一、可重配置通用图像识别跟踪处理机研究(论文文献综述)
徐剑韬[1](2019)在《脉内时频特征提取与调制类型识别的硬件实现技术》文中研究表明脉冲信号侦察系统在电子支援中有着重要的地位,它能够截获雷达和通信设备的脉冲信号,对信号进行数字化处理并提取特征参数,然后再进行分选识别和脉内特征分析,最终获取辐射源位置和基本信息。但现代复杂的电磁环境和瞬息万变的战场形势,不仅要求侦察系统能够准确地识别低信噪比下的脉冲信号,从其中获取有用信息,而且还必须能够做到全面实时地硬件处理,从而提高截获概率,甚至还要求侦察系统小型化,具备便携性,能够满足单兵作战的需求。近年来,随着图像处理技术的发展,基于时频分析和图像识别的脉内类型识别技术被许多文献所提出,这种方法在抗噪性和鲁棒性上都优于其他算法,同时图像识别具有很强的通用性,使得识别系统易于升级,目前该方法是信号侦察领域一个热门研究方向,但现阶段大多数文献对该课题的研究仅停留在软件仿真的阶段,并没有结合硬件设计真正实现该方法。因此,本文从FPGA异构并行系统的角度研究基于时频图像处理方法的脉冲侦察接收系统的实现,主要技术涉及了数字下采样,时频图像生成以及深度卷积神经网络分选的并行实现以及相应的性能分析。在研究过程中,本文利用并行化和流水线技术,实现了宽带下变频,时频变换和卷积神经网络的高效处理。本文结合了当前脉冲时频特征提取和异构并行计算的研究成果,具体开展了如下的研究工作:1.介绍了典型的三种脉冲信号的调制类型及特点,以及脉冲信号侦察系统的基本原理。分析了针对宽频接收信号的频域信道化处理的优势。深入分析了STFT变换和WVD的原理和特点,提出工程算法。为了能够有效地从时频图像中识别调制特征,本文引入了深度卷积神经网络,从稀疏连接、参数共享及池化下采样三个方面阐述深度卷积神经网络较BP神经网络和传统机器学习的优势。2.从硬件设计的角度分析了脉冲信号时频图像生成的过程:结合了具体工程参数,针对宽带接收信号,提出了多级正交下变频的硬件解决方法,将3200MHz带宽的单通道宽带信号转换为了25MHz窄带正交信号,从而降低了脉内时频特征提取和识别的硬件难度。针对短时傅里叶变换的硬件实现,提出了多相分解和流水线结合的实现方案,对原理、流程、特点都进行了详细的分析,给出了最终的硬件性能。为了实现时频矩阵灰度化,本文设计了一种高效的灰度映射电路。3.从硬件设计的角度分析和实现了一种具有两层卷积的深度卷积神经网络分类器:根据硬件平台具有异构并行的特点,设计了具有两层卷积层的神经网络,并给出了详细的可行性分析方案和硬件解决方案。对卷积层、池化层、全连接层的计算流程进行并行化,并做了详细的复杂度分析,充分发挥了异构并行系统的优势。4.利用Xilinx异构并行系统ZYNQ-7000搭建了脉冲信号侦察处理系统,在硬件上介绍了用AXI4总线作为模块互联协议及地址映射的过程;在软件上叙述了系统启动、系统驱动设计、系统应用程序设计和系统界面。本文利用MATLAB和软件无线电系统生成了大规模的样本集,用于测试和验证。验证结构从正确性、实时性和资源使用情况三个方面分析。验证结果表明,本文设计的系统在正确性、实时性和资源使用情况方面有较不错的优势,同时本文实践的平台具有小型化,低功耗的优势,在工程实践中具有重要的参考意义。
罗军[2](2007)在《运动估计在稳像和匹配跟踪中的应用及实现》文中指出根据实际课题研制需求,论文针对运动估计技术在电子稳像和图像匹配跟踪中的具体应用展开深入研究,并设计实现了一种高性能的导引头信息处理机。论文主要的研究内容如下:1.介绍了运动估计技术的研究内容,总结了常用的、主要是针对电子稳像的运动估计方法和运动补偿方法。介绍了机械式稳像、光学稳像和电子稳像的优缺点,总结了国内外电子稳像技术的研究发展现状,阐述了电子稳像技术的基本原理和通用系统结构。研究了二维电子稳像问题,提出了一种基于菱形搜索的局部求精比特平面匹配运动估计和Kalman滤波运动补偿的电子稳像算法,并在研究了单向和双向灰度投影算法的基础上,提出了一种基于双向灰度投影运动估计和Kalman滤波运动补偿的电子稳像算法。此外,针对由于运动补偿造成图像内容缺失的问题,提出了一种基于图像拼接技术的全帧视频稳定算法。这种算法取统计意义上的中心作为视频图像序列真实稳定中心的估计,以此作为运动补偿的基准,保证视频图像序列能够以置信度更高的“稳定中心”进行全帧稳定。2.针对平移、旋转和缩放情况下的图像匹配跟踪问题,分别研究了基于频域和空域的图像配准技术。在频域配准技术研究中,研究了Pseudo-Polar傅立叶变换以及基于Pseudo-Polar傅立叶变换的快速极坐标傅立叶变换,讨论了它们在图像配准中的应用,并利用这种快速极坐标傅立叶变换对基于Fourier-Mellin变换的图像配准算法作了改进,提出了一种改进的基于Fourier-Mellin变换的图像配准算法;在空域配准技术研究中,主要研究了正加性、正合成、反加性、反合成几种非线性最优化迭代算法。然后在研究了频域和空域图像配准技术的基础上,针对最优化迭代算法存在的问题,结合基于快速极坐标傅立叶变换的Fourier-Mellin图像配准算法和Levenberg-Marquardt反合成算法,提出了一种联合频域和空域的图像配准算法,能够精确地估计平移、旋转、缩放图像之间的运动变换参数。3.总结了几种图像处理硬件系统结构,分析了它们的优缺点,然后采用基于现场可编程逻辑器件(FPGA)和通用高速数字信号处理器(DSP)的硬件系统构成方案,设计实现了一种高性能的导引头信息处理机。采用FPGA设计实现了专用图像预处理器,该图像预处理器能够在图像采集的同时,完成电子稳像等全局图像预处理,有效地提高了信息处理机系统的处理速度。采用高性能DSP(TMS320C6203)为核心,设计了高速处理器和系统控制器,使得高速处理器和系统控制器能够高效地完成大数据量、高速度的图像制导信息处理。
刘松涛,沈同圣,周晓东,韩艳丽[3](2005)在《舰船红外成像目标实时识别与跟踪系统研究》文中指出同时考虑硬件设计、算法研究、软件实现三个方面,成功高效地设计了一个舰船红外成像目标实时识别与跟踪系统。硬件上采用主从式结构,主机为控制计算机,从机为TMS320C6201芯片及其外围电路构成的图像处理系统。算法研究尽量实用化,提出了一种新的目标识别和跟踪算法。软件实现时,基于硬件和软件采取了许多优化措施。该系统已成功应用于光电干扰效果评定实验中。
王勇,赵保军,朱梦宇[4](2002)在《可重配置通用图像识别跟踪处理机研究》文中研究指明为满足战场适应性和通用性的需要,根据各种精密武器系统中图像跟踪信号处理机的共性,设计了通用图像跟踪信号处理机.由可重配置的大容量FPGA实现低层信号处理,由可编程的TMS320C6201DSP完成高层数据处理,实现各种复杂的目标检测和跟踪算法;采用对FPGA和DSP的在线可重配置电路,实现系统的战场配置,使系统具有广泛的通用性和良好的战场适应性.最后给出了在弱小目标红外成像跟踪系统中的应用实例.
