检索结果-南通市图书馆

作者：王武广浙江大学

学位级别：硕士

模数转换器(Analog to Digital Convertor,ADC)是连接自然界模拟信号与数字处理系统的桥梁,是集成电路设计的一个重要方向。当代无线便携设备驱使模数转换器向着高速、高精度以及低功耗的方向发展。与快闪型模数转换器、流水线型模数转... 详细信息

模数转换器(Analog to Digital Convertor,ADC)是连接自然界模拟信号与数字处理系统的桥梁,是集成电路设计的一个重要方向。当代无线便携设备驱使模数转换器向着高速、高精度以及低功耗的方向发展。与快闪型模数转换器、流水线型模数转换器相比,逐次逼近型模数转换器(SARADC)拥有相对较低的功耗,中等甚至较高的转换速度和精度以及简单的结构。其数字化程度高,能够充分受益于当代集成电路特征尺寸的日益缩小,因此被广泛应用,成为了模数转换器设计领域的一大热点。论文主要研究了应用于便携式数字处理系统的中精度、中速SARADC设计,提出了一种具有数字后端校正功能的精度9位,采样率为50Ms/s的电容分段式SARADC。采用三态电荷重分配技术,降低了开关切换的功耗,并且提高了电荷重分配的速度;采用动态比较器提高比较速度,并且不消耗静态功耗;最后,提出一种数字后端冗余校正方法,移除桥电容失配带来的非线性,提高电路的性能。该ADC通过SMIC180nm工艺实现,电源电压1.8V。后仿结果表明,校正后的 ADC 的最大 DNL 和 INL 分别为+0.17/-0.67 LSB 和+0.65/-0.57 LSB,SNDR为52 dB。电路的数字和模拟模块消耗电流共计2.7mA,其中数字模块2.2mA,模拟模块500uA。芯片有效面积400um ×l80um。

关键词：逐次逼近型ADC 高性能低功耗三态电荷重分配技术动态比较器数字后端冗余校正算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向人体姿态估计的轻量化神经网络研究

面向人体姿态估计的轻量化神经网络研究

作者：王雷浙江大学

学位级别：硕士

在计算机视觉领域,人体姿态估计是一项基于图像或视频定位人的关节点的任务。人体姿态估计是大量重要计算机视觉任务的基础和前置任务,如动作识别、行人重定位、人机交互、行为识别、动画建模、图像检索、智能视频监控等。近几年随着深... 详细信息

在计算机视觉领域,人体姿态估计是一项基于图像或视频定位人的关节点的任务。人体姿态估计是大量重要计算机视觉任务的基础和前置任务,如动作识别、行人重定位、人机交互、行为识别、动画建模、图像检索、智能视频监控等。近几年随着深度学习技术的迅速发展,开始有学者将深度学习技术特别是卷积神经网络用于估计人体姿态,提高了人体姿态估计的准确性。然而,将基于卷积神经网络的人体姿态估计部署到实际场景也存在着一些困难。其中一个关键的问题是,由于神经网络模型具有较大的参数量和计算量,达到甚至超过目前手机等移动端的存储和计算力的上限,导致人体姿态估计应用在移动端上的落地变得困难。针对上述问题,本文研究了人体姿态估计中的卷积神经网络算法,设计了几种轻量化的网络结构,在人体姿态估计的准确度变动不大的前提下,较大程度地提升了姿态估计网络的运算速度并同时减少存储所需空间。本文的主要工作总结如下:（1）介绍了图像处理任务中常用的特征提取模块如RFB（Receptive Field Block）、HDC（Hybrid Dilated Convolution）等,并通过增加跳跃连接、更改分支设计等手段,使得该模块适宜于人体姿态估计任务,同时相较于原始的模块,新模块的关键点信息提取能力获得提升,同时也保持轻量化。（2）介绍了人体姿态估计任务中几种常用的网络如沙漏网络（Hourglass Network）、高分辨率网络（HRNet）等,并依照不同尺度信息相互融合、增加上下文语义信息、特征不断精炼的思路,设计了深度融合网络、多尺度融合网络、倒金字塔网络、编码解码网络、S形网络等人体姿态估计的网络结构。（3）在（2）中设计的网络的基础上,利用数据增强、在线困难关键点挖掘（Online Hard Keypoints Mining）等机制增强网络的鲁棒性,并在COCO Keypoint数据集测试了网络的表现,实验结果表明,所设计的网络结构在准确定位关键点的同时大大降低了计算量和存储开销,其中效果最好的深度融合网络在COCO Keypoint数据集上接近目前最好的结果。最后实际场景测试也证明了所设计的网络在复杂环境下具有良好的鲁棒性。

