一种基于Vitis栈的目标检测全流程加速方法及系统

    公开(公告)号:CN114298298A

    公开(公告)日:2022-04-08

    申请号:CN202111671214.8

    申请日:2021-12-31

    IPC分类号: G06N3/063

    摘要: 本发明公开了一种基于Vitis栈的目标检测全流程加速方法及系统,首先对网络进行微调,然后通过vitis的量化器对模型进行量化处理,再通过vitis的编译器对模型进行编译,实现了原始网络模型的转换,减少了数据量;再次通过对主机程序数据进行数据变换存储以及数据类型定点化,提高了数据并行度;随后,对整体流程做了任务型并行和数据优化指令,可加速数据运算;接下来,通过vivado和petalinux分别创建硬件加速器以及系统文件,通过vitis整合形成硬件平台,通过AXI总线来对ps端和pl端进行交互传输;最后将之前步骤地优化设计整合形成全流程加速。该设计能够加速在嵌入式领域边缘设备部署神经网络算法的吞吐率,在目标检测领域有一定得加速效果。

    一种基于Transformer的中文语音离线识别方法及系统

    公开(公告)号:CN114550725A

    公开(公告)日:2022-05-27

    申请号:CN202210110015.8

    申请日:2022-01-28

    IPC分类号: G10L15/26 G10L15/16 G10L25/24

    摘要: 本发明公开了一种基于Transformer的中文语音离线识别方法及系统,该中文语音离线识别方法包括:输入语音,在语音中提取Mel频率倒谱系数并转化成输入序列,输入神经网络模型;神经网络模型的编码器对输入序列进行编码,得到字符向量;神经网络模型的解码器对字符向量进行解码,得到输出特征;对输出特征进行融合处理,得到整合特征;对整合特征进行softmax处理,得到预测字符集;对预测字符集基于词组字典进行权重计算,得到准确字符。本发明将Transformer的解码器中的特征融合到顶层,更好地提取音频信号的泛化特征,通过词组字典进行权重计算,能够有效的解决同音词的问题。

    一种基于对抗训练的自监督行为识别方法及系统

    公开(公告)号:CN114821398A

    公开(公告)日:2022-07-29

    申请号:CN202210340188.9

    申请日:2022-04-01

    IPC分类号: G06V20/40 G06N20/00

    摘要: 本发明公开了一种基于对抗训练的自监督行为识别方法及系统,该基于对抗训练的自监督行为识别方法包括:抽取视频数据,输入标准化流模型;对视频数据进行攻击处理,得到对抗视频;计算视频数据以及对抗视频在学习模式下的对抗损失;基于对抗损失更新标准化流模型的期望值参数,并判断是否完成更新;若是,则基于标准化流模型配合期待值参数生成对抗样本;将对抗样本输入对比学习中。本发明基于标准化流的对抗攻击对样本进行攻击,并且把受到攻击的样本也作为正样本的一种,加入到对比学习的训练之中进行对抗训练,从而提高模型的准确度和鲁棒性。

    一种基于UVM的RFID数字基带验证平台及方法

    公开(公告)号:CN114880973A

    公开(公告)日:2022-08-09

    申请号:CN202210340343.7

    申请日:2022-04-01

    IPC分类号: G06F30/3308 G06F11/22

    摘要: 本发明公开了一种基于UVM的RFID数字基带验证平台及方法,所述验证平台包括top层、test层和env层;所述top层包括RFID数字基带、第一interface、第二interface、test层;所述test层包括env层和若干个测试案例;所述env层包括寄存器模型、转换器、序列调度模块、计分板、第一代理组件和第二代理组件;第一代理组件包括第一驱动模块、第一监视模块、序列发生模块和第一环境参数配置模块,第二代理组件包括第二监视模块和第二环境参数配置模块。所述验证平台基于UVM搭建验证,具有可重用性高,可移植性好的特点,适用不同协议的RFID数字基带,所述验证方法以代码覆盖率和功能覆盖率为驱动,通过受约束的随机组合测试案例和定向测试案例进行验证,提高验证效率和准确性。

    一种基于发射波形信息的凝视雷达低空目标测高方法

    公开(公告)号:CN114966674A

    公开(公告)日:2022-08-30

    申请号:CN202210617913.2

    申请日:2022-06-01

    IPC分类号: G01S13/88 G01S7/41

    摘要: 本发明公开了一种基于发射波形信息的凝视雷达低空目标测高方法,方法包括:获取雷达的目标回波数据;对所述目标回波数据进行正交调解和匹配滤波处理,得到重构的信号模型;估计所述信号模型中包含直达波信号和反射波信号的方向信息的复合导向矢量;根据所述复合导向矢量,采用稀疏表示的方法对所述信号模型进行仰角估计;根据所述仰角估计的结果,计算目标对象的高度信息。本发明的精度高且成本低,能够实现多径效应条件下低空目标精确的高度参数估计,可广泛应用于雷达测高技术领域。

