女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

FPGA設(shè)計中如何在寬頻噪聲環(huán)境,尋找到目標特征數(shù)據(jù)?

丫丫119 ? 來源:未知 ? 作者:肖冰 ? 2019-09-25 06:50 ? 次閱讀

1、背景

數(shù)字信號處理是現(xiàn)代通信、雷達和電子對抗設(shè)備的重要組成部分。在實際應(yīng)用中,利用數(shù)字信號處理技術(shù)對接收數(shù)據(jù)進行處理,不僅可以實現(xiàn)高精準的目標定位和目標跟蹤,還能夠?qū)⒛繕俗R別、目標成像、精確制導(dǎo)、電子對抗等功能進行拓展,實現(xiàn)多種業(yè)務(wù)的一體化集成。

在現(xiàn)代雷達系統(tǒng)中,隨著有源相控陣和數(shù)字波束形成(DBF)技術(shù)的廣泛應(yīng)用,接收前端存在大量的數(shù)據(jù)需要并行處理,并需要保證高性能和低延遲的特點。雷達日益復(fù)雜的應(yīng)用環(huán)境,讓雷達系統(tǒng)具備自適應(yīng)于探測目標和環(huán)境的能力,數(shù)字信號處理部分也需要使用多種更加復(fù)雜的算法,并且可以做到算法模塊化,以及通過軟件配置功能模塊的參數(shù),實現(xiàn)軟件定義的功能。更大的數(shù)據(jù)處理帶寬能夠使雷達獲得更高的分辨率,更高的工作頻率使得雷達可以小型化,能夠在更小的平臺上安裝,這樣對于硬件平臺實現(xiàn)也有低功耗的要求。

在電子對抗設(shè)備中,可以在最短的時間內(nèi)對多個威脅目標進行快速分析和響應(yīng),同樣需要數(shù)字信號處理的相關(guān)算法具備高實時,高動態(tài)范圍和自適應(yīng)的特點。如何在寬頻噪聲的環(huán)境中尋找到目標的特征數(shù)據(jù),如何在寬帶范圍內(nèi)制造虛假目標實現(xiàn)全覆蓋,數(shù)字信號的處理性能是至關(guān)重要的設(shè)計因素。

加速云的SC-OPS和SC-VPX產(chǎn)品,針對5G通信和雷達的數(shù)字信號處理的要求,結(jié)合Intel最新14nm工藝的Stratix10 FPGA系列,提供了一套完整的硬件和軟件相結(jié)合的解決方案。SC-OPS產(chǎn)品作為單獨的硬件加速卡,通過PCIe插卡的方式實現(xiàn)與主機的通信功能,還可以通過多卡級聯(lián)的方式實現(xiàn)數(shù)字信號的分布式處理方案。SC-VPX產(chǎn)品是由FPGA業(yè)務(wù)單板、主控板和機箱組成的VPX系統(tǒng)。借助于FPGA可編程的特性,加速云提供了高性能數(shù)學(xué)加速庫FBLAS和FFT的RTL級IP,具有高性能和算法參數(shù)可配置的特點實現(xiàn)了多重信號分類(MUSIC)和自適應(yīng)數(shù)字波束形成(ADBF)的核心算法,提高了5G通信和雷達在對抗干擾方面的性能。為了方便客戶使用高層語言開發(fā),加速云提供基于FPGA完整的OpenCL異構(gòu)開發(fā)環(huán)境,快速實現(xiàn)用戶自定義的信號處理加速方案。

圖1、加速云SC-OPS和SC-VPX產(chǎn)品

2、方案組成

2.1 基于SC-OPS產(chǎn)品的系統(tǒng)架構(gòu)圖

圖2、SC-OPS產(chǎn)品系統(tǒng)框圖

基于SC-OPS產(chǎn)品的系統(tǒng)分別由硬件資源層,算法實現(xiàn)層和應(yīng)用層三部分組成。

SC-OPS加速卡作為主要的硬件平臺,采用IntelStratix10 GX2800 FPGA器件,集成2753KLE資源和9.2TFLOPS單精度浮點計算能力。單板支持2個40/100G光口或電口,支持板間通信以及設(shè)備間級聯(lián)。板卡支持8個DDR4-2400MHz 72bits位寬的內(nèi)存通道(ES支持2133MHz),以及PCIeGen3 16Lane的主處理器通信接口