关键词：人体姿态估计轻量化网络架构关键点检测卷积神经网络

基于STDP在线学习的卷积脉冲神经网络的硬件实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于STDP在线学习的卷积脉冲神经网络的硬件实现

作者：董骁浙江大学

学位级别：硕士

神经网络是目前人工智能领域的一大核心。近年来,神经网络中的深度卷积神经网络(DCNN)具备的功能越来越强大,甚至能够在许多目标识别的任务中超越人的视觉能力,在越来越多的领域得到应用。然而,由于计算量大并且耗时的原因,使用误差反... 详细信息

神经网络是目前人工智能领域的一大核心。近年来,神经网络中的深度卷积神经网络(DCNN)具备的功能越来越强大,甚至能够在许多目标识别的任务中超越人的视觉能力,在越来越多的领域得到应用。然而,由于计算量大并且耗时的原因,使用误差反向传播算法进行训练的深度卷积神经网络并不适用于能够适应环境变化的在线学习任务。与DCNN相反,脉冲神经网络(SNN)模拟生物大脑的运作机制,通过脉冲传递信息,计算精度要求更低,计算速度更快,更适用于在线学习领域。除此之外,计算功耗的降低也是SNN相比于DCNN的一大优势,而将软件算法用硬件平台来实现可以显著降低功耗,因此硬件实现是SNN的一个重要研究方向。由于SNN还没有一种公认的核心训练算法,目前很多硬件实现的SNN仅实现了网络的推理功能,而没有实现学习功能。在实现学习功能的硬件方案中,其训练算法之间也存在很大的差异,同时,支持在网络运行过程中实时进行权值更新的在线学习功能的也比较少。基于以上背景,本文实现了一种结合卷积神经网络与脉冲神经网络的卷积脉冲神经网络(CSNN)的硬件加速器,并且采用脉冲时间依赖可塑性(STDP)与强化学习形式的脉冲时间依赖可塑性(RSTDP)两种算法结合训练的形式,支持网络的在线学习功能,FPGA在网络推理的同时进行训练,以适应动态变化的环境。本文采用特殊的输入脉冲格式使得硬件无需存储神经元膜电位,并且采用卷积核阵列与移位寄存器的结构实现卷积并行计算。整个系统由上位机与FPGA组成,前者进行脉冲编码等数据预处理,后者进行实际的网络计算工作。加速器在Xilinx的ZCU102型号的FPGA上实现,最终在MNIST数据集上进行训练后,测试准确率可达95%。同时,本网络支持小样本学习,即在有标签数据数量减少到原训练集的20%时,测试准确率依然可达约95%。在100MHz时钟频率下,处理速度相比于CPU提高了18倍,功耗相比于CPU降低了两个数量级。

关键词：卷积脉冲神经网络现场可编程门阵列脉冲时间依赖可塑性在线学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度脉冲神经网络的直接式监督学习算法研究

深度脉冲神经网络的直接式监督学习算法研究

作者：赵百新浙江大学

学位级别：硕士

脉冲神经网络具有生物相似性,拥有强大的时间和空间特征处理能力,采用基于事件驱动的处理模式,是运行在高效的神经形态硬件的理想模型。然而,由于脉冲神经元模型的不可微性,直接训练深度脉冲神经网络一直是个难题。高效的学习算法和训... 详细信息