蔡拓[5](2019)在《基于ASIP的软件无线电信号处理机设计》文中研究指明在目前的软件无线电处理系统中,基于FPGA和DSP这类可编程器件的系统仍有一些无法避免的缺点,比如系统设计过分依赖于具体硬件,系统可扩展性和可移植性较差等,并且一般基于FPGA和DSP器件的可编程处理系统,难以做到处理性能、系统功耗和设计灵活性的兼顾和平衡。针对这种情况,本文设计了一种基于ASIP的软件无线电信号处理机(简称“处理机”)。处理机包括通用数字电路接口板(简称“接口板”)和专用指令集异构多核处理器(简称“处理器”)两大部分内容。接口板为软件无线电处理系统提供可扩展性和可移植性,其具备各种标准数字总线接口,易于与其他设备进行数据传输和通信,包括但不限于千兆以太网接口、HDMI多媒体接口、CAN总线接口、I2C接口、USB 2.0接口、SPI接口以及UART接口。处理器则为软件无线电处理系统提供计算能力和设计灵活性,其借助Xilinx Zynq FPGA平台,首先实现了基于ASIP的单个CPU的设计,并且由此组成CPU阵列,实现了一款通用嵌入式异构多核处理器的设计,在该异构处理器中,嵌入式ARM硬核提供基本的系统控制和人机交互,ASIP阵列则提供高速数字信号处理运算和数据处理运算。本论文将处理机应用在毫米波雷达处理系统上,并为处理系统设计了一套完整的雷达处理算法,同时编写了相应的处理器程序。最后的测试结果表明,本处理机通过所设计的硬件处理平台和相对应的软件,解决了传统由分立CPU以及FPGA器件组成的软件无线电系统的功耗较高、性能较差以及设计灵活性不足的问题。因此,本处理机可以很好地作为处理平台和计算平台应用在雷达、通讯等软件无线电处理系统上,对软件无线电系统的发展具有良好的推动作用。
高放[6](2017)在《面向片上异构多核系统的机器学习算法并行化技术研究》文中认为随着物联网的兴起,大数据理论的诞生,以及移动互联网的深度应用,当今社会已经进入信息化、数字化、智能化全面发展的时代。大量信息的处理以及各种智能化应用需要依托于智能化设备来实现,也就是各种嵌入式设备。这种趋势一方面使机器学习算法起着越来越重要的作用,另一方面也令传统嵌入式设备难以满足大量增长的复杂算法及海量数据对计算能力的需求。高性能嵌入式计算是解决嵌入式设备计算能力不足的有效手段。本论文针对基于机器学习技术的新型智能化嵌入式应用计算量原来越高,传统嵌入式系统计算能力难以满足其需求的问题,从理论、技术、实现三个层面探索使用多核高性能嵌入式计算手段提高嵌入式系统对于复杂机器学习算法的处理性能。首先从嵌入式多核系统体系结构研究入手,确定CPU与各种加速器相结合的异构多核结构是最有效、适应能力最广的的高性能嵌入式计算体系结构,并提出异构多核高性能计算系统的通用体系结构以及基于任务集合的高性能计算程序执行模型;在多核体系结构与执行模型基础上,研究典型机器学习算法机理及算法特性(如Boosting、SVM、MLP及CNN等),进而提出针对性的并行化策略,并针对一个适合嵌入式应用的高性能计算平台Parallella研究其并行算法及软件设计;之后进一步进行可扩展性研究,提出其扩展性度量指标并实现一种Parallella集群式两级并行计算系统,使计算性能得到进一步提升;最后建立一种面向Parallella平台的机器学习应用快速开发框架PML-RADF,显着降低机器学习类嵌入式应用的开发难度。通过一系列实验证明本论文提出的并行化算法及快速开发框架能够显着提高机器学习算法在多核嵌入式系统中的执行效率并降低开发难度。通过对片上异构多核系统机器学习相关技术的研究,本论文主要创新性研究工作如下:(1)提出一种针对异构多核高性能计算系统的通用体系结构模型及模块化程序执行模型。通过研究高性能计算系统体系结构,首先确定通用CPU与专用加速器协作进行高性能计算是未来高性能嵌入式计算的主流结构,进而提出基于CPU与多核加速器形式的异构多核体系结构模型,之后将嵌入式应用程序划分划分为多层任务结构,形成一系列控制单元与计算单元组合的任务集合,提出异构多核体系结构下的程序执行模型。该执行模型通过任务拆分机制及多核映射方法有效指导嵌入式高性能计算应用的设计工作。(2)提出针对异构多核体系结构的常见机器学习算法并行优化策略及应用算法。从数据并行和模型并行两方面研究图像识别领域常用机器学习算法的并行化策略,提出适合多核平台的机器学习并行化方法,主要包括基于数据并行的AdaBoost并行分类方法、基于稀疏理论与数据并行的SVM训练并行化方法、基于模型并行的多层感知机并行分类方法以及基于混合并行理论的卷积神经网络并行分类方法。进而从事基于Parallella高性能嵌入式计算平台上实际机器学习应用的实现算法研究,提出一系列针对Parallella平台的机器学习并行化关键算法及实现技术,提出基于任务拆分和动态分配的并行AdaBoost实现算法、基于数据镜像的多层感知机并行实现算法以及基于全局内存的卷积神经网络实现算法等,提出一系列存储分配机制、任务调度策略以及数据通信方式等,并在此基础上进行可扩展性研究。通过实验证明比传统并行方法显着提高机器学习任务的执行效率,进而实现多种机器学习应用实例。(3)针对异构多核体系结构,提出一套可扩展的机器学习应用快速开发框架PML-RADF。通过研究机器学习并行加速算法库,数据维护机制及多层通信机制,设计开发框架的软件架构并进行实现技术研究,最终实现具有通用性、规模可扩展以及算法可扩展能力快速开发框架。并由此框架为依托引申出一种完整的机器学习应用快速开发流程,可以降低机器学习应用在嵌入式异构多核系统中的开发难度,提高开发速度,便于进行实际应用。
