术并结合以太网的高速运行,在PC端进行远程操控和数据处理。试验表明:该装置可以实现至少500 m开阔距离内待测燃烧室振动信号的可靠测试,工作稳定,实时性强。

基于FPGA的多总线可动态重构监测系统

针对传统多总线数据监测系统中存在的数据传输实时性不高、系统硬件占用资源多、系统可维修性低等问题,设计了以FPGA为核心,以多路RS422、RS232、1553B总线作为通讯接口,以信息识别、信息提取、数据融合、多总线动态重构、双冗余传输为主要功能模块,以信道速率动态调节的RS422为数据传输路径,采用双冗余传输方式,依据FPGA标准化设计思路,提出了基于FPGA多总线动态重构监测系统设计方案。实验测试结果表明:在20、60、-40℃环境温度下,多总线动态重构时间均小于1 s,数据传输误码率远低于0.02%,系统工作稳定,满足设计需求。

基于FPGA的道路标识检测系统设计

为达到道路标识实时检测的要求,针对目前主流的目标检测算法在图像处理器上存在模型参数量大、实时性差、功耗大和成本高的问题,提出一种基于FPGA的道路标识实时检测方案。为减少参数量、提高检测速度,采用YOLOv3-tiny作为特征提取网络,进行权重参数的训练与优化;将模型浮点数参数量化为8位定点数,并将量化后的网络模型在FPGA上完成部署实验。实验结果表明,在Yolov3-tiny网络检测速率上,本系统对实验数据集的测试帧率可达到153 fps,功耗为4.92 W,峰值GOP/s为115GOP/s。该系统可以满足实时目标检测的要求,并且能够在低功耗的状态下实现系统的部署。

基于最小二乘的椭圆拟合及其FPGA实现

针对现有的基于FPGA平台实现的最小二乘椭圆拟合算法中线性方程求解输出时延较大的问题,采用Cholesky分解法解线性方程,并对Cholesky分解中的平方根求解,运用单向旋转、合并迭代、迭代次数可调等手段,提出了一种基于CORDIC算法的迭代自适应的平方根求解结构。实验结果表明,改进的平方根求解算法对缩短Cholesky分解输出时延有良好的效果,Cholesky分解在FPGA平台相较于现有的LDLT分解法实现63.26%的速度提升;椭圆拟合算法在保证输出绝对误差小于0.1 pixel的情况下,FPGA平台相对于计算机软件实现了1000倍以上的速度提升,适合实时性要求较高的应用场合。

基于DSP28335的FPGA软件在线升级方法

在DSP+FPGA架构的嵌入式系统中,一些产品不具备拆卸外壳通过JTAG接口进行软件升级的条件。针对这一问题,提出了一种基于TMS320F28335的FPGA软件在线升级方法。该方法通过上位机将FPGA代码发送给TMS320F28335,TMS320F28335通过GPIO模拟JTAG时序,完成对配置PROM芯片的擦除、编程和校验操作,重新上电后FPGA从配置PROM加载新程序。在理论分析的基础上,给出了所提方法的硬件原理图和软件实现流程。大量实验结果表明,该方法具有较好的可行性、稳定性和可靠性,可以实现DSP+FPGA架构下不拆产品就可升级FPGA软件的目的。

基于FPGA的高速大面阵成像系统设计

为了获取高帧频大面阵图像数据,设计了一套基于FPGA结合CMOS图像探测器的成像系统。首先,介绍了国产GSENSE6060图像探测器的特性和设计方法。然后提出了成像系统的供电等硬件设计。最后,重点研究了基于Xilinx公司Virtex-5型FPGA的CMOS图像数据训练算法,保证了数据采集的准确性。试验结果表明,所设计的成像系统在6 144 pixel×6 144 pixel分辨率时,帧频达20 frame/s,图像数据峰值速率16 Gbit/s,且读出噪声优于4e^(-)。目前,系统已经工程应用,其功能、性能满足了项目实际需要。

一种基于知识蒸馏的量化卷积神经网络FPGA部署

设计了一种针对心电数据实时分类的量化神经网络,将权重量化为两位整数,运用知识蒸馏的方法使性能达到了期望的效果,并部署于FPGA开发板上。知识蒸馏后的量化网络比全精度网络的分类准确率提升了9%。在FPGA开发板上的运行结果符合预期,达到了需要的性能,可以对左束支传导阻滞(L)、右束支传导阻滞(R)、正常心拍(N)和室性早搏综合征(V)四种心电信号进行分类,相比于其他量化方式对存储参数的需求更小,资源使用更少,相比于CPU速度提升了1.5倍,运行时间达到实时性要求,适合于部署在小型、轻量化的资源有限的可穿戴设备上。

基于FPGA的电动舵机滑模控制系统

电动舵机是现代无人机飞控系统的关键组成部分。针对传统电动舵机系统抑制干扰能力差、跟踪精度低、响应速度慢的问题,提出一种改进优化的自适应滑模控制(SMC)算法。首先,在进行系统建模和实验平台搭建时考虑了外界扰动和摩擦间隙等非线性问题,以此为基础设计了新的滑模面函数;其次,通过重新设计切换控制函数,使舵面偏转角度更加准确,有效的提高了系统的跟踪精度;最后,在系统中引入一阶低通滤波器,有效的消除了控制量抖振问题。并通过FPGA芯片实现了该算法,设计实验加以验证。实验结果表明,与传统PID算法相比,改进的滑模控制算法具有较强的抑制干扰能力和较快的动态响应速度,跟踪误差也有明显的下降。由此可见该算法在解决电动舵机的非线性问题方面具有较强的优势,基本满足舵面偏转的精准控制需求,在无人机产品的生产实践中具有较强的实际应用价值。