脉冲神经网络具有生物相似性,拥有强大的时间和空间特征处理能力,采用基于事件驱动的处理模式,是运行在高效的神经形态硬件的理想模型。然而,由于脉冲神经元模型的不可微性,直接训练深度脉冲神经网络一直是个难题。高效的学习算法和训练平台的缺乏,阻碍了深度脉冲神经网络的广泛应用。为此,本文针对深度脉冲神经网络提出了端到端的直接式监督学习算法,具体而言,本文的创新点和贡献如下:（1）本文提出了一个基于离散LIF神经元模型（Leaky Integrate-and-Fire neuron model）和替代微分的学习算法来直接训练深度脉冲神经网络,同时权衡了计算效率、训练速度和目标精度。本文提出了编码器-解码器的网络架构,通过编码器对输入脉冲序列进行特征抽取,通过解码器将脉冲输出为频率,从而能够实现多种任务的输出。（2）本文基于离散C-LIF（Current-based LIF）神经元模型,优化了网络架构,使其支持脉冲和非脉冲输入。当网络输入非脉冲数据时,编码器自动将其精确地编码为脉冲。实验结果表明,本文的学习算法在动态神经形态数据集MNIST-DVS和DVS-Gestures上分别取得98.40%和95.83%的分类准确率,在静态图像数据集MNIST和SVHN上分别取得99.58%和95.97%的分类准确率,与目前最好的结果同一水平。（3）本文提出了反向过程优化和逐层冻结的加速策略,提升了训练效率并降低了功耗。反向过程优化包括等步长反向过程和随机反向过程两种方法。逐层冻结采用自适应学习率优化算法和预设间距的方式实现,预设间距包括等间距、二次递增间距和二次递减间距。实验结果表明,在准确率同一水平下,单一策略最高可降低耗时42.6%,组合策略最高可降低耗时60.0%,大大提高了训练的效率。

关键词：脉冲神经网络替代微分 LIF神经元模型反向过程优化逐层冻结

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

楼宇可视对讲系统的设计与实现

楼宇可视对讲系统的设计与实现

作者：张泽旺浙江大学

学位级别：硕士

传统的可视对讲系统采用数字编解码技术直接传输各基带信号,信号易受干扰或失真、数据通信稳定性差、且存在连接线多、布线复杂、联网分配困难等弊端;若采用无线通信技术的系统,又存在稳定性差,或不兼容用于已装有语音对讲的旧楼改造工... 详细信息

传统的可视对讲系统采用数字编解码技术直接传输各基带信号,信号易受干扰或失真、数据通信稳定性差、且存在连接线多、布线复杂、联网分配困难等弊端;若采用无线通信技术的系统,又存在稳定性差,或不兼容用于已装有语音对讲的旧楼改造工程等问题。针对上述问题,应用载波调制解调及频分复用等技术方案,设计了音视频调制解调系统、数据收发系统、频分复用系统、电源系统和MCU控制系统等硬件系统,设计了双向载频放大器和馈电型系统用户分配器,还进行软件控制系统及功能设计,完成了整机电路板级设计和进行了提高信号完整性的设计举措,实现了将系统电源、视频图像、对讲语音、控制数据等载波信号在一根同轴线或二线制差分平衡线上进行远距离双向传输与分配。经过测试,视频传输效果达到电视广播级水平,图像全实时传输,没有出现丢帧和延时现象;语音信号失真度小于3%,其频率响应范围为180Hz-12k Hz,达到调频广播的音质水平;控制数据接收端信号频率、占空比与发送端一致,在传输及测试过程中没有出现误码等情况;系统整机各控制功能均能实现通信及控制任务,较好地完成了系统的设计目标,整机系统稳定可靠。

关键词：调制解调可视对讲频分复用数据收发分配放大器

25MnSiV矩形坯疏松缩孔和凝固组织控制研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

25MnSiV矩形坯疏松缩孔和凝固组织控制研究

作者：韩东辽宁科技大学

学位级别：硕士

连铸坯中心疏松缩孔和凝固组织对铸坯及最终产品的性能有重要的影响,疏松缩孔会降低钢的抗疲劳强度和抗拉强度,铸坯凝固组织决定着铸件的性能及产品用途。采用数学模拟研究连铸工艺参数对中心疏松缩孔和凝固组织的影响规律,并据此指导... 详细信息

