基于DM642的视频处理系统硬件设计

提出了基于TMS320DM642的视频处理系统硬件设计方案.视频处理系统主要包括存储器模块的设计,JTAG 接口的设计、电源模块的设计、视频输入输出模块的设计、以太网接口的设计以及报警电路的设计等.同时介绍了系统的调试过程,主要有存储器模块的调试、静态图像的采集、视频显示模块的调试、报警模块的调试以及以太网模块的调试....     

基于DaVinci 技术的H.264 解码系统

为便于高效率视频压缩和高可靠性传输,在基于DaVinci技术的DM6446平台上设计实现H.264解码系统。综合运用H.264视频编解码技术、视频传输技术、网络通信技术和嵌入式系统设计技术,对系统的软硬件设计进行详细论述。结果表明:该系统可完成多分辨率、可编码率的H.264视频数据的实时接收、解码和显示,而且系统配置灵活,使用方便,具有较强的抗信道抖动特性。     

改进的基于TMS320DM642的疲劳检测系统

针对疲劳检测算法中大数据量、高速传输、复杂运算的实际需要，设计了以SAA7115为视频采集A／D、DSPTMS320DM642为核心处理器、SAA7105为视频输出D／A，并以FPGA控制输出来实现增强显示功能的实时视频处理系统。该系统采用双摄像头控制采集数据，可以满足多路视频的实时采集、处理、显示需求，可以作为疲劳检测算法、视频处理和图像处理的硬件平台。     

TMS320DM642的外部存储器接口引导

详细介绍了TMS320DM642 DSP芯片引导的特点和EMIF引导的过程,设计了8位EMIF引导电路.最后,给出二次引导的部分程序代码.实践证明,该电路和方法在利用TMS320DM642 DSP芯片设计系统时非常简便,具有很大的实用性.     

一种新的基于共模扼流圈传导干扰模态分离网络

测试传导性干扰的模态噪声,是设计电磁干扰(EMI)滤波器的前提条件。共模扼流圈能够抑制共模模态,而不影响差模电流的输出。根据共模扼流圈这一特点,设计一种由两个共模扼流圈为核心的共模/差模分离网络,实现共模电压和差模电压的同时输出。仿真结果表明,在150 kHz³0 MHz的测试频带,输入端口阻抗基本在50Ω,并且共模传递比(CMTR)、差模抑制比(DMRR)、差模传递比(DMTR)及共模抑制比(CMRR)四个结果显示了该分离网络的良好模态分离效果。     

荧光灯电子镇流器的EMI滤波器设计

本文主要以基于恩智浦半桥驱动ICUBA2211设计的荧光灯电子镇流器为例,针对电路中存在的传导干扰,探讨了不同的滤波方法。通过在电路的电源入口处采取滤波技术对电路的EMI进行抑制,使电路的传导干扰的测试结果达到了国际的EMI标准限值。     

基于DM6446与小波的图像压缩系统设计

对小波变换原理及DM6446平台架构进行了探讨,并在DSP平台上设计实现了一个图像压缩系统。该系统选用提升小波变换算法对图像进行整数到整数的变换,再对变换结果进行嵌入式零树编码,实现图像压缩。实验测试该系统对静态图像进行101∶的压缩率下还能获得很好的图像质量,且系统集成度高,成本低,为实时应用环境下的图像压缩提供了一个很好的范例。     

基于TMS320DM642的MPEG-4编码器设计和优化

给出在TMS320DM642 DSP平台上实现MPEG-4视频编码器所用到的优化方法.这些方法包括算法的改进及存储器的合理分配,以提高程序代码的并行性,减少计算量,重点是运动估计模块及其相关问题的设计优化.该编码器可以在CIF大小图像格式下以25f/s左右的速度进行编码,满足实时视频编码的要求.     

达芬奇异构多核处理器核间通信技术研究

针对目前通用的达芬奇异构多核处理器,研究了其ARM核、DSP核以及视频协处理器之间的通信与协作机制.在分析多核处理器核间通信原理的基础上,研究了TMS320DM816x系列达芬奇异构多核处理器的核间通信技术,详细阐述片上核间互联结构与核间通信软件的实现.最后基于SysLink底层通信模块设计了多路高清音视频应用系统,对核间通信进行验证.系统可充分发挥各处理核的性能,实现了各核间的高效协作.     

基于存储库数据挖掘的开源软件成功度量方法

开源软件已广泛应用于各软件领域,例如操作系统、容器等,但目前尚没有一种能够综合度量开源软件的方法.我们在用户兴趣度量和开发参与度量的基础上,提出了一种能够克服度量维度单一的局限性的度量方法.基于DM模型、软件生存力模型等相关文献研究和开源软件存储库数据挖掘,通过对项目过程数据进行聚类、主成分分析、回归分析和对开发过程的思考,本文提出一种基于存储库数据和统计学算法的开源软件成功度度量模型.并通过与用户兴趣度量结果和开发参与度量结果对比分析,证明本文的度量模型能够基于可自动无扰采集的存储库数据,更全面的衡量开源软件项目的成功.度量模型可应用于企业选择优质开源项目、学术研究、智能项目推荐等领域.