张聪[7](2014)在《基于软件可重构的图像欺骗系统设计与实现》文中指出随着软件产业的磅礴发展,开发周期长、维护成本高、软件质量低和难以快速适应新变化等问题逐渐出现在软件开发过程中。为更好地解决这些问题,当今主流的方法是软件复用技术。一种实现软件复用的重要方式是重构,它致力于功能模块的拆分与组装,提供了一种有效提升软件生产质量和效率的途径。本文在以可重构组件和软件框架技术相协作的理论基础上,结合XML组件开发技术,以VS2008为开发工具构建了可重构软件平台,并进行多维化拓展设计了一套可重构的分布式软件系统体系。而当今社会军事革命的重心是信息战,实质就是推动机械化战争向信息化战争的转变。利用计算机实现的信息欺骗是信息战中重要的一环,本文在基于信号的信息欺骗流程中,在核心环节着重对数字图像信息进行修改。在总结和归纳了现有图像处理与识别技术基础上,实现应用了其中的典型方法,并依此设计了一套图像信息欺骗流程。其中在图像判别方法的实现过程中融入人工智能语言Prolog,运用专家系统的思想提出了一种新的实现方式。本文以可重构的分布式软件体系为开发依据,结合图像信息欺骗这一应用实际,开发了一套分布式图像信息欺骗系统。该系统同时具备了前瞻性与实用性,一方面为分布式可重构的通用软件体系提供了一个实践测试平台,另一方面也给图像信息欺骗流程提供了一个灵活稳定的基础环境。
王宇旸[8](2009)在《基于可重构计算技术的图像识别与分类系统研究》文中认为随着图像自动目标识别和分类技术应用领域的迅速拓展,对计算机处理能力的要求越来越高。可重构计算是随着电子技术的进步而发展起来的一种新的计算技术,它将微处理器的灵活性和ASIC的高效性结合起来,使图像实时处理技术的快速实现成为可能。本论文在综合分析当前图像目标识别和分类算法特点的基础上,深入研究了SAR图像本身的特性,目标的特征和提取方法,并对利用可重构计算技术实现图像识别和分类的方法做了有益的研究和探讨。本文的主要工作和创新之处包括:(1)研究了遥感图像特点及目标识别的方法,提出了一种基于模板的图像识别算法。遥感图像以其覆盖面积大、时效性强、数据综合性高等特点成为了国民经济各个部门重要的数据来源,因此遥感图像处理成为当今计算机应用领域的热点。SAR图像地物目标可分为点目标、线目标、面目标以及这三者在有限尺度内组合成的硬目标。大多数人造目标属于硬目标。SAR图像中显示的硬目标并非人们平常感知的视觉形象,只有在雷达分辨率较高的时候硬目标才能显示出一定的目标细节,必须充分分析目标的特征才能较好的对目标进行识别。本文在分析SAR图像自动识别过程,并结合国内外研究的经验的基础上,提出基于模板的自动目标识别算法。通过对图像进行有效的预处理,将目标集中在一个含有较少背景的区域中,不仅减少了背景对目标检测的影响,而且大大减少了目标检测时的数据量。并且通过对目标特征进行大量分析,获得了行之有效的模板,提高了识别率。(2)研究了图像噪声、纹理特征及支持向量机分类器,提出了一种基于纹理的图像分类算法。图像分类是根据像元的灰度信息以及其他空间特征,判定图像中地物类别的过程。在遥感图像技术中,无论是专业信息提取、运动变化预测,还是专题地图制作和建立遥感数据库等都离不开遥感图像的分类。根据求解判别函数是否利用了类别的先验知识,图像分类的方法可以归结为监督分类法和非监督分类法。非监督分类的结果只是对不同类别达到区分,并不能确定类别的属性,且准确性和收敛速度较差。本文深入研究了图像的有监督分类方法。在分析已有算法不足的基础上,选择支撑向量机作为分类器,通过对SAR图像有效去噪和纹理特征的提取,不仅减少了无关特征向量的计算,而且提高了图像分类的正确率。(3)研究了软硬件协同设计方法学,提出了将基于模块的部分重构技术应用于图像识别算法设计与实现的方法。根据高分辨率图像的目标识别低层算法处理数据量大、算法较简单等特点,提出了在可重构平台上以软硬件协同的模式实现目标识别的方法。首先针对可重构计算平台的特点分析了图像识别的算法,再借鉴模块化的设计方法的思路完成各个模块的设计与实现,最终利用可重构逻辑器件的部分重构特性实现系统运行时重构。设计文件不仅能够普遍适用于Virtex系列的可重构逻辑器件,而且适用于各种图源图像的预处理方法,为其他相关图像处理算法的可重构实现奠定了良好的基础。可重构平台上以软硬件协同工作的模式的引入,不仅准实时的实现了目标识别方法,而且减少了芯片的使用面积,降低了可重构器件的布线难度。(4)研究了图像纹理计算的特点及部分重构方法学,提出了将基于差异的部分重构技术应用于实现图像分类算法设计与实现的方法。基于灰度共生矩阵的纹理普遍应用于各种图源的分类和特征提取。针对软件实现纹理计算量大、时间长的问题,传统的方法只能将图像降维或者降阶,这显然会影响后续特征提取时的效果。本文提出的方法首先针对可重构平台的特点分析了图像分类方法,然后利用基于差异的部分重构技术完成了系统设计。使图像纹理的计算,乃至整个图像分类的速度达到了准实时性。系统的设计文件不仅具有良好的可移植性,而且只需很少的改动就可以实现其他图源的图像快速分类。实验表明,基于差异的动态可重构方法的引入,与通用处理器相比图像分类速度,节约芯片使用面积。
乔双[9](2004)在《多DSP并行结构神经网络目标识别系统的实现》文中认为介绍了自动目标识别的发展历史和现状,在并行计算机结构和神经网络知识的基础上,分析了实现实时目标识别系统的硬件和软件技术基础。阐述了自动目标识别系统的工作原理、结构特性,设计了用于快速目标识别的多DSP并行结构虚拟神经网络系统,解决了实时目标识别系统实现过程中的关键技术。该硬件系统充分利用了DSP所提供的主机接口HPI和内存资源,巧妙地实现了共享存储器方式的并行结构,整个系统结构简洁,编程方便、灵活,可扩展性强。在该实现中,软件的采用增加了其通用性和灵活性,并行硬件结构的采用增加了识别的快速性。实验表明系统对不同目标的正确识别率大于90%,而且在2.8ms之内给出识别结果,可以满足实时性要求。该硬件系统最大限度地吸收了SIMD和MIMD两种并行结构的优点,既可以用于实现并型神经网络算法,又可以用于实现并串型神经网络算法及其他并行算法。