基于FPGA的I2S转AES/EBU音频转换系统的设计

为给数字广播电视设备提供附加有音频状态信息的AES/EBU数字音频接口，研究一种采用FPGA将I2S音频数据 转换为AES/EBU音频格式的实现方法，该实现方法中采用硬件描述语言Verilog HDL 获取音频数据和音频状态信息,并根据设定的计数单元重组成AES/EBU数字音频格式,最终经过BPM编码输出传输线型格式数据,系统设计通过逻辑功能仿真和硬件测试,输出信号均符合标准规定。     

基于载波和边带相位控制的微波光子移相器

为了实现一种360°相移新型微波光子移相器，通过使用一个相位调制器、延迟线和光学滤波器来控制载波和边带的相位，最终控制射频信号的相位。相位调制器只需控制一个电压来调节移相角度，减少了使用复杂双平行马赫-曾德尔调制器所导致的漂移带来的影响，具有结构简单、成本较低等优点。结果表明，仿真验证的微波光子移相器可以在0GHz~40GHz频率范围内实现从0°~360°的全相移范围，并且在同一输出相位情况下，频率在0GHz~40GHz范围内，功率基本保持不变。此研究对微波光子移相器技术有一定参考意义。     

基于匹配滤波和自动阈值的眼底血管分割方法

提出一种快速、简便、高效的眼底血管分割方法。分析眼底图像的灰度值分布和对比度变化,利用匹配滤波克服背景干扰,消除噪声影响,达到灰度均衡,实现眼底图像的亮度归一化。估计眼底图像中背景像素所占比例,利用直方图自动选择阈值,完成对眼底图像中血管的有效分割。在公开的眼底图像数据库上进行测试,该方法对眼底血管分割具有较好的性能指标。实验表明,提出的基于匹配滤波和阈值优化的眼底血管分割方法,准确率高、复杂度低,对眼科疾病的计算机辅助诊断有一定的实用价值。     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。     

基于相位和强度调制的微波测频技术研究

为了更好地对微波信号进行频率测量，采用了一种基于相位调制和强度调制相结合的瞬时测频方法。一束连续波光源通过耦合器被分成两路，未知微波信号分别同时经过相位调制器和强度调制器从而对载波进行调制，之后进入两段长距离的单模光纤中。在光纤中由于色散引起的微波功率损耗的特点，可以获得单调变化的频率-幅度的映射关系，继而通过光电探测的微波信号输出功率比得到幅度比较函数；另外还分析与实现了测频范围与测频精确度的优化。结果表明，该方案结构简易，能够快速精准地测量出未知信号的频率，测量范围可以达到0.5GHz~53GHz，测量误差小于±200MHz。该方法可以有效地测量微波信号频率，可靠性强，适用范围广。     

基于1DCNN-LSTM的锂离子电池SOH预测

为了提高锂离子电池健康状态(SOH)的预测精准度和稳定性,针对常规特征选取复杂且无法有效利用等问题,提出了一种联合一维卷积(1DCNN)与长短记忆网络(LSTM)的电池SOH预测方法.首先采用多通道串联电压、电流、温度构建多维特征,然后采用1DCNN从样本数据中提取高级数据特征输入LSTM中以有效利用历史信息,最后通过全连接层输出电池SOH的预测结果.采用NASA锂离子电池容量衰减数据,对所应用的联合算法进行验证,结果表明,相较于其他预测算法,基于1DCNN-LSTM的算法具有更准确的SOH预测结果,其平均绝对误差(MAE)为0.01左右,且失效点误差周期(RUL)小于2个周期.     

一种新型锂电池充电剩余时间预测方法

提出了一种基于信息粒化(IG)的支持向量回归(SVR)方法来预测锂电池充电剩余时间。首先,通过模糊信息粒化窗口提取代表性数据,同时形成概率性预测的置信区间上下限,并重新组合特征向量建立训练样本。然后,运用样本对训练支持向量回归模型,在参数优选方面采用网格划分的交叉验证方式。最后,通过3个不同的支持向量回归模型得到充电剩余时间的置信区间。以美国国家航空航天阿姆斯研究中心公开的电池数据为实例,通过与三段式模型方法进行对比,结果表明该模型在精度、通用性方面表现更好。     

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance, AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。