通過在主機內(nèi)插入一張或多張SC-OPS加速卡的形式,可以實現(xiàn)不同性能的硬件集成。以一機八卡服務(wù)器為例,整機具備73.6TFLOPS的單精度浮點計算能力,并具有納秒級低延時特性,可應(yīng)用于高性能的數(shù)字信號處理的解決方案。加速云在算法實現(xiàn)層提供了基于FPGA邏輯實現(xiàn)的高性能數(shù)學(xué)加速庫FBLAS,F(xiàn)FT,MUSIC和ADBF核心算法,以上功能模塊都是以IP形式提供,并提供相應(yīng)的API接口函數(shù),通過PCIe接口實現(xiàn)在應(yīng)用層的調(diào)用,從而可以搭建軟件定義雷達系統(tǒng),實現(xiàn)超高性能高靈活的雷達仿真平臺。對于更加關(guān)注于自定義算法實現(xiàn)的用戶來說,加速云還可以支持面向OpenCL的FPGA異構(gòu)平臺開發(fā)環(huán)境,提供了SC-OPS板卡對應(yīng)的BSP,用戶只需要自行編寫OpenCL Kernel和Host程序,即可以快速的實現(xiàn)相關(guān)算法的二次開發(fā)。

2.2 基于SC-VPX產(chǎn)品的系統(tǒng)架構(gòu)圖

圖3、SC-VPX產(chǎn)品系統(tǒng)框圖

基于SC-VPX產(chǎn)品的系統(tǒng),與SC-OPS相比,區(qū)別在于硬件平臺實現(xiàn)。SC-VPX系統(tǒng)由5塊FPGA業(yè)務(wù)單板,1塊X86主控板和6U標準VPX機箱組成。其中FPGA業(yè)務(wù)單板采用板載XEON-DX86主控和1~2片Stratix10 GX2800 FPGA器件的方案,集成2753K*2 LE資源和9.2 *2 TFLOPS單精度浮點計算能力。每片F(xiàn)PGA支持4個DDR4-2400MHz 72bits位寬的內(nèi)存通道。前面板支持8個17.5Gbps光口,背板提供32個10.3125Gbps的高速接口,支持業(yè)務(wù)單板之間的全mesh高速互聯(lián)網(wǎng)絡(luò),X86主控板與業(yè)務(wù)單板之間采用PCIe和GE的雙控通信方案。

用戶可以選擇加速云提供的主控板和多塊FPGA業(yè)務(wù)單板,整機最高可以支持92TFLOPS單精度浮點處理能力,配合相關(guān)算法IP,實現(xiàn)多種數(shù)字信號處理的算法或者分布式實現(xiàn)大容量數(shù)據(jù)處理的算法。由于SC-VPX整套系統(tǒng)都是符合OpenVPX的標準,用戶可以添加其他各種功能板卡,包括AD/DA板、RapidIO交換板、存儲板等,結(jié)合加速云的主控板和FPGA業(yè)務(wù)單板,組建成一套完整的信號接收處理雷達系統(tǒng),無論是應(yīng)用于相關(guān)產(chǎn)品還是科研,都可以幫助用戶實現(xiàn)系統(tǒng)級的解決方案。

3、系統(tǒng)優(yōu)勢

3.1優(yōu)異的能效比

能效比是評估數(shù)字信號處理時一個關(guān)鍵的指標,即GFLOPS per Watt。表1中羅列了各類設(shè)備平臺的數(shù)字信號處理能力的能效比,加速云采用IntelStratix10 FPGA的方案具備最優(yōu)的能效比。

類型 系列 單精度浮點
運算能力
功耗 能效比
FPGA IntelStratix10 9.2TFLOPS 120W 76.6 GFLOPS/W
FPGA IntelArria10 1.5TFLOPS 30W 50 GFLOPS/W
DSP TITMS320C6678 160GFLOPS 15W 10.6 GFLOPS/W
GPU NVIDIA Tesla P40 12T FLOPS 250W 48 GFLOPS/W
CPU 至強12核(IntelXEONE5-2697) 219GFLOPS 130W 1.68 GFLOPS/W

表1、各平臺數(shù)字信號處理能力效能比的對比

3.2 FPGA IO靈活可編程

FPGA最大的特點在于IO可編程,可以提供各種高速和低速IO的協(xié)議標準,匹配用戶實現(xiàn)多樣系統(tǒng)互聯(lián)的要求。比如SC-OPS板卡的2個高速互聯(lián)接口,分別可以配置為40GE,100GE或SRIO的標準。SC-VPX FPGA業(yè)務(wù)單板的背板提供32個10.3125Gbps的高速接口支持與背板間的全mesh網(wǎng)絡(luò)接口,分別可以配置為10GE,40GE或SRIO的標準。