连铸坯中心疏松缩孔和凝固组织对铸坯及最终产品的性能有重要的影响,疏松缩孔会降低钢的抗疲劳强度和抗拉强度,铸坯凝固组织决定着铸件的性能及产品用途。采用数学模拟研究连铸工艺参数对中心疏松缩孔和凝固组织的影响规律,并据此指导生产实践是一项重要的工作。本文根据某钢厂现有160 mm×220 mm方坯连铸工艺条件,建立了25Mn Si V钢连铸凝固传热和微观组织数学模型,在验证模型准确性的基础上,研究了拉速、过热度、二冷区给水量等对连铸坯中心疏松缩孔和铸坯微观组织的影响。讨论了铸坯凝固末端温度场、连铸过程铸坯表面-和中心温度变化以及固相率的变化规律,并开展了现场生产实验。研究结果表明:拉速1.2 m/min比1 m/min铸坯疏松缩孔面积增大4.90%,拉速1.6 m/min比1.2 m/min疏松缩孔面积增大96.26%。拉速每增大0.1 m/min,铸坯液芯长度增加2.25 m。过热度40℃比20℃铸坯疏松缩孔面积增加2.40%,过热度50℃比40℃铸坯疏松缩孔面积增加25.00%。二冷区给水量的80%比40%给水量疏松缩孔增加37.93%,二冷区最大给水量比80%给水量疏松缩孔增加11.11%。CET转变位置与拉速满足线性关系:y=-13.33x+59.33。CET转变位置与过热度满足线性关系:y=0.17x+43.01。采用拉速、过热度、二冷比水量分别为1.2 m/min、40℃、80%进行了生产实验,疏松缩孔得到了较好的改善。

关键词：连铸疏松缩孔工艺参数凝固组织生产实践

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

神经形态芯片的关键模块和系统设计

神经形态芯片的关键模块和系统设计

作者：孙国权浙江大学

学位级别：硕士

近几年来,深度学习算法快速发展,大规模的图像处理和迭代计算对硬件提出了新的要求。传统的计算机都是基于“冯诺依曼架构”设计,即数据在处理器和内存之间来回计算。这种架构适合数字运算和程序执行,但是并不适合处理图像、声音类信号... 详细信息

近几年来,深度学习算法快速发展,大规模的图像处理和迭代计算对硬件提出了新的要求。传统的计算机都是基于“冯诺依曼架构”设计,即数据在处理器和内存之间来回计算。这种架构适合数字运算和程序执行,但是并不适合处理图像、声音类信号。而人类的大脑却可以轻松地同步处理视觉、听觉和嗅觉等信号。通过研究人脑工作原理,学术界提出了一种不同于传统计算机架构的神经形态芯片,在处理图像和声音类信号方面有重大优势。为此,本文提出了一种模数混合超大规模脉冲型神经网络电路。本文先介绍了生物神经网络的原理和相应的电路模型,从理论上证明了神经网络电路设计的可行性,并根据应用的需求和电路自身的限制定义了芯片的内部结构。该芯片主要分为四个模块,神经元电路阵列、突触电路阵列、SRAM (Static Random Access Memory,静态随机存储器)存储单元阵列和AER (Address Event Representation)通信电路。其中,神经元电路阵列和突触电路阵列具有生物神经元和突触的时间特性,实现了脉冲频率可调,突触权重可配的功能。同时,通过改变突触电路和神经元电路的连接关系可以实现多种应用。利用AER电路,能够让芯片和微处理器通信,并通过更新SRAM单元中的突触权重值来研究不同种类的STDP (Spike-Timing Dependent Plasticity)学习算法的效果。该芯片采用了smic 180nm CMOS工艺,包含了总共32×32个SRAM单元,2×32个突触电路,32个I&F神经元电路和AER通信电路。仿真结果显示,该芯片的输出和软件算法的输出完全相同,表明设计的芯片符合预期的要求。

关键词：神经形态芯片神经元电路突触电路 SRAM AER通信协议突触权重值可编程

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于3G无线网络的图像传输系统设计与实现

基于3G无线网络的图像传输系统设计与实现

作者：刘德鹏上海交通大学

学位级别：硕士

当今社会,随着网络技术的不断发展,网络传输能力也不断增强,移动互联网呈现井喷式的发展,基于移动互联网传输音视频数据的应用更是得到了前所未有的发展。其中,特别是利用3G移动网络技术来传输音视频的研究引起了人们的较大关注。在日... 详细信息

