摘要:说明通过识别加高斯白噪声的正弦波余弦波三角波较简单的实例来利用实现一维网络,主要是实现网络的搭建。也就是将下列数据传输至,识别出下面哪些是正弦波余弦波三角波,通过简单实例实践,在融会贯通,最终实现雷达辐射源调制方式识别。
理论建立与效果展示
环境:Vivado2019.2。
Part:xcku040-ffva1156-2-i,内嵌DSP个数 1920个,BRAM 600个也就是21.1Mb。
说明:通过识别加高斯白噪声的正弦波、余弦波、三角波较简单的实例来利用FPGA实现一维CNN网络,主要是实现CNN网络的搭建。
也就是将下列数据传输至FPGA,识别出下面哪些是正弦波、余弦波、三角波,通过简单实例实践,在融会贯通,最终实现雷达辐射源调制方式识别。
实现流程:
训练参数:通过pytorch对10000个训练集进行训练获得训练参数,反向计算不在FPGA中实现。
数据产生:Matlab产生1000个测试集。
数据传输:通过Pcie高速总线将数据传输到FPGA中进行识别。
实践效果:信噪比在 -20~5dB之间识别率100%。
数据长度:100。
CNN网络:第一层卷积:1个通道,6个卷积核,卷积核元素为5。
CNN网络:池化。
CNN网络:第二层卷积:6个通道,16个卷积核,卷积核元素为5。
CNN网络:池化。
CNN网络:第三层卷积:16个通道,16个卷积核,卷积核元素为5。
CNN网络:全连接。
CNN时效:100M时钟下,一条长度为100的数据识别耗时239个时钟周期,也就是2390ns=2.39us(因为综合实践太长了,还没实现最优,网络中有可以优化的地方,可以控制在200个时钟周期,也就是2us左右,也就是长度为100的数据的第一个数据到达FPGA到波形识别完成耗时为2us)。
正在写。。。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/124750.html
摘要:一维卷积常用于序列模型,自然语言处理领域。三维卷积这里采用代数的方式对三维卷积进行介绍,具体思想与一维卷积二维卷积相同。 由于计算机视觉的大红大紫,二维卷积的用处范围最广。因此本文首先介绍二维卷积,之后再介绍一维卷积与三维卷积的具体流程,并描述其各自的具体应用。1、二维卷积 • 图中的输入的数据维度为 14 × 14 ,过滤器大小为 5 × 5,二者做卷积,输出的数据维度为 10 × 1...
摘要:科技评论绝大部分论文都是为了解决问题,深鉴科技的这篇论文的核心灵感来自于哪里一直以来,深度学习计算遇到的较大瓶颈其实是带宽问题,而非计算本身。由于深度学习里的特征表示本身就是稀疏的,因此我们做一个直接的剪枝压缩来减少带宽的使用。 近日,深鉴科技的 ESE 语音识别引擎的论文在 FPGA 2017 获得了的较佳论文 ESE: Efficient Speech Recognition Engin...
摘要:在图像分析中,卷积神经网络在时间和内存方面优于全连接网络。这是为什么呢卷积神经网络优于全连接网络的优势是什么呢卷积神经网络是如何从全连接网络中派生出来的呢卷积神经网络这个术语又是从哪里而来这些问题在本文中一一为大家解答。 在图像分析中,卷积神经网络(Convolutional Neural Networks, CNN)在时间和内存方面优于全连接网络(Full Connected, FC)。这...
摘要:在这篇博客文章中,我将讨论使用深度学习的方法对时间序列数据进行分类,而无需手动设计特征。卷积神经网络第一步是将数据投射到具有一定形状的数组中,其中是训练期间批次中的示例数,是时间序列的长度在我们的情况下为,并且是进行测量的通道的数量。 摘要:2017年深度学习框架关注度排名tensorflow以绝对的优势占领榜首,本文通过使用tensorflow优化过去一个使用特征提取方法的框架,证实...
阅读 1811·2021-11-24 09:39
阅读 3006·2021-09-08 09:45
阅读 1128·2019-08-30 15:53
阅读 1370·2019-08-30 14:12
阅读 818·2019-08-29 17:01
阅读 2464·2019-08-29 15:35
阅读 281·2019-08-29 13:09
阅读 1796·2019-08-29 12:32