| FPGA平台轻量化卷积神经网络辐射源信号识别方法 |
| |
| 引用本文： | 肖帅,龚帅阁,李想,王昊,陶诗飞.FPGA平台轻量化卷积神经网络辐射源信号识别方法[J].计算技术与自动化,2023(4):140-146. |
| |
| 作者姓名： | 肖帅 龚帅阁 李想 王昊 陶诗飞 |
| |
| 作者单位： | （1.电子信息系统复杂电磁环境效应国家重点实验室，河南 洛阳 471003；2.南京理工大学 电子工程与光电技术学院，江苏 南京 210094；3.北方电子设备研究所，北京 100191；4.南湖实验室，浙江 嘉兴 314050） |
| |
| 摘 要： | 针对卷积神经网络计算资源消耗大、难以在边缘侧应用等问题，提出了一种面向FPGA (Field Programmable Gate Array)平台的基于知识蒸馏的轻量化卷积神经网络辐射源信号识别方法。该方法以信号时频图作为特征提取对象，结合改进的知识蒸馏方法对卷积神经网络进行轻量化处理，通过注意力图增强知识信息传递，并融合深度可分离卷积，进一步提高网络稀疏度。最后，将该轻量化网络在FPGA平台上进行结构优化，通过改进循环策略和流水线并行设计，加速轻量化卷积神经网络的辐射源信号识别过程。仿真结果显示，利用本文提出的轻量化卷积神经网络辐射源信号识别算法，网络参数量降低了81.8%,在信噪比不低于-12dB的条件下，信号识别准确率达到了90%以上，FPGA平台信号识别时间为86ms,平均功耗为2W,可满足边缘侧终端对信号实时检测以及低功耗的实际应用需求。
|
| 关 键 词： | 时频特征 轻量化网络 知识蒸馏 注意力图 深度可分离卷积神经网络 |
Emitter Signal Identification Method with Lightweight CNN on FPGA Platform |
| |
| XIAO Shuai,GONG Shuaige,LI Xiang,WANG Hao,TAO Shifei.Emitter Signal Identification Method with Lightweight CNN on FPGA Platform[J].Computing Technology and Automation,2023(4):140-146. |
| |
| Authors: | XIAO Shuai GONG Shuaige LI Xiang WANG Hao TAO Shifei |
| |
| Affiliation: | (1. State Key Laboratory of Complex Electromagnetic Environment Effects on Electronics and Information System (CEMEE), Luoyang, Henan 471003, China; 2.School of Electronic and Optical Engineering, Nanjing University of Science and Technology, Nanjing, Jiangsu 210094, China;3. Northern Institute of Electronic Equipment of China, Beijing 100191, China;4. Nanhu Laboratory, Jiaxing, Zhejiang 314050, China) |
| |
| Abstract: | |
| |
| Keywords: | time-frequency feature lightweight network knowledge distillation attention map depthwise separable convolutional neural network |
|
| 点击此处可从《计算技术与自动化》浏览原始摘要信息 |
|
点击此处可从《计算技术与自动化》下载全文 |
|
