嵌入式车牌识别系统的硬件电路设计

基于数字信号处理器(DSP)TMS320VC5416和复杂可编程逻辑器件(CPLD)的嵌入式车牌识别系统的硬件设计,利用视频处理芯片SAA7111作为视频A/D,在CPLD的控制下将采集到的图像数据写入帧存储器中,DSP对图像数据进行实时分析处理。采用"乒乓"存储结构,实现了图像数据的采集和处理的并行运行。识别结果通过串口传到上位机或者保存在E2PROM中,实现了车牌识别系统脱机、联机工作,在实时高速图像处理系统中有广泛的工程技术应用前景。     

基于TMS320C6416的宽带语音G.722.2声码器的实时实现

简要介绍了G.722.2标准的编解码算法和定点数字信号处理芯片TMS320C6416,给出基于TMS320C6416芯片实时实现G.722.2声码器的硬件和软件设计,并对软件实现过程的优化作出了总结,最后给出了实时实现的测试结果。     

HMM非特定人孤立词语音识别系统的FPGA实现

以Xilinx公司Virtex-II Pro为开发平台,实现了一个基于隐马尔可夫模型(Hidden Markov Model,简称HMM)非特定人的孤立词语音识别系统.系统采用改进的基于语音对数域能量变化率的实时端点检测算法,仅对检测的有声段语音进行特征提取和解码,减少了要处理的语音帧数.实验表明系统在150词条的情况下识别率达到97.3%,识别时间为1.42倍实时.     

基于ANN/HMM混合模型汉语大词表连续语音识别系统

提出一种基于隐马尔可夫模型(Hidden Markov model,HMM)和人工神经网络(Artificial Neural Network,ANN)混合模型的汉语大词表连续语音识别系统。在混合模型系统中,多种模型协同工作。ANN负责建模音素发音物理特性,HMM联合语言学模型识别待识语料。这样,混合模型系统能够结合HMM和ANN两种模型的优点:HMM对时间序列结构建模能力强;ANN的非线性预测能力强,建模能力强,鲁棒性,便于硬件实现。实验结果表明,HMM/ANN混合模型系统有效结合了两种模型的优点,提高了识别率。     

基于连续识别的嵌入式孤立词识别系统

基于线性网络的孤立词识别系统识别时间与词表规模成正比,识别性能严重受限于词表的规模.根据汉语孤立词特点,提出了一种基于连续识别的大词表孤立词识别系统.该系统围绕嵌入式识别所关注的速度和内存消耗性能,采用先实现应用多级搜索、定点化策略的连续识别,再对连续识别的识别结果进行音字转换处理的方法,将连续语音识别应用于大词表孤立...     

基于粒子滤波的目标实时跟踪系统

设计一种基于TMS320VC5416与FPGA的实时图像跟踪系统,该系统首先采用SAA7111A采集图像,经FPGA(采用乒乓操作的方式)传输给DSP处理器.在跟踪算法上采用灰度作为目标特征,使用粒子滤波方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实验表明:该系统具有良好的实时性与稳定性.     

基于DSP的实时震动信号分析处理系统设计

为解决战场目标识别系统识别精度不高的问题,提出一种基于震动信号实时分析的DSP系统,用于辅助战场目标识别.该系统采用TI公司的TMS320F2812型高速数字信号处理器(DSP)和3028震动传感器设计.实验结果证明该系统能够初步探测地面运动目标的震动信号,并对其实时分析和处理,并能够快速给出相应的分析结果.     

基于TMS320 C5416芯片的低时延 G.729A声码器的研制

简要介绍了G.729A声码器的编解码算法和定点数字信号处理芯片TMS320C5416,给出了基于TMS320C5416芯片实现低时延的G.729A声码器的硬件和软件设计,并对软件设计过程中应该注意的若干问题进行了分析和总结,最后给出了实时实现的测试结果.     

HMM非特定人孤立词语音识别系统的片上实现

在SEED-DEC5502 DSP嵌入式系统开发平台上实现了一个面向非特定人的孤立词语音识别系统,与传统的基于特定人的语音识别系统相比,该系统无需用户训练,易于使用.系统采用改进的基于语音对数域能量变化率的实时端点检测算法,仅对检测的有声段语音进行特征提取和解码,减少了要处理的语音帧数;对状态输出概率计算进行了分析和优化,进一步降低了计算负担.实验表明系统在100词条的情况下识别率达到98%,识别时间为1.03倍实时.     

基于人工神经网络的时间调制阵列谐波波束形成

针对时间调制阵列(time-modulated array, TMA)提出了一种基于人工神经网络(artificial neural network, ANN)的谐波波束形成技术.该技术通过一个由编码器和解码器串联组成的ANN实现时序信息的优化,其中,编码器以目标角度的方向图约束值作为输入,通过在线训练输出对应的激励值;而解码器经过预训练可以实时输出辐射方向图.然后利用训练完成优化后的激励可以获得不同阵元的开关导通持续时间和起始时刻. 8元/16元不同指向TMA谐波波束形成算例仿真结果表明,所提方法可以有效抑制副瓣电平(sidelobe level, SLL),快速精确控制方向图,在目标角度实现高方向性波束形成,同时该方法具有耗时短、鲁棒性好和易调节的特点,有望应用于快速目标搜索和跟踪.     