    一种双基地全息凝视雷达低仰角目标直接测高方法

    公开(公告)号:CN118209978A

    公开(公告)日:2024-06-18

    申请号:CN202410327272.6

    申请日:2024-03-21

    IPC分类号: G01S13/88

    摘要: 本申请公开了一种双基地全息凝视雷达低仰角目标直接测高方法,方法包括:根据雷达目标和双基地雷达建立得到双基地雷达多径传播几何模型;对双基地雷达多径传播几何模型进行阵列接收信号建模处理,得到阵列接收信号模型;对阵列接收信号模型进行稀疏建模处理,得到稀疏信号模型;根据稀疏信号模型对双基地雷达进行仰角估计处理,得到双基地雷达仰角估计值;根据双基地雷达仰角估计值对双基地雷达进行衰减系数计算处理,得到双基地雷达多径衰减系数估计值;根据双基地雷达仰角和双基地雷达多径衰减系数估计值进行高度估计处理,得到雷达目标的目标高度。本申请实施例能够提高雷达目标的测高准确度,可以广泛应用于雷达测高技术领域。

    一种基于RFSoC的波形数字生成及射频发射方法及系统

    公开(公告)号:CN117251021A

    公开(公告)日:2023-12-19

    申请号:CN202311191730.X

    申请日:2023-09-14

    申请人: 中山大学

    发明人: 张月 谢瀚锋 雷伟

    IPC分类号: G06F1/02 G01S7/282

    摘要: 本发明公开了一种基于RFSoC的波形数字生成及射频发射方法及系统,方法包括:上位机获取第一波形数据;通过直接内存访问技术将所述第一波形数据发送到目标存储器;对所述第一波形数据进行格式转换,获得第二波形数据;进而将所述第二波形数据存储到所述目标存储器;基于雷达时序,周期性从所述目标存储器中获得第三波形数据;响应于第一配置信号,对所述第三波形数据进行波形配置,获得第四波形数据;响应于第二配置信号,通过雷达发射机将所述第四波形数据进行空域发射。本发明实施例能够完成任意且复杂多变的波形产生,进而高效进行基于RFSoC的波形数字生成及射频发射,可广泛应用于计算机技术领域。

    一种离散频率编码波形的ISAR成像方法、装置及存储介质

    公开(公告)号:CN112882031B

    公开(公告)日:2023-09-05

    申请号:CN202110045969.0

    申请日:2021-01-14

    申请人: 中山大学

    IPC分类号: G01S13/90 G01S7/41

    摘要: 本发明公开了一种离散频率编码波形的ISAR成像方法、装置及存储介质,该方法包括循环发射一个脉组,脉组包括多个不同频率编码的发射脉冲;接收响应脉组返回的回波信号;使用匹配滤波器对回波信号进行依次匹配滤波;使用互相关函数,对经过匹配滤波后的各个回波信号依次进行对齐配准处理;对经过对齐配准处理后的各个回波信号的残余距离误差进行补偿;残余距离误差进行补偿后进行方位向成像处理。本发明通过循环发射包括多个不同频率编码的发射脉冲,也就是使用随机频率编码波形作为雷达的发射波形,能够降低目标旁瓣,增大图像的动态范围,改善强点旁瓣淹没弱散射点的问题,提高ISAR成像质量。本发明可广泛应用于雷达技术领域。

    空中飞行目标分类识别方法、装置及计算机可读存储介质

    公开(公告)号:CN114926683A

    公开(公告)日:2022-08-19

    申请号:CN202210566647.5

    申请日:2022-05-23

    申请人: 中山大学

    摘要: 本申请公开了一种空中飞行目标分类识别方法、装置及计算机可读存储介质,属于目标识别技术领域。该方法包括:获取不同目标飞行的原始多普勒数据,对原始多普勒数据进行预处理得到第一数据,将第一数据输入至预设的第一神经网络模型,通过第一神经网络模型对第一数据进行特征提取处理,得到频率分布特征,将第一数据输入至预设的编码器,通过编码器对第一数据进行特征提取处理,得到时序特征,将频率分布特征和时序特征进行特征融合处理,得到融合特征,将融合特征输入至预设的全连接层,通过全连接层对目标进行分类识别,得到分类结果。本申请能够自动提取目标特征,并以此进行目标识别,有效提高了分类识别的准确性和泛化性能。