同时,也可以作为实际工程应用中实时目标识别系统算法的测试平台。 论文工作包括硬件设计和软件算法实现两大部分,但由于系统过于复杂,故本论文以硬件系统的设计与实现为主。论文的主要研究工作如下: (1)采集与模式识别接口逻辑的设计。提供了图像采集及预处理单元与多DSP并行结构目标识别单元进行信息传递的桥梁和纽带,将图像数据源逻辑映射成主机接口(HPI)逻辑,同时考虑了5V逻辑和3V逻辑间的转换问题。 (2)分类DSP小系统和判决DSP小系统的设计。分类DSP小系统依靠BP算法完成对目标的初步识别和分类,判决DSP小系统完成对多个分类DSP小系统输出结果按照一定算法(例如BP算法)进行最终判决,并返回识别结果的编码。各个小系统均由TMS320VC5409、flash存储器、电源管理模块组成,软件加载采用bootload方式。区别仅在于分类DSP小系统使能主机接口,判决DSP小系统禁止主机接口。这种模块化的设计使并行系统结构更加灵活,可根据问题的需要改变结构。 (3)融合逻辑电路的设计。融合逻辑电路用Lattice公司生产的在系统可编程芯片按照一定的算法完成对多个分类DSP小系统输出结果的整合,并且这种电路可以级联,以便连接更多的分类DSP小系统。 (4)融合逻辑电路和判决DSP小系统接口的设计。将DSP的HPI接口设置为 通用FO端口,/BIO作为握手信号线,使融合结果能够高速地传输给判决 DS尸,从而简化了接口电路的复杂性。(5)图像数据采集单元的设计。图像处理电路由以下几部分组成:视频预处理、 模数转换、帧存储器、跟踪窗口、数字信号处理器。视频预处理完成对视 频信号的嵌位放大、边缘增强等;模/数转换完成把模拟视频图像变为数 字图像数据供DSP运算:帧存储器存储一帧图像数据供DSP处理;同步机 产生系统所需的各种同步信号,使系统有条不紊地工作:在场消隐期间, 。SP 206将目标窗口内的数据(32*32)读入并形成128字节二值化图像 数据,加上标记后送往多DSP识别阵列。
俞思瀛[10](2021)在《综合维护检测设备专测台的设计与实现》文中研究表明某型无人机是一种中空、长航时多用途无人机,其配套的一线维护设备——综合维护检测设备在无人机放飞前、飞行后地面检查及日常维护中使用非常频繁,综合维护检测设备用以测试无人机飞管系统、机电系统等,功能种类多。综合维护检测设备的生产调试、验收测试、故障排查目前测试方法过程繁琐且与科研工作产生较大冲突,但通用的测试方法无法满足综合维护检测设备的测试需求。因此,决定开展综合维护检测设备专测台的研究。本论文描述了本人承担设计的综合维护检测设备专用测试台,通过分析测试指标的要求,设计出满足综合维护检测设备的功能测试要求的专用测试台。主要内容包括:综合维护检测设备专用测试台的总体设计(通过对总体使用需求的详细分解和分析,提出了专用测试台应满足的相关功能与性能的要求;再根据其功能、性能要求进行进一步分析,设计出符合其需求的专用测试台架构);基于专测台的硬件框架开展测试软件设计,详细阐述了本人负责设计的飞管系统仿真软件模块、智能测试系统和专测台自检测模块,介绍了各模块的总体框架、主要功能、逻辑流程等内容。本文的最后则对该专用测试台按照需求与设计方案进行了相应的功能测试与试验验证,开展了专测台接口自检、飞管系统仿真软件测试、智能测试系统测试,通过测试结果可知专用测试台的功能、性能等可以满设计需求,能够支持综合维护检测设备批量进行生产调试、验收测试、故障排查与定位等工作。
二、可重配置通用图像识别跟踪处理机研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、可重配置通用图像识别跟踪处理机研究(论文提纲范文)
(1)脉内时频特征提取与调制类型识别的硬件实现技术(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 论文的研究背景及意义 |
1.2 国内外研究现状和发展趋势 |
1.2.1 脉冲信号脉内特征提取研究现状 |
1.2.2 时频图像识别及实现技术研究现状 |
1.3 论文的主要工作和内容安排 |
第二章 脉冲特征提取与调制识别的基础 |
2.1 引言 |
2.2 脉冲信号的基本原理及分析 |
2.2.1 脉冲信号类型及特征 |
2.2.2 脉冲信号的描述参数定义及测量方法 |
2.3 数字信号的频域信道化检测与下变频技术 |
2.3.1 宽带信号的频域信道化性能分析 |
2.3.2 数字下变频及相位分解技术 |
2.4 脉冲信号的时频分析手段 |
2.4.1 短时傅里叶变换算法工程化分析 |
2.4.2 Wigner-Ville分布工程化分析 |
2.5 基于深度学习的时频图像识别基础 |
2.5.1 深度卷积神经网络分类器 |
2.5.2 卷积层在特征提取的作用分析 |
2.5.3 深度卷积神经网络的特点及分析 |
2.5.4 神经网络中的激活函数 |
2.5.5 卷积神经网络的训练过程 |
2.6 本章小结 |
第三章 脉内时频图像特征提取的设计与硬件实现 |
3.1 引言 |
3.2 脉冲信号的预处理模块 |
3.2.1 数控振荡器设计 |
3.2.2 脉冲基带变换系统设计 |
3.3 基带脉冲信号的时频变换模块的设计与实现 |
3.3.1 引言 |
3.3.2 快速傅里叶变换的原理 |
3.3.3 FFT并行化的FPGA实现方式及性能分析 |
3.3.4 多相分解与流水线结合的FFT结构设计 |
3.3.5 数据重叠生成 |
3.4 时频灰度矩阵生成 |
3.5 本章小结 |
第四章 深度卷积神经网络分类器的设计与硬件实现 |
4.1 引言 |
4.2 卷积神经网络结构 |
4.2.1 网络结构描述 |
4.2.2 网络数据形式与存储方式 |
4.3 卷积层算法映射 |
4.3.1 线性代数法性能分析 |
4.3.2 二维傅里叶变换法性能分析 |
4.3.3 卷积核滑动法实现与性能分析 |