基于神经网络的雷达辐射源智能识别系统

结合以神经网络为核心的雷达辐射源智能识别系统(REIRS,Radar Emitter Intelligent Recognition System)的实际研究工作,介绍了识别系统的结构、算法和基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,分析了识别系统的实验结果,最后总结了系统的技术特点及其在电子战其他方面的应用前景。     

改进神经网络的图像识别系统设计与硬件实现

针对现有图像识别系统大多采用软件实现,无法利用神经网络并行计算能力的问题。该文提出一套基于FPGA的改进RBF神经网络硬件化图像识别系统,将乘法运算改为加法运算解决了神经网络计算复杂不便于硬件化的问题,并且提出一种基于位比较的排序电路解决了大量数据的快速排序问题,以此为基础开发了多目标图像识别应用系统。系统特征提取部分采用FPGA实现,图像识别部分采用ASIC电路实现。实验结果表明,该文所提出的改进RBF神经网络算法平均识别时间较LeNet-5, AlexNet和VGG16缩短50%;所开发的硬件系统完成对10000张样本图片识别的时间为165 μs,对比于DSP芯片系统所需426.6 μs,减少了60%左右。     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

基于模糊神经网络的石英加速度计的温度控制

提出了基于模糊神经网络的石英加速度计的温度控制系统.该系统包括模糊神经网络的温度控制软件设计和基于数字信号处理器和可编程逻辑器件(DSP+ FPGA)硬件开发平台的电路设计.模糊神经网络的反向学习过程采用离线学习方法在matlab7.0中进行;根据所设置的样本点对网络参数进行训练,然后把参数训练好的模糊控制程序写入温度控制单元DSP6713中,实现系统的温度控制.实验结果表明,该系统具有响应速度快,稳定性好,控制精度高等优点,其温度控制精度达到0.2℃,满足系统的实际应用要求.     

基于通用DSP的视频解码器的优化实现

随着多媒体和网络技术的发展,视频监控、智能手机等嵌入式系统得到了广泛应用。嵌入式平台资源有限,结构特殊,加上视频解码计算复杂,导致嵌入式平台上视频解码器的优化实现难度大、周期长。基于TMS320C6416通用DSP平台,给出了一套完整的移植优化方法,该方法依次从算法级、结构级和代码级进行优化,实现了解码速度快、恢复视频质量好的MPEG-4解码器。测试表明,该解码器可以对D1视频进行两路以上实时解码,本文方法典型、有效,对于通用芯片上编解码器的移植优化具有参考意义。     

基于Blackfin561的嵌入式车牌识别系统

介绍了一种基于双核DSP Blackfin561的嵌入式车牌识别系统。讨论了系统的硬件结构和软件实现流程,以及基于Hpofield神经网络进行车牌识别的方法及过程。首先对视频图像进行解码,以获取图像的亮度信号;然后通过图像处理方法对图像进行调整、定位、分割等处理;最终运用Hopfield神经网络识别出车牌上的字符信息。     

基于神经元网络的选择型问卷识别技术

在问卷调查数据自动识别和统计过程中,由于纸张的折叠、弯曲、变形及受污染等原因引起的数据误判时有发生,考虑到手工统计的繁杂性,开发一种自动、高效的智能处理系统具有相当大的实用价值。提出应用神经网络对调查问卷扫描图像进行识别处理的方法,建立基于MATLAB的Hopfield网络识别模型,并详细讨论了图像预处理、特征提取及Hopfield网络训练与识别这三个重要环节。针对建立好的识别模型,系统仿真情况下,符号识别率达到100%;在实际操作过程中,当训练样本数充足,样本来源可靠的情况下,识别率高达96%,基本实现预期效果。     

基于实例学习的神经网络及其在故障诊断中的应用

介绍一 中自动从实例中获取知识的、具有高模式聚类精度的新型神经网络－－ＥＢＬ网（ｅｘａｍｐｌｅ－ｂａｓｅｄ ｌｅａｒｎｉｎｇ ｎｅｔｗｌｒｋ）,及其在故障诊断中的应用,研究结果表明：ＥＢＬ模式聚类系统可逐个 例中学习知识,并可同时给出模式识别结果及集群的信息,ＥＢＬ模式聚类系统适用于实时故障诊断。     

基于DSP的人工神经网络电力电子电路故障诊断

本文从待诊断逆变电源系统和实验验证这两个方面,对基于DSP的人工神经网络电力电子电路故障诊断展开了详细的研究,希望能为基于DSP的人工神经网络在电力电子电路故障诊断中的应用提供一定的理论参考.