基于Zynq的人脸检测设计

针对目前大多嵌入式人脸检测系统因资源限制而导致的软件方式实现速度较慢的问题,提出利用软硬件协同的方法来加速人脸检测。在Zynq-7000平台的基础上,使用C语言实现了基于AdaBoost级联分类器的人脸检测算法,并测试了各个模块的运行时间。结合算法实现的具体过程及其繁复程度给出了硬件加速方案。将检测算法计算量大而多的部分转移到硬件部分进行优化加速,在Zynq-7000平台上实现了软硬件协同的人脸检测,最后给出了相应模块的加速结果。     

基于Python的sigmoid函数FPGA实现

sigmoid函数是人工神经网络中通常采用的传递函数,采用基于Python的软硬件协同设计方法,在FPGA上实现了定点sigmoid函数。实验结果表明采用基于Python的软硬件协同设计方法,可以利用Python上大量的包和模块从而大幅度提高系统设计、仿真和校验的效率,并且能将软件算法快速有效地转换为硬件实现,在整个软硬件设计过程中仅采用Python语言,解决了当前系统设计中软硬件设计者分别采用不同设计语言存在的沟通问题。     

多选择软硬件划分问题的启发式算法比较

软硬件协同设计作为嵌入式系统开发的重要技术,随着嵌入式系统的广泛应用变得越来越重要。软硬件划分是软硬件协同设计的关键环节,是经典的组合优化问题,已被证明是NP完全问题。对于一个给定的任务而言,由于在硬件实现中存在并行执行的潜力,具有不同面积的硬件可以提供不同的执行速度。这样,一个任务根据可利用的硬件面积可以有多种硬件实现方式。现有的软硬件划分方法通常仅仅考虑单一的硬件实现方式,却忽略了多种选择的硬件实现方式。对于多选择的软硬件划分问题,分别使用模拟退火算法和遗传算法,提出了可行性的解决方案。并与禁忌搜索算法进行比较,寻找多选择软硬件划分问题的相对较好的启发式算法。实验结果表明,在求得的解的质量方面,禁忌搜索算法相比于其他两种算法而言是最好的;在获得较好解的速度方面,模拟退火算法和遗传算法要比禁忌搜索算法快得多。     

椭圆曲线点乘算法的软硬件协同设计研究

椭圆曲线密码体制是一种基于代数曲线的公开密码体制,其中曲线的点乘速度决定了该密码体制的速度。以NiosII为核心的SOPC技术的发展代表了半导体和嵌入式系统的发展方向。文章在NiosII处理器上对椭圆曲线点乘算法给予了实现,并给出与8051单片机环境实现的速度比较分析,最后使用软硬件协同设计的方式进一步提高椭圆曲线点乘速度。     

基于ESL的MEPG-4解码SoC软硬件协同设计

随着SoC(System on Chip)系统设计复杂度的不断提高,设计前期在系统级别进行软硬件规划对SoC 性能的影响日趋增加,在复杂视频解码SoC 设计中迫切需要高效的性能分析和验证平台从架构层次上优化性能.将基于电子系统级设计(Electronic System Level , ESL)仿真方法在MPEG-4 视频解码SoC 软硬件协同设计中的应用,利用ARM SoC-Designer ESL 平台分析软件算法的瓶颈,实现软硬划分.通过SystemC 对硬件单元周期精确建模,最终实现了MEPG-4 解码软硬件协同仿真验证.实践证明利用ESL 进行系统设计不仅可以有效提高仿真速度而且设计的视频解码硬件能有效改善系统的性能.     