4.4 池化层算法映射 |
4.5 全连接层算法映射 |
4.6 本章小结 |
第五章 采用异构加速平台构建脉冲侦察系统 |
5.1 引言 |
5.2 处理系统的硬件资源分析 |
5.2.1 系统工作流程 |
5.2.2 前端采集系统 |
5.2.3 系统的FPGA资源 |
5.2.4 双核ARM Cortex-A9处理器 |
5.2.5 人机交互系统 |
5.2.6 硬件平台开发工具 |
5.3 系统硬件设计 |
5.3.1 模块互联总线 |
5.3.2 系统地址映射 |
5.4 系统软件设计 |
5.4.1 系统启动 |
5.4.2 系统驱动程序设计 |
5.4.3 应用软件及用户面板设计 |
5.5 卷积神经网络模型参数的训练 |
5.5.1 数据集的生成和获取 |
5.5.2 训练过程 |
5.6 验证结果与性能分析 |
5.6.1 系统工作结果正确性验证 |
5.6.2 系统工作实时性能测试 |
5.6.3 系统资源使用情况分析 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 论文总结 |
6.2 论文工作展望 |
参考文献 |
致谢 |
作者简介 |
(2)运动估计在稳像和匹配跟踪中的应用及实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
§1.1 课题背景 |
§1.2 稳像技术 |
§1.3 图像匹配跟踪技术 |
§1.4 信息处理机技术 |
§1.5 论文创新点和内容安排 |
第二章 运动估计技术 |
§2.1 引言 |
§2.2 运动模型 |
§2.3 运动估计方法 |
2.3.1 块匹配法 |
2.3.2 比特平面法 |
2.3.3 代表点匹配法 |
2.3.4 基于模糊理论的运动估计 |
2.3.5 相位相关法 |
2.3.6 特征匹配法 |
2.3.7 基于粒子滤波的运动估计 |
2.3.8 基于光流技术的运动估计 |
§2.4 本章小结 |
第三章 运动估计在电子稳像中的应用研究 |
§3.1 电子稳像概述 |
3.1.1 电子稳像的基本概念和原理 |
3.1.2 电子稳像系统结构 |
3.1.3 电子稳像的关键技术 |
§3.2 运动补偿 |
3.2.1 运动补偿概述 |
3.2.2 运动滤波 |
§3.3 电子稳像系统性能评估 |
3.3.1 主观方法 |
3.3.2 客观方法 |
§3.4 电子稳像算法研究 |
3.4.1 基于比特平面匹配的二维电子稳像算法 |
3.4.2 基于灰度投影的二维电子稳像算法 |
3.4.3 基于图像拼接的全帧视频稳定算法 |
§3.5 本章小结 |
第四章 运动估计在图像匹配跟踪中的应用研究 |
§4.1 引言 |
§4.2 基于伪极坐标傅立叶变换的频域图像配准技术研究 |
4.2.1 基于傅立叶变换的图像配准原理 |
4.2.2 伪极坐标傅立叶变换 |
4.2.3 基于快速极坐标傅立叶变换的图像配准 |
§4.3 基于Fourier-Mellin变换的图像配准算法 |
4.3.1 Fourier-Mellin变换 |
4.3.2 基于快速极坐标傅立叶变换的Fourier-Mellin图像配准算法 |
4.3.3 仿真实验和分析 |
§4.4 基于梯度下降法的图像匹配跟踪 |
4.4.1 Lucas-Kanade算法和合成算法 |
4.4.2 梯度下降近似法 |
4.4.3 基于Fourier-Mellin变换和LMICA的图像配准算法 |
§4.5 本章小结 |
第五章 信息处理机硬件系统实现 |
§5.1 引言 |
§5.2 图像处理硬件系统构成方案 |
5.2.1 基于PC机的构成方案 |
5.2.2 基于专用图像处理系统的构成方案 |
5.2.3 基于通用DSP的构成方案 |
5.2.4 基于FPGA的构成方案 |
5.2.5 基于DSP+FPGA的构成方案 |
5.2.6 信息处理机硬件方案选择 |
§5.3 弹载高性能信息处理机设计 |
5.3.1 任务分析和设计原则 |
5.3.2 导引头信息处理机体系结构 |
§5.4 本章小结 |
第六章 结束语 |
§6.1 论文工作总结 |
§6.2 研究展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文 |
作者在攻读博士学位期间参与的科研项目 |
(4)可重配置通用图像识别跟踪处理机研究(论文提纲范文)
1 通用性及可行性分析 |
2 系统结构 |
3 信号处理机的现场重配置电路 |
4 在弱小目标红外成像跟踪处理器中的应用 |
5 结束语 |
(5)基于ASIP的软件无线电信号处理机设计(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景 |
1.1.1 软件定义无线电 |
1.1.2 异构多核及ASIP技术 |
1.1.3 Xilinx Zynq平台 |
1.2 研究目标 |
1.3 系统概览 |
1.3.1 工作内容 |
1.3.2 系统框图 |
第二章 通用数字电路接口板设计 |
2.1 原理图设计 |
2.1.1 方案设计 |
2.1.2 FPGA核心板 |
2.1.3 底板设计 |
2.2 印制电路板设计 |
2.2.1 PCB外形及层叠结构 |
2.2.2 PCB Layout |
第三章 基于ASIP的RISC单核处理器设计 |
3.1 指令集架构设计 |
3.1.1 CISC与RISC |
3.1.2 指令集格式 |
3.1.3 指令集设计 |
3.2 处理器设计及实现 |
3.2.1 FPGA逻辑设计规则 |
3.2.2 处理器总览及顶层介绍 |
3.2.3 关键模块电路设计 |
第四章 基于Zynq的异构多核处理器设计 |
4.1 ASIP并行结构 |
4.1.1 结构选择及设计 |
4.1.2 共享存储器设计 |
