GPS软件接收机信号实时接收与传输技术

基于GP2015射频芯片和TMS320C6713 DSP处理器,提出了一种GPS软件接收机信号实时接收及传输的基本方案。介绍了射频前端的基本构造以及它与DSP进行高速实时传输的接口方案,并且重点描述了一种基于EDMA数据传输方式的实现及完整的软件设计流程。本方案利用EDMA在CPU后台高效地实现存储空间的数据搬移,减少对CPU的使用,提高了平台运行速度,满足GPS软件接收机高速实时性要求。     

McBSP和EDMA在实时数据流传输中的配置

以利用TMS320C64x进行音频处理为例,介绍TMS320C64x多通道缓冲串口（McBSP）和增强型直接存储器访问（EDMA）;重点讲述McBSP控制寄存器和EDMA参数RAM的设置方法,并给出利用EDMA参数链接（linking）功能和乒乓缓冲实现连续数据流传输的实现方法。     

基于SoPC的视频监视器千兆网显示接口设计

应用SoPC和千兆以太网技术设计实现了视频监视器的千兆网显示接口。通过该接口视频监视器可以完成数字视频信号的远程接收和显示。该设计利用Altera SoPC解决方案,将主要模块集成在一片FPGA上,可以快速构建千兆以太网系统,提高系统的集成度与稳定性。在数字远程视频传输上,该设计充分利用了千兆网的特性,对比其他数字视频传输方法,具有高速率、低成本以及分组数据的优势。     

数字视频接口设计与实现

随着数字平板监视器的普及,数字视频接口被广泛应用.介绍数字视频接口的设计与实现,包括数字视频链路的建立,信号的编码、传输、解码过程.同时结合具体的工程实现,介绍数字视频差分信号在布局、布线中的要求和注意事项.     

基于DM642的视频采集与传输系统设计

本文应用TI公司的TMS320DM642为核心处理器设计实时的视频采集与传输系统,以摄像头为模拟视频信号采集输入,采用TVP5150和飞利浦的SAA7121H芯片进行A/D和D/A转换,利用EDMA实现对数字视频数据的搬运,利用DM642的视频口来控制输入和输出,从而完成视频采集、数字化处理、传输和显示的系统功能。基于DSP嵌入式芯片的特点,系统具有丰富的外设接口和高度的可编程性,从而具有较好的灵活性和扩展性,以便应用在不同的环境下。     

多通道并发EDMA控制器的设计与实现

随着DSP应用领域的扩展,传统的DMA部件已被EDMA控制器所取代。本文通过分析和研究,针对当前EDMA控制器数据传输并行度较低、效率不高的问题,提出了可变优先级的传输请求仲裁机制和两级并行的传输控制结构,设计了具有64个通道,支持突发传输、64位位宽和并发传输的EDMA控制器,不仅实现了读写并发,还实现了多个传输请求的并发执行。     

基于DSP处理系统的多路数据传输方法与实现

提出了一种EDMA多通道传输链乒乓结构的多路数据传输方法,介绍了EDMA3控制器的控制原理,论述了该方法的实现过程,并在基于TMS320C6455的图像处理系统中实现了3路数据的同步传输。实验与分析结果表明,相对于多个通道分别传输的方法,该方法传输效率提高了18%,CPU资源节省率达到66%,而且数据传输更稳定可靠。     

基于DM642 DSP的网络化数据采集与编程实现

随着数字信号处理器性能的不断提高和网络技术的飞速发展,将采集到的数据通过网络实时传递给需要的用户已成为可能.提出了一种基于DSP的网络化数据采集系统设计方案.利用DM642芯片的多通道缓冲串口(MxbSP)和EDMA控制器实现数据采集和搬移,为保证采集数据的完整,EDMA通道采用ping-pong缓冲技术以实现不间断地接收数据源的输出信号.基于实时性考虑,本系统采用UDP数据报传输协议,将数据通过EMAC和RJ-45端口发送至网络.这种方式实现简单、干扰少、传输距离可扩展,可使网络中的用户实时共享采集到的数据.     