3.3高性能的算法IP

加速云基于FPGA平臺上提供了數(shù)字信號處理相關(guān)算法的IP,IP的性能決定了數(shù)字信號處理系統(tǒng)的性能,包括動態(tài)范圍,信號損耗,信噪比,延時等因素。

以信號處理中常用的FFT傅里葉變換為例,相比最新的DSP平臺,加速云提供的RTL級IP,使用FPGA符合IEEE 754標準的單精度浮點數(shù)字信號處理(DSP)單元,可以實現(xiàn)更低的計算時間。

FFTSize PerformanceofComputingFFT (time, ms) using TMS320C6678
1 core 2 cores 4 cores 8 cores
16K 0.473 0.261 0.159 0.131
FFT Size Performance of Computing FFT (time, ms) using FPGA
1 PE 2 PEs 4 PEs 8 PEs
16K 0.16 0.04 0.01 0.003

表2、DSP和FPGA平臺實現(xiàn)FFT算法的計算時間對比

以下是加速云提供的基于FPGA實現(xiàn)高性能數(shù)學(xué)加速庫FBLAS的相關(guān)性能。可以看出,借助FPGA天然的并行處理的優(yōu)勢,加速云提供的算法IP,可以幫助用戶實現(xiàn)數(shù)字信號處理系統(tǒng)的快速優(yōu)化,極大縮短了用戶產(chǎn)品Time-to-Market的時間。

算法名稱 參數(shù) 數(shù)據(jù)格式 處理性能
矩陣求逆 144*144維復(fù)數(shù) FP32 120us
矩陣求逆 72*72維復(fù)數(shù) FP32 53.6us
矩陣求逆 24*24維復(fù)數(shù) FP32 10.32us
矩陣求逆 12*12維復(fù)數(shù) FP32 3.76us
矩陣QR分解 64*64維復(fù)數(shù) FP32 46.41us
矩陣QR分解 16*16維復(fù)數(shù) FP32 4.99us
矩陣QR分解 8*8維復(fù)數(shù) FP32 2.5us
特征值分解(基于QR分解,16次迭代) 64*64維復(fù)數(shù) FP32 5200us
特征值分解(基于QR分解,16次迭代) 16*16維復(fù)數(shù) FP32 150us
特征值分解(基于QR分解,16次迭代) 8*8維復(fù)數(shù) FP32 65us
協(xié)方差矩陣(快拍數(shù)K=256,通道數(shù)N=8) 8維復(fù)向量 FP32 30us
協(xié)方差矩陣(快拍數(shù)K=256,通道數(shù)N=16) 16維復(fù)向量 FP32 60us
協(xié)方差矩陣(快拍數(shù)K=256,通道數(shù)N=64) 64維復(fù)向量 FP32 128us
線性方程求解 200維 FP64 420us

表3、FPGA實現(xiàn)高性能數(shù)學(xué)加速庫FBLAS性能示例

3.4完整的OpenCL異構(gòu)開發(fā)環(huán)境

加速云SC-OPS和SC-VPX產(chǎn)品都可以支持面向OpenCL的FPGA異構(gòu)平臺開發(fā)環(huán)境,提供全面的數(shù)學(xué)庫支持,解決了傳統(tǒng)FPGA遇到的時序收斂、DDR存儲器管理以及PCIe主處理器接口等難題。另外加速云也支持將高性能算法IP作為定制化組件,與OpenCLKernel集成在一起,提供靈活的算法配置解決方案。

4、應(yīng)用案例

4.1多重信號分類(MUSIC)

MUSIC算法是經(jīng)典的空間譜估計算法,實現(xiàn)波達方向估計(DOA)的相關(guān)應(yīng)用。在電子偵察和電子對抗等對實時性要求嚴格的領(lǐng)域中,如何選用合適的平臺實現(xiàn)并滿足系統(tǒng)的響應(yīng)處理速度,成為了設(shè)計者頗為頭疼的問題。整個MUSIC算法計算復(fù)雜度和靈活度都很大,而且電子對抗系統(tǒng)都有浮點處理的要求,所以大多用戶會采用DSP處理器的方案,處理時間停留在ms量級。加速云采用Intel集成全新浮點計算單元的FPGA,全硬件實現(xiàn)了基于MUSIC算法的空間譜估計DOA全部算法(MUSIC算法是基于加速云高性能數(shù)學(xué)加速庫FBLAS搭建的,所有組成IP都可以單獨調(diào)用)。相比DSP處理器,極大提升了MUSIC算法的實時性,超過10倍以上的性能改進。

