EPC-MIMO雷达接收信号处理的FPGA实现方法

    公开(公告)号:CN114442048B

    公开(公告)日:2024-07-05

    申请号:CN202111595335.9

    申请日:2021-12-23

    IPC分类号: G01S7/36 G01S7/285 G01S7/292

    摘要: 本发明公开了一种EPC‑MIMO雷达接收信号处理的FPGA实现方法,包括:采集EPC‑MIMO雷达输出的第一信号,得到输入信号;对输入信号进行正交数字下变频,得到实虚I/Q复数信号;确定校正系数和多波形分离系数,并利用校正系数和多波形分离系数在频域对实虚I/Q复数信号进行匹配滤波,得到第二信号;确定各个脉冲的相位补偿系数,利用相位补偿系数对第二信号进行解码;确定雷达的发射‑接收波束形成权值,根据发射‑接收波束形成权值以及解码后的第二信号,形成数字波束。本发明不仅可以在FPGA上实现EPC‑MIMO雷达接收信号处理的功能,而且能够节省FPGA的硬件资源、提升处理速度。

    基于超网络的动态模块化持续学习方法

    公开(公告)号:CN118228806A

    公开(公告)日:2024-06-21

    申请号:CN202410296454.1

    申请日:2024-03-15

    摘要: 本发明公开了一种基于超网络的动态模块化持续学习方法,主要解决现有技术计算资源浪费,模块复用率低及灾难性遗忘的问题。其方案是:获取任务流训练集;设计包含超网络及模块化网络的模型网络并定义其损失函数;将任务流训练集输入到模型网络中,使用任务流中的第一个任务训练初始化模型网络,并冻结完成该训练后的模块化网络;利用当前任务流的其他任务训练超网络及冻结模块化网络。所有训练均在模态不变正则化投影及模态不变正则化两阶段完成,即在不同阶段迭代计算模型损失函数和梯度,更新模型网络参数,直到达到设定的长度得到训练好的模型网络。本发明能克服灾难性遗忘,提升模块复用率,节约计算资源,可用于机器人学习,医疗诊断与辅助治疗。

    基于协同学习的头部姿态估计方法

    公开(公告)号:CN117953570A

    公开(公告)日:2024-04-30

    申请号:CN202410216429.8

    申请日:2024-02-27

    摘要: 本发明公开了一种基于协同学习的头部姿态估计方法,主要解决现有技术估计精度较低,前向推理时间较长的问题。其实现方案为:获取人脸图像数据集,划分训练数据和测试数据;构建包括人脸关键点热力图模块、头部姿态初步预测模块和姿态角模块的头部姿态估计网络,在这些模块中共享人脸特征图,在人脸关键点和头部姿态角之间进行协同学习;将训练数据输入到对头部姿态估计网络采用反向传播法对其训练;将测试数据输入训练好的头部姿态估计网络得到头部姿态估计结果。本发明通过共享人脸特征图,缩短了在多人脸场景下头部姿态估计时间,可有效地提高估计效率,并通过协同学习提高了头部姿态角的估计精度,可用于疲劳驾驶检测、智慧课堂行为分析、人机交互。

    一种基于MQTT协议的分布式认证及共享动态密钥方法、系统、设备及介质

    公开(公告)号:CN116346440A

    公开(公告)日:2023-06-27

    申请号:CN202310220268.5

    申请日:2023-03-09

    IPC分类号: H04L9/40 H04L67/562 H04L9/32

    摘要: 一种基于MQTT协议的分布式认证及共享动态密钥方法、系统、设备及介质,方法为:设备信息初始化;将获取的认证凭证填充到CONNECT协议帧里并连接到Broker;Broker收到连接请求后向同组设备请求决策;同组设备参与认证决策并发送结果给Broker;Broker根据获取的回复信息做出最终决策;设备端加解密消息;系统、设备及介质,用于实现一种基于MQTT协议的分布式认证及共享动态密钥方法;本发明取消传统的中心授权实体,将策略信息及决策功能分布到多个点上,实现系统的负载均衡以及抗攻击性,取消Broker解密消息的能力,利用设备分组的技术实现一种多设备共享会话密钥的状态;在保持轻量性的前提下为MQTT协议扩展了一种分布式认证机制及动态加密方案,极大保护了网络安全性和用户隐私。

    一种处理器辐照效应建模及仿真系统构建方法

    公开(公告)号:CN115828590A

    公开(公告)日:2023-03-21

    申请号:CN202211536446.7

    申请日:2022-12-01

    IPC分类号: G06F30/20

    摘要: 一种处理器辐照效应模型建模与仿真系统构建方法,先选择或设计处理器,获取处理器指令集数据与架构数据;再根据处理器指令集数据与架构数据提取处理器内核数据,根据处理器内核数据建立处理器内核模型;然后根据处理器指令集数据与架构数据提取处理器外设数据,根据处理器外设数据建立处理器外设模型;再实现处理器内核模型与外设模型时间同步与数据传输功能,完成处理器常态模型建模与仿真系统构建;然后根据辐照效应引发的故障处理器类型,修改处理器内核模型与处理器外设模型;最后根据辐照效应故障发生位置与概率函数,建立处理器辐照效应模型;本发明反应处理器的行为特性,简化模型复杂度,实现模拟辐照效应带来的处理器器件退化的功能。

    一种面向内存计算平台的代码转换方法、系统及应用

    公开(公告)号:CN111831285A

    公开(公告)日:2020-10-27

    申请号:CN202010577767.6

    申请日:2020-06-23

    IPC分类号: G06F8/40 G06N3/04 G06N3/08

    摘要: 本发明属于内存计算技术领域,公开了一种面向内存计算平台的代码转换方法、系统及应用。面向神经网络应用,为内存计算平台构建基于硬件描述语言的算法库;将神经网络模型转化为计算图形式,从计算图中获取节点信息;查询算法库中是否包含了节点所做的操作;根据节点之间的互联关系构建顶层top文件,实现从高级语言到底层硬件描述语言的代码转换。本发明通用的面向内存计算平台的高级语言到底层硬件描述语言的转换方法,使用户在开发过程中无需了解硬件底层架构,直接采用高级语言编程,并转化为硬件描述语言,降低开发难度,加快任务的部署速度并有效提高任务的执行效率。通过实验与仿真验证方法的可行性,最后对实验结果做总结。