HD-SDI数字视频信号处理及传输的FPGA设计与实现

设计了一种符合SMPTE292M标准的高清晰度数字电视信号采集传输用的HD-SDI卡,介绍了其电路结构,对HD-SDI中的视频数据、视频定时基准码、行号数据、校验码进行了分析,并就数字视频识别和提取模块、DMA传输模块和PLX9656局部总线到Avalon总线的转换模块进行了设计.FPGA采用Altera公司的Stratix EP1S25,实验调试结果表明,HD-SDI数字视频信号处理及传输工作稳定可靠.     

基于DM642 DSP的网络化数据采集与编程实现

随着数字信号处理器性能的不断提高和网络技术的飞速发展,将采集到的数据通过网络实时传递给需要的用户已成为可能。提出了一种基于DSP的网络化数据采集系统设计方案。利用DM642芯片的多通道缓冲串口（McBSP）和EDMA控制器实现数据采集和搬移,为保证采集数据的完整,EDMA通道采用ping—pong缓冲技术以实现不间断地接收数据源的输出信号。基于实时性考虑,本系统采用UDP数据报传输协议,将数据通过EMAC和RJ-45端口发送至网络。这种方式实现简单、干扰少、传输距离可扩展,可使网络中的用户实时共享采集到的数据。     

Performance evaluation of View-Oriented Transactional Memory

This paper extensively evaluates the performance of View-Oriented Transactional Memory (VOTM) based on two implementations that adopt different Transactional Memory (TM) algorithms. The Restricted Admission Control (RAC) mechanism in VOTM plays a key role in the performance gains of VOTM. In this paper, we use six applications to evaluate the performance advantage of VOTM. Experimental results show that partitioning shared data into separate views can improve performance when one of the views has high contention while others may have low contention, because the contention of each view is independently controlled by RAC. For memory-intensive applications, even when the contention on application data is not high enough to justify admission control by RAC, partitioning shared data into different views can improve the performance of TM systems due to the reduced contention on the metadata of the TM systems.     

基于ROM的FPGA多通道PWM调速策略研究

针对目前机电一体化系统中PWM信号通道多和难同步的问题,提出一种基于ROM的FPGA多通道PWM发生器的设计方法。利用FPGA内部ROM资源,通过软件的方法根据需要产生多路PWM信号。多路PWM发生器通过采用同一时基,可实现PWM信号的严格同步和不同调制策略。采用的FPGA数据采集速度达到1 MB/s,独有的NiosII核软处理器可以实现DSP的功能,可以完成复杂的数据处理。设计方法在机械臂控制系统中进行了实际的应用,初步设计了硬件电路并利用quartus II和modelsim给出了仿真结果。实验结果表明设计方案能很好满足系统功能和性能要求,同时设计又具有开放性,可以在此基础上进行扩展。     

基于SPM的多核SoC访存结构设计与优化

针对“一个RISC主处理器核＋几个专用协处理器核”结构的计算密集型SoC,设计一种以执行命令方式完成大块数据传输的高效访存结构。通过增加组传输和流水传输模式,对该结构进行优化。实验结果表明,该访存结构设计及优化方案的数据传输效率高、实现开销小,并且对同类SoC系统,该设计具有良好的适用性。     

基于LSTM的无监督域自适应行人重识别

本文提出一种基于无监督域自适应的行人重识别方法.给定有标签的源域训练集和无标签的目标域训练集,探索如何提升行人重识别模型在目标域测试集上的泛化能力.以此为目的,在模型的训练过程中,将源域和目标域训练集同时输入到模型中进行训练,提取全局特征的同时,提取局部特征进行行人图像描述以学到更加细粒度的特征.提出将长短时记忆网络(LSTM)以端到端的方式应用于行人的建模,将其视为从头到脚的身体部分序列.本文方法主要分为两个步骤:(1)利用StarGAN对无标签目标域图片进行数据增强;(2)源域和目标域数据集同时输入到全局分支和基于LSTM的局部分支共同训练.在Market-1501和DukeMTMC-reID数据集上,本文提出的模型都取得了较好的性能,充分体现了其有效性.     