圖4、FPGA實現(xiàn)MUSIC算法的處理流程

MUSIC算法實現(xiàn)的相關(guān)性能如下:

·特征值和特征向量的數(shù)值相對Matlab中EIG函數(shù)計算結(jié)果的偏差均小于10-5
·算法實現(xiàn)以單精度浮點為主,結(jié)合部分雙精度浮點
·全部處理時間<120us(TI6678的處理時間是ms級)

4.2自適應(yīng)數(shù)字波束形成(ADBF)

隨著有源相控陣雷達的廣泛應(yīng)用,如何有效增強期望信號和抑制無用信號,也是設(shè)計者需要考慮的問題。ADBF技術(shù)利用天線陣元的采樣數(shù)據(jù),自適應(yīng)更新信號的權(quán)值,使陣列天線形成特定的期望形狀。由于天線陣元通道數(shù)量大,需要實現(xiàn)海量數(shù)據(jù)的計算,相關(guān)平臺實現(xiàn)必須具有高集成度、高數(shù)據(jù)吞吐率和高數(shù)據(jù)并行計算的特點。

圖5、DBF原理示意圖

加速云借助高性能數(shù)學(xué)加速庫FBLAS,通過高維數(shù)的矩陣求逆的算法,完全在FPGA內(nèi)實現(xiàn)了ADBF的算法。

ADBF算法實現(xiàn)的相關(guān)性能如下:

方位維天線方向圖 俯仰維天線方向圖

算法名稱 數(shù)據(jù)格式 性能指標(單拍) 性能指標(連續(xù)) 功耗
方位維運算 FP32 455us 245us 30W
俯仰維運算 FP32 335us 148us 30W

5、結(jié)論

通過參與了國內(nèi)眾多實際雷達數(shù)字信號處理相關(guān)產(chǎn)品或是科研的研發(fā)和技術(shù)合作,加速云累計了大量的經(jīng)驗,在此基礎(chǔ)上推出的SC-OPS和SC-VPX產(chǎn)品及高性能數(shù)學(xué)加速庫FBLAS、多重信號分類(MUSIC)、自適應(yīng)數(shù)字波束形成(ADBF)等IP庫,可以幫助用戶實現(xiàn)系統(tǒng)級的解決方案。通過持續(xù)推出高密度高性能硬件平臺,高性能RTL級加速IP,配合高性能分布式軟件搭建高性能、低延時靈活配置的軟件定義平臺,推動了雷達和電子對抗設(shè)備向更先進設(shè)備的演變。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • FPGA
    +關(guān)注

    關(guān)注

    1643

    文章

    21968

    瀏覽量

    614297
  • Stratix
    +關(guān)注

    關(guān)注

    1

    文章

    31

    瀏覽量

    23883
  • 數(shù)字信號處理
    +關(guān)注

    關(guān)注

    16

    文章

    567

    瀏覽量

    46561
  • 雷達
    +關(guān)注

    關(guān)注

    50

    文章

    3083

    瀏覽量

    119451
收藏 人收藏

    評論

    相關(guān)推薦
    熱點推薦

    LabVIEW無法找到任何目標設(shè)備該怎么辦?

    嗨,我正在嘗試在FPGA LabVIEW的一個新項目中添加digilent的geneys板,但顯然LabVIEW無法找到任何目標設(shè)備..我不知道這是否可能可能有驅(qū)動但我不能
    發(fā)表于 10-29 09:19

    何在低端FPGA實現(xiàn)DPA的功能?

    FPGA,動態(tài)相位調(diào)整(DPA)主要是實現(xiàn)LVDS接口接收時對時鐘和數(shù)據(jù)通道的相位補償,以達到正確接收的目的。那么該如何在低端FPGA
    發(fā)表于 04-08 06:47

    Python和Keras在訓(xùn)練期間如何將高斯噪聲添加到輸入數(shù)據(jù)呢?