一种KNN算法的可重构硬件加速器设计

设计并实现了一种可快速运算基于哈尔小波变换的KNN(Knearest neighbors)算法且具备可重构能力的硬件结构.该硬件结构通过增减哈尔小波变换组件即可适应不同维度样本的哈尔小波变换;对同样维度样本的计算则可以通过调整并行度满足对逻辑资源和处理时间的不同需求,克服了现有软件KNN计算速度慢、硬件实现的KNN不够灵活的缺陷.通过在Xilinx VC707 FPGA开发板上实现该硬件结构,实验结果展示了不同维度及并行度下算法实现在逻辑资源耗费及运算时间方面的变化.此外,将该硬件结构作为一种高质量轮廓提取算法硬件加速器的纹理分类模块时,在保持计算准确度的情况下获得了远高于软件运行的速度.     

高效软硬件划分算法及其提升技术

软硬件划分是软硬件协同设计的关键环节,它决定系统中哪些组件由软件实现,哪些由硬件实现。软硬件划分问题已被证明是NP完全问题。将一类软硬件划分问题看作变异的0-1背包问题,在求解背包问题的算法基础上构造出软硬件划分问题的优质启发解。此外,采用禁忌搜索(Tabu Search)算法对求得的启发解进行改进,在软件开销和通信开销满足一定约束的条件下,使得硬件开销尽可能小。实验结果证明,所提算法对当前最新算法的改进最大可达到28%。     

FCMAC的FPGA实现分析及其控制应用

提出了FCMAC（Fuzzy CMAC）的一种基于FPGA的硬件实现方法，与其他FPGA实现神经网络相比，它包含了可以用于在线学习的权学习算法。首先分析了FCMAC的模型结构及相应的硬件模块，然后基于VHDL语言实现了各模块的功能描述，最后将FPGA实现的FCMAC用于控制应用，并对控制器进行测试。实验结果表明，FCMAC的实现方案是可行的，控制器运算速度快、精度高，且具有较强的抗干扰性，是实现IP控制模块或单片智能控制的一种新的有效途径。     

嵌入式系统芯片中SM2算法软硬件协同设计与实现

针对现有的椭圆曲线算法系统级设计中开发周期长,以及不同模块的性能开销指标不明确等问题,提出一种基于电子系统级(ESL)设计的软硬件(HW/SW)协同设计方法.该方法通过分析SM2(ShangMi2)算法原理与实现方式,研究了不同的软硬件划分方案,并采用统一建模语言SystemC对硬件模块进行周期精确级建模.通过模块级与系统级两层验证比较软硬件模块执行周期数,得出最佳性能划分方式.最后结合算法控制流程图(CFG)与数据流程图(DFG)将ESL模型转化为寄存器传输级(RTL)模型进行逻辑综合与比较,得出在180 nm CMOS工艺,50 MHz频率下,当算法性能最佳时,点乘模块执行时间为20 ms,门数83 000,功耗约2.23 mW.实验结果表明所提系统级架构分析对基于椭圆曲线类加密芯片在性能、面积与功耗的评估优势明显且适用性强,基于此算法的嵌入式系统芯片(SoC)可根据性能与资源限制选择合适的结构并加以应用.     

基于DSP平台的景象匹配算法评估环境

将DSP软硬件技术与PC人机交互技术相结合，构建了基于DSP平台的景象匹配算法评估环境，设计和实现了评估环境中各软硬件功能模块。采用PC-DSP的架构形式对评估环境进行模块划分，在DSP端实现了与真实设备功能、性能接近的模拟硬件设备和嵌入式软件，在PC端对DSP的运行接口进行封装，并通过数据可视化、图像化操作等人机交互手段实现用户对DSP端算法程序运行过程的控制和观测。     

基于NiosⅡ软核的工业以太网精确时钟同步的实现

介绍了基于NiosⅡ嵌入式软核处理器的工业以太网设备间精确时钟同步的设计与实现.利用Altera公司的Nios Ⅱ处理器,添加片内外设和存储器以及与片外存储器和外设相连的接口,通过SOPC(可编程片上系统)技术嵌入到FPGA芯片中形成Nios Ⅱ处理器系统硬件平台;软件部分移植uC/OS-Ⅱ作为操作系统,Lwip(轻量级TCP/IP协议)处理网络协议,在应用层上实现状态转换、同步报文处理和精确时钟算法.测试结果表明时钟同步精度高,并且最终在一个工业以太网实验平台上进行了长期的实际运行,系统稳定性良好.     