基于注意力机制优化EDM机场客流量预测

针对标准编码解码模型(Encoder-Decoder Model,EDM)对于时间序列数据提取能力弱的问题,提出一种融合双向长短时记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)和注意力机制(Attention)的编码解码模型.通过Bi-LSTM对输入数据从正反两个方向进行特征提取,基于注意力机制将所得到的特征根据不同时刻分配不同权重,根据解码阶段的不同时刻生成相应背景变量,进而实现对机场客流量的预测.选取上海虹桥机场为例用该算法进行实验仿真,实验结果表明,本文所提方法与RNN、LSTM相比,平均标准误差降低了57.9％以上,为机场客流量预测提供了一种新的思路.     

Digital time‐modulation pixel memory circuit in LTPS technology

Abstract— A digital time‐modulation pixel memory circuit on glass substrate has been designed and verified for a 3‐μm low‐temperature polysilicon (LTPS) technology. From the experimental results, the proposed circuit can generate 4‐bit digital codes and the corresponding inversion data with a time‐modulation technique. While the liquid‐crystal‐display (LCD) panel operates in the still mode, which means the same image is displayed on the panel, a data driver for an LCD panel is not required to provide the image data of the frame by the proposed pixel memory circuit. This pixel memory circuit can store the frame data and generate its corresponding inversion data to refresh a static image without activating the data driver circuit. Therefore, the power consumption of a data driver can be reduced in the LCD panel.     

高速SDRAM控制器的嵌入式设计

为适应高数据吞吐速率的应用场合,在分析同步动态随机存储器(SDRAM)控制器工作原理的基础上,研究支持高数据处理效率可连续读写操作的存储控制算法。利用现场可编程门阵列设计SDRAM嵌入式存储控制器,采用CMD命令形式,根据猝发长度分配连续读写延时,通过数据通道控制与读写操作协同工作提高数据处理效率。测试结果表明,该控制器运行频率高于100 MHz,数据处理效率大于95%,适用于视频采集数据缓存及大型LED显示控制中。     

基于事务存储的事务级线程切换

针对目前TM系统将现有操作系统优化以提供良好的事务支持,研究基于LogTM系统的事务级线程切换,通过分析现有结构和修改操作系统的相关模块信息,为事务级线程切换提供支持,使事务化线程能够在操作系统调度下高效运行。     

基于小波包与长短时记忆融合的铁路旅客流量预测模型

短期铁路客运需求量的实时精准预测可以为实时调整客运服务结构提供依据.铁路旅客流量数据具有时变性、非线性和随机波动性等特点,传统的预测模型无法精准的预测短期内的客流量.本文提出一种基于小波包分解与长短时记忆融合的深度学习预测模型（WPA-LSTM）,首先用小波包分解将原始客运量时间序列分解重构成多个不同尺度的低频和高频序列,然后分别针对各个子序列进行LSTM模型训练和预测,最后将各子序列的预测值叠加作为WPA-LSTM模型的输出.采用某高铁367天的日旅客流量数据对模型进行实验验证,并与季节性模型和基于经验模态的长短时记忆融合模型进行对比,实验结果表明,WPA-LSTM模型可有效提高铁路旅客流量预测的精度.     

基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法

河湖藻类水华形成过程中所具有的突发性和不确定性,导致对藻类水华爆发预测准确性不高。为解决此问题,以叶绿素a的浓度值作为蓝藻水华演化过程表征指标,提出基于长短期记忆（LSTM）循环神经网络（RNN）蓝藻水华预测模型。首先,用遗传算法改进的一阶滞后滤波（GF）优化算法对数据进行平滑滤波处理;然后,搭建GF-LSTM网络的蓝藻水华预测模型,实现对水华发生的精准预测;最后,以太湖水域梅梁湖区域的采样数据为样本,对预测模型进行检验,并与传统的RNN和LSTM网络进行对比。仿真结果表明,提出的GF-LSTM网络模型平均相对误差控制在16%~18%,而RNN模型的预测平均相对误差为28%~32%,LSTM网络模型的平均相对误差为19%~22%,对采用数据的平滑性处理效果较好,预测精度更高,对样本具有更好的适应性,克服了传统RNN模型在长期训练时出现的梯度消失与梯度爆炸缺点。