    模型的魯棒性。 這在訓(xùn)練數(shù)據(jù)有限或具有很大可變性時特別有用,因為模型被迫學(xué)習(xí)對輸入的小變化具有魯棒性的特征。以下是如何在訓(xùn)練期間向圖像添加高斯噪聲
    發(fā)表于 02-16 14:04

    基于 FPGA目標檢測網(wǎng)絡(luò)加速電路設(shè)計

    第一部分 設(shè)計概述 /Design Introduction目前主流的目標檢測算法都是用CNN來提取數(shù)據(jù)特征,而CNN的計算復(fù)雜度比傳統(tǒng)算 法高出很多。同時隨著CNN不斷提高的精度,其網(wǎng)絡(luò)深度與參數(shù)
    發(fā)表于 06-20 19:45

    基于噪聲環(huán)境下的MFCC特征提取

    在語音識別系統(tǒng),如何在含有噪聲的語音信號中提取其良好的特征參數(shù)是系統(tǒng)的關(guān)鍵問題之一。本文通過采用自適應(yīng)濾波來濾除語音信號的高斯白
    發(fā)表于 12-12 13:46 ?24次下載

    基于小波分析的車輛噪聲特征提取方法

       特征提取是聲目標識別的關(guān)鍵。由于車輛噪聲信號的非平穩(wěn)特性,傳統(tǒng)特征提取方法有很大局限性。介紹小波分析方法在車輛噪聲
    發(fā)表于 12-31 17:16 ?0次下載

    噪聲寬頻帶放大器電路圖

    噪聲寬頻帶放大器電路圖
    發(fā)表于 04-08 09:23 ?1181次閱讀
    低<b class='flag-5'>噪聲</b><b class='flag-5'>寬頻</b>帶放大器電路圖

    Protel在線教程:在PCB如何找到(尋找)元件封裝

    Protel在線教程:在PCB如何找到(尋找)元件封裝
    發(fā)表于 04-22 09:04 ?3991次閱讀
    Protel在線教程:在PCB<b class='flag-5'>中</b>如何<b class='flag-5'>找到</b>(<b class='flag-5'>尋找</b>)元件封裝

    基于局部特征匹配的目標跟蹤研究

    針對目標跟蹤特征提取和匹配問題進行分析,提出了一種基于局部特征匹配的目標跟蹤方法,該算法基于Shape Context進行
    發(fā)表于 12-06 15:15 ?32次下載
    基于局部<b class='flag-5'>特征</b>匹配的<b class='flag-5'>目標</b>跟蹤研究

    目標跟蹤目標匹配的特征融合算法研究

    基于特征融合的目標跟蹤目標特征由于某些干擾導(dǎo)致準確度較低。基于貝葉斯框架的特征融合算法進行
    發(fā)表于 07-25 15:15 ?0次下載

    基于OpenCV的室內(nèi)環(huán)境下多目標跟蹤

    室內(nèi)環(huán)境下多運動目標跟蹤的核心問題是目標的快速識別和準確匹配! 目標的快速識別關(guān)鍵在于目標對象的特征
    發(fā)表于 09-23 17:12 ?0次下載

    寬頻魚雷自導(dǎo)目標回波模擬仿真

    目標模擬器是魚雷 自導(dǎo)系統(tǒng)設(shè)計的重要儀器 。該 文的 目的是給出寬頻水下 目標 回波信號模擬的軟件仿真流程 ,為 實際 應(yīng)用 目標模擬器
    發(fā)表于 10-25 18:27 ?26次下載

    基于SIFT特征匹配的運動目標檢測及跟蹤方法

    檢測階段,首先提取兩幀帶檢測圖像的SIFT特征點并進行特征匹配,然后計算兩幀圖像之間的幾何變換矩陣,從而實現(xiàn)圖像的幾何對齊。再將幾何對齊后的兩幅圖像進行差分,并在差分圖像尋找SAD最
    發(fā)表于 01-09 16:17 ?1次下載

    基于FPGA寬頻帶數(shù)字鎖相環(huán)的設(shè)計與實現(xiàn)簡介

    基于FPGA寬頻帶數(shù)字鎖相環(huán)的設(shè)計與實現(xiàn)簡介說明。
    發(fā)表于 06-01 09:41 ?26次下載

    多尺度卷積特征融合的SSD目標檢測

    提取的方法以提高對小目標的檢測能力,再對高層特征層進行特征提取以改善目標的檢測效果。最后,利用SSD模型中原有的多度卷積檢測方法,將改進的
    發(fā)表于 06-11 16:21 ?11次下載