摘要：针对商用中央处理单元(central processing unit,CPU)的专用许可证授权费用高和卷积神经网络性能待提升等问题,设计了一种基于多视图并行且具有可配置性的卷积神经网络加速器,同时结合第五代精简指令集(reduced instruction set computing, RISC-V)构建该加速器的片上系统。首先,扩展一组适用高速协加速器的控制访问接口和数据访问接口。其次,以多视图并行与结构复用的方式实现卷积神经网络各运算单元:视图并行的不同组合将影响卷积单元硬件电路结构,因此多视图并行可通过复用基本运算结构来完成;池化单元由行池化和列池化子单元构成,且共享行池化的运算结构;对于全连接单元,采用调整全连接运算参数的方法来适应卷积单元的硬件结构,从而完成模型间的复用。然后,针对不同运算单元的硬件结构设计不同寄存器组,并结合开源RISC-V处理器实现多种网络模型。最后,在不同平台分别部署卷积、池化和全连接模型,计算运算时间、吞吐量和速度等。实验结果表明,对于相同卷积结构,本文设计的加速器和CPU平台的速度比是189。在本文设计的加速器中部署视觉几何组(visual geometry group,VGG)的卷积运算,其吞吐量可达178.6 GOPS。综上所述,利用多视图并行能够达到加速效果,且以配置寄存器方式可实现不同网络模型。

摘要：为了实现军航管制系统中雷达数据的可靠传输,根据HDLC协议的帧结构和循环冗余校验(CRC)原理,提出了一种新型的基于并行机制的HDLC协议控制器,讨论采用FPGA新技术实现HDLC协议帧的构成、解析模块及其内部的CRC码生成、检验模块的方法。在FPGA内部采用硬件描述语言(HDL)并行设计多通道的高级数据链路控制(HDLC)协议控制器,该协议控制器有效利用FPGA的片内硬件资源,实现了并行解析和生成多通道的HDLC协议报文,提高了数据通信系统中的多通道扩展性、实时性和稳定性。

摘要：提出了一种基于DSP(Digital Signal Processor)和CPLD(Complex Programmable Logic Device)的旁路直通智能化多雷达接入和规范化处理设计,为多雷达信号的接入提供了一条安全可靠的新通道,在空中交通管制系统中得到了成功的应用,极大地提高了系统的性能和可靠性,并给出了多雷达信息接入、矩阵切换输出、数据采集和实时旁路直通的实现方法及其软件设计.

摘要：为了提高基于PCI互连多处理器之间大量数据的有效传输,提出了一种针对PCI设备数据传输的驱动程序设计方法。首先描述了嵌入式处理平台由通用处理器PowerPC与数字信号处理器(DSP)组成,DSP处理器需要将处理的图像及视频等数据发送给PowerPC处理器,PowerPC负责事务性管理及远程网络传输,然后讨论了Linux操作系统下PCI数据传输驱动程序设计的关键技术,如DMA传输技术、零拷贝技术等。通过在PowerPC和DSP双处理器平台上进行编程测试,实验结果表明,采用该关键技术设计的PCI驱动程序明显提高了PowerPC与DSP之间的数据传输能力。

摘要：卷积神经网络因深度学习概念的提出再一次被研究人员所重视.激励函数是卷积神经网络的一个重要组成部分,选取了sigmoid函数作为实验对象.讨论了当前几种可行的逼近方法,最终采用分段四阶多项式拟合sigmoid函数.在FPGA上使用Verilog硬件描述语言设计了并行电路,并采集了数据集进行FPGA与CPU版本caffe库进行运算效率对比.实验结果表明,此种方法误差小效率高,FPGA在深度学习领域有着广阔的应用前景.

摘要：在具有多个绘制节点的并行绘制系统中,负载均衡算法起到至关重要的作用,直接影响到并行绘制系统的工作效率和系统资源的利用率。传统方法利用基于绘制历史所预测下一帧的绘制时间来作为负载均衡算法的负载划分依据,这种方法在突变场景中负载估计准确度较低。针对基于绘制历史算法中的问题,采用深度学习的方法来预测下一帧绘制的时间。该方法通过采用Caffe深度学习框架,首先采集并行绘制系统中影响负载的数据,然后输入采集到的数据集训练和测试设计的神经网络模型,最后在预测下一帧绘制时间时,调用训练好的模型实时获得下一帧的绘制时间。通过实验验证,深度学习方法提高了突变场景中下一帧绘制时间预测的准确度,并且预测所需时间满足了并行绘制系统的实时需求。该方法在预测准确度和预测耗时方面都达到的并行绘制系统负载平衡能够接受的范围。

摘要：引言在视频监控、远程视频播放等系统中,通常需要将视频图形数据通过网络传输到远程处理机上.作为数字信号处理专用处理器,DSP虽然在视频压缩等方面有很大的优势,但对诸如任务管理,网络通信等功能的实现较困难.运行于通用嵌入式处理器的Linux操作系统,开源,可以根据需要修改内核,支持各种网络协议,并且其任务调度机制性能卓越.综合二者的优点,嵌入式视频平台可以由DSP完成图形处理功能,并通过高速接口把视频数据传输给嵌入式微处理器,然后由嵌入式Linux系统完成网络传输功能.

摘要：神经网络是机器学习领域的一个重要分支,因其优秀的性能在很多基于嵌入式设备的应用中大放异彩。尽管已经有很多研究已经成功地将神经网络算法移植到小型化平台中,但是大多数的方法依然是基于某个固定模型的设计。本文提出了一种可配置的激活函数模块,比较了不同拟合方法的误差和耗费的资源,选择使用分段四阶多项式拟合激活函数的方法,拟合了6种常用激活函数,可以满足绝大多数神经网络的激活部分。这样在设计可配置神经网络的芯片时,通过配置该模块即可满足不同神经网络的需求。

摘要：近年来卷积神经网络(CNN)在人工智能领域备受关注,被越来越多应用到实际生产中。为了较好地实现工程应用,需要将算法固化到嵌入式平台上。由于卷积神经网络的数据计算并行度高、计算量大,现场可编程门阵列成为对其进行硬件加速的重要工具。本文基于Xilinx ZYNQ ZC706设计实现了卷积神经网络硬件加速的通用平台,可以满足不同卷积神经网络算法模块实现硬件加速的需求。

摘要：提出了一种新的可配置卷积运算单元结构设计。该结构通过配置寄存器的信息实现重新配置卷积运算单元的电路结构,达到卷积运算单元电路复用的目的。本文以该结构为基础,设计并实现了卷积运算单元电路。对于ResNet-50网络模型,两张图片同时加速处理的时钟周期数比两张图片依次加速处理的时间周期数减少了10.26%;对于ResNet-101网络模型,两张图片同时加速处理的时钟周期数比两张图片依次加速处理的时间周期数减少了9.95%。