Software–hardware method of serial interface controller implementation

A software-hardware method of serial interface controller implementation is proposed which includes separate processing of data link and physical layer functions The data link layer functions are implemented in software using a microcontroller (MC), and physical level functions -in hardware using programmable logical device (PLD). The proposed method provides optimal ratio of hardware and software costs for interface controller (IC) implementation, and effective utilization of MC computing power. Based on this method a structure of the universal serial interface controller is proposed.     

Software–hardware method of serial interface controller implementation

A software-hardware method of serial interface controller implementation is proposed which includes separate processing of data link and physical layer functions The data link layer functions are implemented in software using a microcontroller (MC), and physical level functions -in hardware using programmable logical device (PLD). The proposed method provides optimal ratio of hardware and software costs for interface controller (IC) implementation, and effective utilization of MC computing power. Based on this method a structure of the universal serial interface controller is proposed.     

改进的二维增强贪婪软硬件划分算法

针对嵌入式系统中的单处理器和单ASIC体系结构,将软硬件划分问题抽象为MKP模型,通过扩展其边界的维数,引入二维的贪婪算法来解决软硬件划分问题。算法旨在满足硬件面积约束、功耗约束和存储空间需求约束的前提下使系统的运行时间最优,算法的时间复杂度降低到O（log n·log n）。算法基于代表功能块粒度的控制数据流图（CFG）,摒弃了传统的面向软件或硬件的方法,给出了一种新的选择初始状态的方法,该方法将关键节点映射到软件,其余的用硬件实现,因缩小了算法的搜索空间,从而进一步提高了算法的运行速度。最后进行对比实验,实验结果证明该算法在运行时间和稳定性方面均优于遗传算法和模拟算法。     

模糊小脑模型神经网络

提出输入层具有一定隶属度的模糊小脑模型神经网络(Fuzzy CMAC),它比小脑 模型CMAC(Cerebellar Model Articulation Controller)能更真实地描述客观世界.给出n维 Fuzzy CMAC算法,仿真结果表明Fuzzy CMAC比小脑模型CMAC具有如下优点:学习收敛 速度快得多,可以学习模糊规则.Fuzzy CMAC比CMAC优越,使CMAC成为Fuzzy CMAC 的特例.     

A fuzzy cerebellar model articulation controller based visual servo system for robot

This paper presents a novel online learning visual servo controller integrating the FCMAC with proportion controller for the control of position of manipulator end-effector. Since the FCMAC has good learning capability and fast learning speed, and can save much computer memory space by fuzzy processing of input space division and memory unit activation, it is used to develop an adaptive control law by learning the relationship between the image feature errors and manipulator input, and the aim of online learning of the FCMAC is to minimize the output of proportion controller. Furthermore, the FCMAC has no need for models of robot manipulator and image feature extraction, so that the capability of proposed controller for tasks under uncertain environment can be improved. Finally, the proposed controller is proved to be effective by the experiment, and compared with BP neural network.     

模糊CMAC及其在机器人轨迹跟踪控制中的应用

小脑模型关节控制器(CMAC)具有结构简单,学习快速的优点,但是它的空间划分方式不能在线进行调整,影响了其自适应能力的提高.本文将模糊理论引入CMAC,提出了一种能够反映人类小脑认知的模糊性和连续性的模糊小脑模型关节控制器(FCMAC).该控制器对CMAC的空间划分方式进行了模糊化处理,可通过BP学习算法对CMAC的空间划分方式进行在线调整,大大提高了CMAC的自适应能力.所提出的FCMAC被应用于机器人的轨迹跟踪控制系统以克服机器人系统中非线性和不确定性因素的影响.仿真实验结果表明,所提FCMAC与传统的CMAC相比性能上有了很大的改善.