关键词： 表面漂流浮标   多参数   卫星通信   低功耗  

摘要： 表面漂流浮标是一种常用于海洋调查的仪器设备,具有自动连续采集海洋水文气象要素、数据传输及定位的功能。随着海洋科学研究范围不断扩大,海洋观测要素不断增多,漂流浮标越来越向多参数、多功能、综合观测的方向发展。因此,研制一个可靠性高、功耗低、软硬件扩充灵活,并适合海洋环境的综合海洋观测平台对于海洋观测具有非常重要的意义。本文的主要研究内容是设计并实现一种基于多种通信方式的多参数表面漂流浮标数据采集系统,采集要素满足GB/T 12763-2007《海洋调查规范》要求的性能指标,系统具有可靠性高、可扩充性好、低功耗的特点。根据漂流浮标未来发展趋势和我国当前的观测需求,本文在前人结构设计和系留技术研究的基础上,采用高可靠性、多参数、多功能的传感器,进行数据采集与控制、数据传输与通信、能源供给等关键技术研究。具体包括整体方案的研究、基于北斗和铱星系统通信方式设计、微控制器资源的调配和管理、多参数测量、传感器即插即用技术及供电技术等。在已有技术的基础上,对浮标体材料选择、结构设计、海洋环境适应性设计、软硬件抗干扰设计及上位机数据质量控制方法等进行了简单阐述。系统测试表明,本系统能够完成多参数数据采集及传输,采集要素满足《海洋调查规范》要求的性能指标,供电技术满足低功耗要求,系统各项指标满足设计要求。本文的创新点是多参数测量和双通信方式设计。通过对相关海域内的气象、水文及海洋环境噪声的同步观测,有助于海洋环境噪声与水文气象等要素之间的相关性研究。北斗系统和铱星系统的双通信设计使得数据接收率和数据传输可靠性大大增加。此外,高性能芯片的选择和软硬件抗干扰设计有效提高数据采集的可靠性;供电技术延长了漂流浮标在无人值守状态下的工作时间。

关键词： 龙芯   实时性   Linux   移植   可靠性   裁剪  

摘要： 随着近年来中国航天事业飞速发展,卫星应用的领域不断拓宽,卫星的软件功能也越来越复杂,使用操作系统对星上任务和星上有效载荷进行管理已经是必然的趋势。国产龙芯1E处理器的出现,以其高性能、低功耗的特点,打破国外对我国航天芯片的封锁。在此背景下,研究基于龙芯平台的嵌入式实时Linux系统移植具有重要的意义。本文在分析国内外嵌入式操作系统的基础上,研究了标准Linux内核的实时性方法,分析了将实时Linux移植到龙芯1E平台上的可行性,结合航天项目特殊性,设计改进了Linux系统的异常处理策略,根据航天任务的需求对内核进行裁剪,最后测试平台的实时性能。本文的主要工作为设计搭建了基于龙芯处理器的嵌入式实时操作系统平台,对国内航天领域基于MIPS架构处理器的嵌入式实时操作系统的应用研究进行了有益的探索。本文的主要研究内容包括:(1)在对常用实时操作系统进行详细调研的基础上,对比分析它们的特点,选择使用RT-Preempt patch对Linux进行实时性提升方案。同时分析RT-Preempt patch的中断线程化、临界区可抢占、高精度时钟、实时调度策略、优先级继承等技术的原理。(2)在分析MIPS架构下BootLoader的引导过程和Linux系统启动方式的基础上,实现了BootLoader引导Linux内核启动;成功移植安装RT-Preempt patch的Linux内核,并完成根文件系统制作;针对航天项目可靠性特殊需求,,设计改进MIPS架构操作系统异常处理机制。(3)针对嵌入式系统资源紧张的问题,在分析Linux内核的模块化设计机制基础上,通过三种不同粒度的裁剪方式,对内核进行模块级、函数级和代码级的裁剪。(4)完成移植剪裁后操作系统的关键实时性能指标测试,包括:平台上下文切换时间、中断响应和恢复时间;使用专业的实时测试工具Cyclictest对平台进行测试,对测试结果进行总结分析。最后,本文通过实验测试,表明RT-Preempt patch可以有效的提高标准Linux的实时性,基于龙芯处理器的嵌入式实时Linux平台能够满足航天项目对操作系统实时性的需求。