4.2 Zynq全可编程SoC |
4.2.1 Z-7015芯片概览 |
4.2.2 异构多核处理器设计 |
第五章 系统编程、测试及分析 |
5.1 毫米波雷达系统 |
5.1.1 调频法测距原理 |
5.1.2 雷达系统组成 |
5.2 算法设计及处理器编程 |
5.2.1 FIR滤波器设计及编程 |
5.2.2 FFT设计及编程 |
5.2.3 CFAR检测及α-β滤波 |
5.3 系统性能分析 |
5.3.1 处理器性能分析 |
5.3.2 雷达性能分析 |
5.4 系统实物图 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续展望 |
参考文献 |
致谢 |
作者简介 |
(6)面向片上异构多核系统的机器学习算法并行化技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 传统嵌入式设备面临的性能瓶颈 |
1.1.2 多核高性能嵌入式计算发展现状 |
1.1.3 多核高性能计算在机器学习领域的应用优势 |
1.2 基于异构多核的机器学习系统相关问题 |
1.3 论文主要研究内容及创新性工作 |
1.4 论文组织结构 |
第2章 嵌入式高性能并行计算技术 |
2.1 并行计算体系结构 |
2.2 并行计算模型 |
2.3 并行编程模型 |
2.4 基于多核处理器的并行计算 |
2.4.1 多核处理器发展现状 |
2.4.2 同构、异构多核结构 |
2.4.3 常见多核处理器分类 |
2.4.4 典型嵌入式异构多核并行计算系统 |
2.5 本章小结 |
第3章 异构多核体系结构及程序执行模型 |
3.1 异构多核系统体系结构模型 |
3.1.1 异构多核系统应用需求 |
3.1.2 CPU-多核加速器体系结构模型 |
3.2 CPU-多核加速器体系结构的的多核通讯架构 |
3.2.1 CPU-加速器间通讯架构 |
3.2.2 多核加速器内部通讯架构 |
3.3 基于任务集合的模块化异构多核程序执行模型 |
3.3.1 程序执行模型结构 |
3.3.2 任务单元的多核映射策略 |
3.3.3 任务单元间协同工作流程 |
3.4 本章小结 |
第4章 面向多核系统的典型机器学习算法并行化技术 |
4.1 机器学习概述 |
4.2 机器学习算法并行化策略分析 |
4.3 典型机器学习并行化算法设计 |
4.3.1 基于数据并行的AdaBoost分类并行化 |
4.3.2 基于稀疏与数据并行的SVM训练并行化 |
4.3.3 基于模型并行的多层感知机预测并行化 |
4.4 实验与分析 |
4.4.1 AdaBoost分类识别并行化实验 |
4.4.2 SVM训练并行化实验 |
4.4.3 多层感知机预测并行化实验 |
4.5 本章小结 |
第5章 基于Parallella的可扩展并行机器学习算法 |
5.1 异构多核机器学习实现技术概述 |
5.2 面向Parallella的机器学习并行算法设计 |
5.2.1 基于Adaboost的并行目标检测 |
5.2.2 基于SVM的并行训练 |
5.2.3 基于多层感知机的并行字符识别 |
5.3 基于MPI的Parallella集群扩展技术 |
5.3.1 二级并行系统模型 |
5.3.2 扩展性度量指标 |
5.4 实验与分析 |
5.4.1 基于Adaboost的人脸检测并行加速系统实验 |
5.4.2 基于SVM的并行加速学习系统实验 |
5.4.3 基于多层感知机的字符识别并行加速系统实验 |
5.4.4 基于MPI的可扩展人脸检测系统实验 |
5.5 本章小结 |
第6章 基于Parallella的卷积神经网络并行化技术 |
6.1 基于卷积神经网络的深度学习方法 |
6.1.1 卷积神经网络 |
6.1.2 Caffe深度学习平台 |
6.2 卷积神经网络Parallella多核加速框架 |
6.2.1 框架基本架构 |
6.2.2 并行化算法 |
6.2.3 数据存储与传输策略 |
6.2.4 Epiphany代码生成器 |
6.3 实验与分析 |
6.4 本章小结 |
第7章 基于Parallella的机器学习应用快速开发框架PML-RADF |
7.1 系统架构 |
7.2 关键模块及算法 |
7.2.1 核心算法库 |
7.2.2 数据维护层 |
7.2.3 任务调度层 |
7.2.4 通信适配层 |
7.2.5 Epiphany代码生成器 |
7.3 基于Parallella的快速人脸识别系统应用实例 |
7.3.1 系统硬件结构 |
7.3.2 系统软件设计 |
7.3.3 系统可扩展性设计 |
7.4 实验与分析 |
7.4.1 单板人脸识别系统实验 |
7.4.2 集群人脸识别系统实验 |
7.5 本章小结 |
结论与展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
(7)基于软件可重构的图像欺骗系统设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.1.1 软件重构 |
1.1.2 图像信息欺骗 |
1.2 目前软件重构技术相关领域的研究现状 |
1.3 论文主要研究内容 |
1.4 论文的结构 |
2 可重构组件以及软件框架技术原理 |
2.1 可重构组件 |
2.1.1 组件技术 |
2.1.2 组件的可重构 |
2.2 软件框架 |
2.2.1 软件框架技术 |
2.2.2 软件框架与可重构组件的关系 |
2.3 本章小结 |
3 基于可重构软件平台的分布式系统研究与设计 |
3.1 可重构软件平台组成结构 |
3.1.1 功能的划分 |
3.1.2 组件的评选与修改 |
3.1.3 组件的分类 |
3.1.4 各类可重构组件的使用 |
3.2 软件框架 |
3.2.1 设计需求与实现思路 |
