TMS320VC5410分页烧写 Flash的多页程序并行自举

以TMS320VC5410为例,介绍对Am29LV200BFlash存储器进行程序分页烧写以及上电后多页用户程序并行自举的方法。对多页Flash存储器的烧写,须在烧写过程中对已烧写的数据长度进行动态判断,当达到预定烧写长度后对Flash进行换页,然后继续烧写,重复上述换页过程,直到程序烧写完为止。对多页程序的并行自举,在系统上电后,利用T1提供的自举程序,将一个用户自己编写的前导程序载入DSP,利用该前导程序将多页程序载入DSP来实现程序的自举。此方法适用于多种Flash芯片和C5000系列DSP。     

TMS320VC5410A I/O口的多种扩展与I2C接口模拟

TMS320VC5410A是一款功能强大的定点16位DSP,提供了丰富的片上外设,可以灵活地与多种外围设备进行通信;但是片上没有专用的I／O引脚,也没有I^2C接口。本文通过TMS320VC5410A与语音芯片TLV320AIC23的I^2C通信,介绍DSP的3种通用I／O扩展方式。这些方法不仅适用于TMS320VC5410A芯片,对于TI公司C5000系列芯片都具有通用性。     

G.729A声码器在TMS320VC5410上的优化

G.729A是ITU最新推出的语音编码标准G.729的简化版本。其16位定点标准C代码极易移植到TMS320VC5410平台上,但是标准C代码却很难在TMS320VC5410上实时实现。本文从改写C代码为C54x汇编语言着手,提出多种优化方法,大大降低了实现G.729A声码器的空间复杂度和时间复杂度。这些方法不仅适用于TMS320VC5410芯片,对于TI公司C5000系列芯片都具有通用性。     

C6000系列DSP Flash二次加载技术研究

引言TI公司C6000系列DSP具有强大的处理能力,在嵌入式系统中有着广泛的应用[1]。由于程序在DSP内部存储器的运行速度远大于片外存储器的运行速度,通常需要将程序从外部加载到DSP内部运行[2-3]。由于C6000系列DSP均没有片上非易失性存储器,而最常用的方式为采用非易失Flash存储器进行程序的存储和加载。然而,     

基于DSP的千兆以太网接口设计

在高速信息处理系统中,DSP与其他模块间的通信能力已成为限制系统处理能力的瓶颈。千兆以太网技术具有传输速率高、距离远和成本低的优点,能够满足DSP高速远程数据传输的要求。以TI公司的TMS320C6455DSP芯片和VITESSE公司的VSC8201物理层芯片为例,从千兆以太网的接口电路设计,硬件接口驱动程序设计两个方面进行了研究,在TMS320C6455上实现了高速千兆以太网接口。实验结果显示,基于DSP的千兆以太网传输效率可达31%。     

嵌入掩膜的SPIHT任意形状ROI编码

感兴趣区域(ROI)编码可以在低码率条件下获得高质量的局部感兴趣区域,或在图像渐进传输中使感兴趣区域获得优先传输.本文在分析了当前各类ROI编码方法的基础上,基于SPIHT算法提出了一种支持多个任意形状感兴趣区域并生成可任意截断码流的ROI编码算法.该算法在SPIHT算法中嵌入了重要系数的ROI掩膜信息,使编码器同步地进行图像和ROI形状的编码,使得生成的码流具有任意可截断的特性.文中还就图像ROI编码的质量评价指标进行了讨论,并给出了一种充分考虑ROI和背景的重要性与面积比例差别的图像质量评价指标,称为重要性.面积加权峰值信噪比(WPSNR).实验结果表明,该算法支持有损到无损的多个任意形状ROI的图像编码,而且ROI优先级可调,能够生成具有嵌入式可截断性质的码流,在任意地方截断仍能保证解码器所需的图像信息和ROI掩膜信息,且计算复杂度和SPIHT相当,压缩效果高于BbB移位算法.适用于低码率应用或感兴趣优先渐进传输的应用.     

TMS320C54x与CP2200的接口设计

CP2200是Silabs公司2006年推出的一款网络接口芯片.其体积小,接口简单,容易与单片机、DSP等嵌入式处理器接口,广泛应用于需要网络接口的嵌入式系统中.本文详细介绍TMS320C5410与CP2200接口的软硬件设计方法.这些方法不仅能够在TMS320C54x上实现网络接口,而且能够适用于多种平台.     

基于GPU的快速Sobel边缘检测算法

传统的Soble边缘检测算法的优化和实现都是针对常用处理器(CPU、DSP和FPGA等)提出的,难以应用在图像处理器(GPU)上.本文提出了一种基于NVIDIA公司CUDA架构图形处理器(GPU)的快速Sobel边缘检测算法.快速算法根据GPU的并行结构和硬件特点,采用了纹理存储技术、多点访问技术和对称计算技术三种加速技术,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度.实验结果表明,快速算法充分利用了GPU的并行处理能力,在处理4 096x4 096分辨力的8位灰度图像时速度可达190 fps,是基于CPU实现的122倍.     

复杂场景下的红外目标检测

主流的目标检测网络在高质量RGB图像上的目标检测能力突出,但应用于分辨率低的红外图像上时目标检测性能则有比较明显的下降。为了提高复杂场景下的红外目标检测识别能力,本文采用了以下措施：第一、借鉴领域自适应的方法,采用合适的红外图像预处理手段,使红外图像更接近RGB图像,从而可以应用主流的目标检测网络进一步提高检测精度。第二、采用单阶段目标检测网络YOLOv3作为基础网络,并用GIOU损失函数代替原有的MSE损失函数。经实验验证,该算法在公开红外数据集FLIR上检测的准确率提升明显。第三、针对FLIR数据集存在的目标尺寸跨度大的问题,借鉴空间金字塔思想,加入SPP模块,丰富特征图的表达能力,扩大特征图的感受野。实验表明,所采用的方法可以进一步提高目标检测的精度。     

轻量化目标检测算法研究及应用

基于卷积神经网络的目标检测算法在追求较高精度的同时,忽略了检测速度,使得算法难以在有限算力的情况下实现实时检测.在YOLO目标检测算法的基础上,采用一系列轻量化的方法,运用Mobilenetv1网络替换Darknet53基础网络,将YOLO head部分3×3标准卷积替换为深度可分离卷积,根据灵敏度对卷积层滤波器进行排...