关键词： 渔船驾驶舱   低功耗   人员检测   嵌入式GPU   YOLO   可变形部件模型  

摘要： 渔船驾驶舱是渔船安全航行的核心部分,许多渔船的安全事故都是由于驾驶舱值班人员违规操作造成的,利用视频监控技术对渔船驾驶舱值班人员进行人员检测和人数识别,对整个渔船的安全有着至关重要的意义。嵌入式平台具有体积小、功耗低、便于部署等特点,针对渔船船舱内空间狭小、船载电子设备需满足防水、防腐、防盐雾的无风扇设计要求等问题,论文选择嵌入式平台作为船舱人员视频检测的硬件平台。但是由于视频处理需要大量的运算,对硬件处理器的性能也有较高的要求,普通的嵌入式平台的计算性能无法满足要求,而拥有低功耗、高性能的嵌入式GPU成为解决这个问题的一个有效途径。本文所做的主要工作如下:(1)分析现有渔船安全监控系统中人员检测模块存在的问题,针对现有基于OpenCV和HOG特征的船舱人员检测系统检测准确率不高、检测速度较慢等问题,提出基于嵌入式GPU的船舱人员视频检测解决思路。(2)搭建基于YOLO目标检测框架的嵌入式船舱人员视频检测系统。为了提高系统检测的准确度,针对渔船驾驶舱的特殊场景进行建模,制作渔船驾驶舱专用数据集,在此基础上训练得出专用于渔船驾驶舱人员检测的模型。在嵌入式处理平台NVIDIA Jetson TX1上完成系统实现,测试结果表明,系统在检测准确率方面与现有船舱人员检测系统相比提高了10%,检测速度提高达到了近30倍。但是,系统的功耗也大大增加,长时间运行需要散热风扇的支持,无法完全适应渔船船舱环境无风扇系统的要求,并且系统实现的硬件成本亦大大提高。考虑到基于深度学习的YOLO目标检测框架实现模型较为复杂,并且受CUDA指定的硬件平台的限制。选择计算核心同为卷积神经网络表示的DPM算法。(3)搭建基于嵌入式GPU并行化DPM人员检测算法的低功耗船舱人员视频检测系统。对DPM算法进行了充分的理论研究,完成了算法在嵌入式Linux的移植工作,并对算法进行耗时分析和并行性分析,确定限制算法检测速度的瓶颈模块,利用可跨平台的OpenCL异构编程模型对算法进行并行性优化,提高算法的检测效率。在渔船驾驶舱专用数据集的基础上,训练了专用于渔船驾驶舱人员检测的多组件模型,保证算法的检测准确性。在嵌入式平台Firefly RK3288上完成了系统的实现。实验结果表明,经过性能测试和对比分析,与现有基于OpenCV和HOG特征的船舱人员视频检测系统相比,优化后的DPM算法检测准确率可以提高10%以上,检测速度提高7倍;与基于YOLO目标检测框架的嵌入式船舱人员视频检测系统相比,检测速度略有不足,但是功耗降低至7W以下,可以满足渔船船载电子设备无风扇设计的要求,并且硬件成本也大大降低。最终综合检测准确率、检测速度、功耗以及成本考虑,本文提出的基于嵌入式GPU并行化DPM算法的低功耗船舱人员视频检测系统是一种可以兼顾低成本、低功耗以及较高性能的人员检测系统,对于在特殊应用场景下的人员检测技术应用具有一定的借鉴意义。