3.2.2 框架的总体软件架构 |
3.2.3 逻辑层 |
3.2.4 用户界面开发 |
3.3 可重构组件 |
3.3.1 现有可重构组件开发技术 |
3.3.2 基于XML组件产生系统的业务组件开发 |
3.3.3 组件间通信 |
3.3.4 内核组件介绍 |
3.4 可重构的分布式软件系统设计 |
3.4.1 系统概述 |
3.4.2 系统重构具体流程 |
3.4.3 本系统架构的优势特点 |
3.4.4 可重构的管理实现设计 |
3.5 本章小结 |
4 图像信息欺骗流程的研究与设计 |
4.1 图像信息欺骗整体流程设计 |
4.2 图像欺骗部分流程设计 |
4.3 图像信息识别的研究及实现 |
4.3.1 图像识别系统 |
4.3.2 图像预处理的研究 |
4.3.3 特征抽取的研究 |
4.3.4 图像识别匹配的研究 |
4.4 本章小结 |
5 可重构图像信息欺骗系统的设计与实现 |
5.1 系统整体架构设计 |
5.2 系统的优势特点 |
5.3 各台位软件运行结果 |
5.4 本章小结 |
6 总结与研究展望 |
6.1 全文工作总结 |
6.2 后续研究展望 |
致谢 |
参考文献 |
(8)基于可重构计算技术的图像识别与分类系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 图像工程概述 |
1.2 可重构计算技术概述 |
1.2.1 可重构计算的研究内容及应用 |
1.2.2 可重构器件与可重构计算机 |
1.2.3 FPGA 设计流程及原则 |
1.3 国内外研究现状 |
1.3.1 图像识别的研究现状 |
1.3.2 图像分类的研究现状 |
1.3.3 图像处理系统实现方法 |
1.4 本论文工作及章节安排 |
1.4.1 研究目标 |
1.4.2 拟解决的关键问题 |
1.4.3 论文的组织结构 |
第2章 动态可重构计算技术基础 |
2.1 引言 |
2.2 FPGA 动态可重构理论 |
2.2.1 动态可重构原理及典型结构分析 |
2.2.2 动态部分可重构的两种模式 |
2.3 动态可重构FPGA 系统设计流程 |
2.4 实验环境介绍 |
2.5 本章小结 |
第3章 图像自动目标识别中的关键技术研究 |
3.1 引言 |
3.2 自动目标识别方法及主要研究内容 |
3.3 SAR 图像 |
3.3.1 SAR 图像的基本特性 |
3.3.2 SAR 图像的特点 |
3.4 SAR 图像的自动目标识别 |
3.4.1 成熟的SAR ATR 系统 |
3.4.2 SAR 图像自动目标识别中的若干关键问题 |
3.5 基于特征的图像目标识别 |
3.5.1 SAR 自动目标识别算法 |
3.5.2 SAR 图像自动目标识别模板生成 |
3.5.3 SAR 图像中的噪声抑制 |
3.5.4 实验结果及分析 |
3.6 本章小结 |
第4章 图像分类中关键技术研究 |
4.1 引言 |
4.2 图像噪声估计与消除 |
4.2.1 相干斑和系统噪声的统计特性 |
4.2.2 滤波器选择 |
4.2.3 Lee 滤波器 |
4.3 图像特征描述 |
4.3.1 灰度共生矩阵的定义及其特点 |
4.3.2 基于灰度共生矩阵的纹理特征参数 |
4.4 图像特征提取 |
4.4.1 统计学习理论 |
4.4.2 支持向量分类(SVC)算法 |
4.4.3 支持向量机(SVM)的核函数 |
4.4.4 分类样本获取 |
4.5 实验结果及分析 |
4.6 本章小结 |
第5章 基于可重构计算的数字图像处理 |
5.1 引言 |
5.2 基于FPGA 的数字图像处理算法实现 |
5.3 基于可重构计算的自动目标识别系统 |
5.3.1 系统软硬件划分 |
5.3.2 模块设计及基于模块的动态重构 |
5.3.3 实验及结果分析 |
5.4 基于可重构计算的图像分类系统 |
5.4.1 模块设计 |
5.4.2 基于差异的动态重构 |
5.4.3 实验及结果分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步工作 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(9)多DSP并行结构神经网络目标识别系统的实现(论文提纲范文)
摘要 |
第1章 绪论 |
1.1 引言 |
1.2 自动目标识别系统的构成及工作原理 |
1.2.1 自动目标识别系统的构成 |
1.2.2 自动目标识别系统的工作原理 |
1.3 本文研究的主要内容 |
1.4 本文各章节内容安排 |
第2章 并行结构计算机系统的组成 |
2.1 SIMD计算机的特性 |
2.2 SIMD计算机的一般结构 |
2.3 MIMD多处理机结构 |
2.3.1 MIMD多处理机基本概念 |
2.3.2 MIMD多处理机结构 |
2.3.3 多处理机与阵列机结构原理上的区别 |
2.3.4 多处理机结构类型 |
2.4 图像处理的MIMD系统 |
2.5 多DSP并行结构目标识别系统 |
2.6 本章小结 |
第3章 并行结构神经网络目标识别系统的方案设计 |
3.1 引言 |
3.1.1 硬件支撑条件 |
3.1.2 软件支撑条件 |
3.2 系统的结构框图及其核心配置方案 |
3.2.1 目标识别系统的结构框图 |
3.2.2 系统核心DSP的配置方案 |
3.3 本章小结 |
第4章 硬件电路的设计和实现 |
4.1 目标识别系统硬件电路结构概述 |
4.2 系统电源及复位电路的设计 |
4.3 各个DSP5409小系统的设计 |
4.3.1 分类DSP小系统的设计 |
4.3.2 判决DSP小系统的设计 |
4.4 接口转换逻辑的设计 |
4.5 融合逻辑电路的实现 |
4.6 BOOTLAOD的实现 |
4.7 FLASH的烧录 |
4.7.1 FLASH的擦写过程介绍 |