当今社会,随着网络技术的不断发展,网络传输能力也不断增强,移动互联网呈现井喷式的发展,基于移动互联网传输音视频数据的应用更是得到了前所未有的发展。其中,特别是利用3G移动网络技术来传输音视频的研究引起了人们的较大关注。在日常工作生活中,视频会议、网络视频、Vo IP语音聊天、互联网医疗、网络远程教学、互联网虚拟现实等多媒体网络技术,已被大量应用。由于3G移动网络与其他无线网络一样,具有丢包率、误码率高的特点,采用多通道绑定传输更是存在延时抖动严重的情况。这些问题都会对视频数据的传输质量构成直接的影响,导致出现严重的马赛克或者丢帧现象。因此,如何实现提升网络服务质量,以满足音视频数据传输的流畅性(不抖动)、实时性(延时小)的需求,是一项颇具挑战的工作。本文对基于3G无线网络的图像传输系统展开研究,综合运用了信号处理技术和网络处理技术,设计了软硬件结合的嵌入式平台,实现了视频信号在3G无线网络环境下的传输和接收处理功能。通过对实验数据的分析及系统实测,提出的3G图像传输系统,满足了图像监控系统的整体要求。具体的研究内容及目标如下:对本课题所涉及的关键技术开展前期调研,主要包括网络实时传输协议、音视频编码技术以及网络传输控制技术等。根据前期调研所获得的关键技术和理论知识,对系统整体架构进行详尽设计并在此基础上设计和完善系统的各个子模块。针对3G无线网络的传输特点,设计和实现了多种网络策略,包括前向纠错技术、拥塞控制技术和多通道负载均衡成功地解决了网络传输控制等一系列关键技术问题。设计基于嵌入式平台技术的图像编码设备,设计实现基于无线网络传输的PRUDP协议,系统基于模块化的系统软件设计思路采用VC++编程工具实现后台中心软件,利用JRTPLIB开源库实现RTP/RTCP实时传输协议。对系统在各种无线网络环境传输效果进行分析和测试。对各种物理条件中相应的传输速率、不同视频分辨率等图像传输阶段的延迟、图像质量进行了分析与测试。

关键词：无线网络图像传输 3G

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

脉冲时序编码的有监督脉冲神经网络算法研究

脉冲时序编码的有监督脉冲神经网络算法研究

作者：应曌中浙江大学

学位级别：硕士

脉冲神经网络是以具有生物行为的神经元构建的计算模型。相比于人工神经网络,其具有与生物神经系统更相似的计算模式。在脉冲神经网络算法中,基于脉冲时序编码的算法,相比基于频率编码的算法,能更充分地利用脉冲序列所编码的信息,因而... 详细信息

脉冲神经网络是以具有生物行为的神经元构建的计算模型。相比于人工神经网络,其具有与生物神经系统更相似的计算模式。在脉冲神经网络算法中,基于脉冲时序编码的算法,相比基于频率编码的算法,能更充分地利用脉冲序列所编码的信息,因而具有更强的计算能力。本文的研究围绕脉冲时序编码的脉冲神经网络算法展开,梳理了脉冲神经网络模型的具体构建方法,详细分析了SpikeProp算法,并将其推广应用于循环网络结构,提出并比较了算法的软件加速方案,且在Iris Flower数据集和MNIST数据集上对推广的算法进行了验证,最后还分析了脉冲神经网络推理的硬件加速方案。其创新之处主要在于:1.本文以形式化的方法证明了 SpikeProp算法中的关键公式及其适用范围;以计算图的方法直观地解释了 SpikeProp算法所涉及的误差反向传播过程;且基于计算图,利用全微分的形式不变性将SpikeProp算法推广应用于一般的循环结构的脉冲神经网络上,得到了 Recurrent SpikeProp算法。2.本文分别提出了以GeNN库和Pytorch库构建算法软件代码的GPU加速方案;且对两种方案的加速性能进行了测试比较。3.本文提出了一种具有良好扩展性的数模混合脉冲神经网络推理加速芯片的架构设计方案。其通过引入CAM和SRAM存储脉冲神经网络结构参数,并以单个突触电路复用于多个逻辑突触的方式,实现了计算和参数存储的分离,提高了单元电路的利用效率;通过引入多个输入输出单元,配合基于二叉树的路由方案,实现了芯片的灵活扩展性。

关键词：脉冲神经网络 Recurrent SpikeProp 软件加速芯片架构

高能效比SRAM全数字存内计算架构及关键模块电路设计研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高能效比SRAM全数字存内计算架构及关键模块电路设计研究

作者：陈伊玲浙江大学

学位级别：硕士