关键词： 可编程门阵列   卷积神经网络   自闭症教育   加速器   低功耗  

摘要： 自闭症是一种与神经系统相关的疾病,患者在日常生活中常常存在语言和社交障碍,或者存在连续重复同一动作的现象。患者幼年时得到确诊并接受早期的干预治疗,这样能达更好的治疗效果。但是目前在自闭症教育中存在着有丰富经验的教师匮乏的问题。通过人工智能、计算机视觉、机器人等信息化技术辅助教师对学生的教学状况进行评估,能够有效减轻教师的教学压力。将深度学习算法应用于自闭症教学场景中存在以下几个需求。在课堂教学中,教师希望得到对课堂教学视频及时的分析数据,以便随时调整教学计划;在教室之外,家长希望在家庭中对自闭症儿童的干预治疗也能够得到信息化技术的帮助;为了保护学生隐私,课堂视频不应流出教室场景。基于上述需求,本文认为在自闭症教学场景中部署支持深度学习应用的系统是很有必要的,为此设计了一套基于FPGA的卷积神经网络系统,以支持深度学习算法在自闭症教学场景中应用。系统分为三个模块,分别为视频采集模块、卷积神经网络加速器和数据输出模块,其中卷积神经网络加速器的设计与实现是本文的主要工作内容。本文使用了HLS技术,开发了FPGA上的卷积神经网络卷积计算单元和池化计算单元,通过软硬件协同设计的开发模式在Zybo开发板和KCU1500开发板上实现了卷积神经网络加速器。卷积神经网络系统通过应用软件构建卷积神经网络模型,使用FPGA中的卷积计算单元和池化计算单元对卷积神经网络算法进行硬件加速。本文对卷积神经网络系统进行了功能评测,验证了卷积神经网络系统的各个模块能够在自闭症课堂教学场景下正常运行。本文还对卷积神经网络加速器进行了性能评测,通过比较运行相同网络消耗的时间,测得Zybo开发板运行卷积神经网络加速器实现了双核Cortex A9 ARM处理器25倍的性能加速,KCU1500开发板实现了Intel i7-7700处理器8-9倍的性能加速,证明了本文设计实现的卷积神经网络系统能够支持卷积神经网络算法在自闭症教学场景中的应用。

关键词： STT-MRAM   读写电路   高速   高可靠性   低功耗  

摘要： 存储器是计算机体系结构中的重要组成部分,随着半导体工艺特征尺寸的不断缩小,基于传统工艺的存储器遭遇了性能的瓶颈。传统存储技术面临着挑战也催生了新技术的出现,自旋转移力矩磁性随机存储器(STT-MRAM)就是其中最有商业前景的新型存储器之一,被认为是构建下一代非易失性缓存和主存的理想器件。高速、高可靠性和低功耗的电路设计对于STT-MRAM获得广泛应用至关重要。本文对STT-MRAM的读写电路进行了研究,并基于中芯国际40nm 1.1/2.5V工艺完成了高速、高可靠性和低功耗的设计实现。首先,研究了STT-MRAM工作机理,并采用Verilog-A语言构建了存储器件的仿真模型,模拟了器件的电阻特性和开关电流不对称性。然后设计了双端自检写电路架构,利用自检模块来判断写入数据类型,数据成功写入后立即终止操作,同时避免了写入重复数据的操作。写“0”和写“1”的有效判断范围分别为408mV和275mV,平均写功耗为0.106pJ/bit,比传统写电路节省了62.5%,其中有效写“0”和“1”分别节省了53.4%和15.8%,重复写“0”和“1”分别节省了94.1%和83.1%。最后,采用正负反馈结合的连接方式和源极负反馈思想,设计了对称参考单元型读出结构,其中灵敏放大器的读“0”和读“1”的读出范围分别为42.2mV9.3mV和45.2mV8.3mV。采用前置放大器和可再生比较器的组合对灵敏放大器感应电压进行比较,最坏情况的读“1”时间为4.3ns,读电流为5.68μA,读“0”时间为1ns,读电流为5.49μA。采用基准电压源为读电路提供偏置电压,功耗为0.88μW,温漂系数为7.4ppm/℃,电源调整率为11.1 ppm/V,低频电源抑制比为-55.4dB。用拉丁超立方体抽样方式抽取的1000个样本中,读取操作的正确率为100%。