4.7.2 DSP数据装载 |
4.7.3 烧录程序的编制 |
4.8 主机接口HPI8的使用 |
4.8.1 主机接口HPI8的实现 |
4.8.2 主机接口用于通用I/O口 |
4.9 数据采集电路的设计 |
4.9.1 图像预处理及模数转换部分 |
4.9.2 存储器部分 |
4.9.3 DSP处理部分 |
4.10 本章小结 |
第5章 神经网络目标识别算法的实现 |
5.1 引言 |
5.2 ANN的基本概念 |
5.3 ANN学习算法 |
5.3.1 学习算法分类 |
5.3.2 几种模式识别应用中的学习模型 |
5.4 误差反向传播(BP)学习算法 |
5.4.1 BP学习算法 |
5.4.2 BP学习算法的收敛性 |
5.4.3 误差函数的构造 |
5.4.4 基本算法的改进 |
5.5 本文实现的算法及流程 |
5.5.1 算法的实现 |
5.5.2 流程图 |
5.6 本章小结 |
第6章 实验结果 |
6.1 快速目标识别系统电路板实物图 |
6.2 实验结果 |
6.2.1 输入层初始权值的估算 |
6.2.2 用32×32点阵的二值图像进行实验 |
6.2.3 两个相似飞机B2510e和B2520e的识别结果 |
6.2.4 四个相似飞机的识别结果 |
6.2.5 不同类型飞机的识别 |
6.2.6 普通BP算法和改进BP算法的比较 |
6.2.7 BP网络抗噪能力研究 |
6.2.8 目标识别速度 |
6.3 本章小结 |
第7章 论文总结 |
7.1 论文主要工作 |
7.2 论文的创新点 |
7.3 改进意见 |
参考文献 |
发表文章目录 |
致谢 |
附录 |
(10)综合维护检测设备专测台的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 综合检测设备所应用的无人机简介 |
1.1.2 智能测系统研究背景 |
1.2 国内外研究状况 |
1.2.1 武器装备综合测试技术研究 |
1.2.2 飞管计算机研究 |
1.2.3 智能测试系统研究 |
1.3 研究目标与研究内容 |
1.3.1 飞管仿真软件研究 |
1.3.2 智能测试系统研究 |
1.4 论文的结构安排 |
第二章 综合维护检测设备专测台相关理论基础 |
2.1 PMA功能介绍 |
2.2 PMA飞管维护软件组织结构 |
2.3 飞管计算机概述 |
2.4 PMA专测台功能简介 |
2.5 开发工具简介 |
2.6 本章小结 |
第三章 综合维护检测设备专测台系统需求分析 |
3.1 PMA专测台硬件框架 |
3.2 PMA专测台系统需求 |
3.2.1 PMA专测台功能需求及分析 |
3.2.2 飞管仿真软件详细功能需求 |
3.2.3 智能测试系统详细功能需求 |
3.2.4 PMA专测台性能需求 |
3.3 PMA专测台设计原则 |
3.4 本章小结 |
第四章 综合维护检测设备专测台软件研究设计与实现 |
4.1 软件环境 |
4.2 飞管系统仿真软件架构设计 |
4.3 飞管系统仿真软件功能详细需求 |
4.4 接口设计 |
4.4.1 接口标识和接口图 |
4.4.2 串口参数输入接口 |
4.4.3 串口参数输出接口 |
4.4.4 串口参数输出接口 |
4.5 详细设计与实现 |
4.5.1 通讯检查(DCC) |
4.5.2 维护模式测试(DMMT) |
4.5.3 放飞模式测试(DFMT) |
4.5.4 文件记录(DFR) |
4.6 专测台自检测 |
4.6.1 模块设计 |
4.6.2 流程逻辑 |
4.6.3 连接方法 |
4.6.4 自检流程 |
4.7 智能测试系统 |
4.7.1 IDTS详细设计 |
4.7.2 IDTS实现 |
4.8 系统安全策略 |
4.9 注释 |
4.10 本章小结 |
第五章 系统测试 |
5.1 PMA专测台系统测试 |
5.1.2 专测台自检验 |
5.1.3 飞管系统仿真软件检验 |
5.1.4 试验原理方案 |
5.2 测试环境 |
5.3 专测台自检测 |
5.4 专测台软件测试 |
5.4.1 飞管系统仿真软件测试 |
5.4.2 测试结果 |
5.4.3 IDTS测试 |
5.4.4 测试结果 |
5.5 测试结论 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 本文主要工作 |
6.2 需进一步开展的工作 |
致谢 |
参考文献 |
四、可重配置通用图像识别跟踪处理机研究(论文参考文献)
- [1]脉内时频特征提取与调制类型识别的硬件实现技术[D]. 徐剑韬. 西安电子科技大学, 2019(02)
- [2]运动估计在稳像和匹配跟踪中的应用及实现[D]. 罗军. 国防科学技术大学, 2007(07)
- [3]舰船红外成像目标实时识别与跟踪系统研究[J]. 刘松涛,沈同圣,周晓东,韩艳丽. 系统工程与电子技术, 2005(08)
- [4]可重配置通用图像识别跟踪处理机研究[J]. 王勇,赵保军,朱梦宇. 北京理工大学学报, 2002(06)
- [5]基于ASIP的软件无线电信号处理机设计[D]. 蔡拓. 西安电子科技大学, 2019(03)
- [6]面向片上异构多核系统的机器学习算法并行化技术研究[D]. 高放. 北京工业大学, 2017(06)
- [7]基于软件可重构的图像欺骗系统设计与实现[D]. 张聪. 南京理工大学, 2014(07)
- [8]基于可重构计算技术的图像识别与分类系统研究[D]. 王宇旸. 中国科学技术大学, 2009(01)
- [9]多DSP并行结构神经网络目标识别系统的实现[D]. 乔双. 中国科学院研究生院(长春光学精密机械与物理研究所), 2004(03)
- [10]综合维护检测设备专测台的设计与实现[D]. 俞思瀛. 电子科技大学, 2021(01)