关键词： Biomedical engineering   Electrical engineering  

摘要： Low-back pain has become an overwhelming prevalent problem causing activity limitation in the lives of many Americans and an unnecessary burden on physicians. The etiology of most cases remains unknown and current treatments remain ineffective in many cases. Recent research suggests that low-back pain is heavily influenced by repeated daily movements that stress specific areas of the spine. Better monitoring solutions are needed to reveal and correct these repeated movements, but current methods are unfit for daily use outside of laboratory environment. The Spinal Motion Sensor takes advantage of current inertial motion technologies and sensor fusion algorithms that can measure orientation with higher accuracy and lower power than ever before. The central motion sensor chip, the InvenSense ICM-20948, uses a gyroscope, accelerometer, magnetometer, and digital motion processor to collect nine axes of data and calculate a final quaternion orientation vector. Multiple sensors can be placed on the spine to monitor the orientation at each location. The sensor is Bluetooth-enabled, allowing for orientation data to be transmitted back to any mobile device. If a mobile device is not present, the data can be saved locally to flash memory and collected later. The sensor was tested for long-term drift to ensure that the sensor does not drift throughout the length of a data collection session. Power consumption testing of the sensor in different configurations revealed a battery life of approximately 20 hours. Patients will be able to wear and use their sensor for a full day of activity, revealing any high-risk movements that may be causing low-back pain.

关键词： 异构多核移动平台   用户体验   低功耗   任务调度   big.LITTLE架构  

摘要： 移动设备的数量不断增长的同时,用户对移动设备性能的要求也越来越高。智能手机是使用最广泛的移动设备。移动设备与传统的PC最大的区别就是其移动性,不可能无时无刻连接着电源使用,而电池的容量又是十分有限的。如何在满足最低使用要求的前提下延长移动设备的续航时间成为了行业和用户共同关注的焦点。异构多核移动平台被广泛应用于提高性能。而电池技术却迟迟没有取得显著的发展,导致有限的电池容量限制了移动设备的能耗。因此异构多核移动平台的性能和能耗形成冲突。国内外研究者们针对这个问题也提出了很多方案来解决两者之间的平衡问题。***架构是ARM公司提出的一种节能的异构计算架构。很多应用了***架构的移动设备,在做到一定程度上高效又节能。除了性能和能耗,用户体验更是现代移动平台设计中尤为重要的关注点,这一点却往往在平衡性能和能耗的解决方案中被忽略,以至于给移动用户带来糟糕的用户体验。本文在***处理器上基于原始全局任务调度提出了一种改进的全局任务调度,称为用户重要性和低功耗全局任务调度（UCEE-GTS）。在UCEE-GTS中,引入了以用户为中心的任务的概念以增强用户体验。应用的响应速度是用户体验最简单和最直接的表现方式,与本文采用以用户为中心的任务的响应时间来量化了用户体验。本文基于原始的全局任务调度进行了一些改进,例如以用户为中心的任务的分区和非以用户为中心的任务。当一个任务处于交互状态或前台时属于用户中心任务,否则属于非以用户为中心的任务。为了增强用户体验,通过适当减少松弛时间,缩短了以用户为中心的任务的响应时间。对于交互式任务,UCEE-GTS将它们分配给大核心,因为大核心具有更高的计算能力,因此交互式任务可以缩短响应时间。此外,适当延长后台任务的最后期限,以获得最大的节能效果。然后,提出一种算法来计算适当的频率,并将计算周期分配给每个任务。我们的实验结果表明,与GTS和集群交换调度模型相比,UCEE-GTS可以实现能耗与性能之间的权衡,同时获得出色的用户体验。

关键词： 深度学习   卷积神经网络   加速   低功耗   FPGA实现  

摘要： 近年来,人工智能在理论和应用上都取得了巨大成功,深度学习作为人工智能最重要的研究方向,可以解决更加抽象复杂的问题。然而,由于问题变得更加抽象和复杂,深度学习网络的规模也在逐渐增加,模型的学习时间也随之剧增。所以对深度学习算法加速技术的研究成为大势所趋。相比于中央处理器(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)和专用集成电路(Application Specific Integrated Circuit,ASIC),现场可编程门阵列(Field Programmable Gate Array,FPGA)在深度学习算法加速上具有高速度、低功耗、稳定而又延迟极低、适用于流式的计算密集型任务和通信密集型任务、灵活而开发周期短、成本低、便于携带等优势。目前,对深度学习算法的FPGA实现的具体架构的研究并不多,对训练过程的FPGA加速设计研究也较少。卷积神经网络(Convolutional Neural Network,CNN)算法是最常见最重要的深度学习算法之一,它在语音和图像识别等常见应用中取得了突破性成就,因此本文主要基于CNN,从算法基本原理,优化模型并仿真建模,通用硬件架构设计和FPGA实现四个方面对深度学习算法的FPGA加速进行研究与实现。首先,本文介绍了深度神经网络(Deep Neural Network,DNN)算法和CNN算法等深度学习理论。并对模型基本参数的优化选择和正则化、弃权技术等其他优化方法进行了研究,提出了一个具体的Lenet CNN模型,该模型在小规模的简化模型前提下,拥有良好的性能,准确率可达96.64%。然后,本文研究了CNN前向预测过程及后向训练过程的通用硬件架构,提出了基于移位寄存器的串矩转换结构和基于脉动阵列(Systolic Array,SA)的卷积层和池化层的主要运算单元的硬件架构。该架构具有模块化和可扩展性,可搭建任意规模的CNN模型,并且提高了频率和计算吞吐量,减小了I/O带宽需求。同时综合考虑计算时间及资源消耗后,提出了分段拟合逼近的Softmax层硬件设计框架。最后,基于硬件实现架构,分别对Lenet CNN的预测和训练过程进行FPGA实现和系统性能分析验证。首先对预测和训练过程进行Matlab定点仿真验证,然后搭建系统模块,并在Modelsim中进行功能仿真验证,随后分别在XC7K325T-2FFG900和XC7VX690T-2FFG1157上进行FPGA实现。最后分析对比了FPGA实现系统与CPU和GPU等在速度和功耗上的性能,在速度上FPGA比CPU有了3倍左右的提高,在功率上CPU和GPU是FPGA的100倍以上。

关键词： 自动抄表   物联网水表   低功耗   M6310芯片   GPRS  

摘要： 在传统的自动抄表模式下,通过数据线、手持机、中继器和集中器的协调工作可以完成水表数据的采集。但是这种模式对安装和使用的要求较为苛刻,一旦在这个过程中出现些许纰漏,都可能导致系统无法进行正常的工作,这在一定程度上增加了水表维护成本和后期维护工作。另外传统抄表系统对水表的分布要求高,对于游离于水表集中区域的水表往往难以做到集抄或者需要增加额外投入。随着物联网产业的发展,本文提出了一种基于物联网技术的高效远程抄表系统方案,自主研发了物联网水表及配套的软件系统,物联网水表通过GPRS网络直接与抄表平台进行信息交互,极大地降低安装维护难度与成本,另外物联网水表只要有GPRS网络即可通讯的特点解决了低密度分布水表的抄表问题。本文首先介绍了物联网水表抄表系统的构成和层次划分,阐明了系统设计的目标与内容。其次,基于现有的机械水表基础上增加主控模块、物联网组件、传感器、数据存储模块以及阀门控制部件完成了物联网水表的硬件设计和软件设计。另外,基于GSM/GPRS传输方式,设计了一套短时连接水表通信协议,其包括数据交互流程、数据交互格式和参数交互格式等内容。然后,根据抄表平台的需要,分析水表数据管理系统的体系结构,开发了功能模块和平台数据库。最后,提出了物联网水表和抄表平台的检验内容与实施方法。本课题设计的物联网水表抄表系统已经过宁波水表股份有限公司检验,满足预期的性能和功能要求,且生产的几万只物联网水表在国内多个水司已正常运行近两年。这种物联网水表抄表系统的研究对后续的相关研发具有一定的借鉴意义。

关键词： 流水线技术   全数字锁相环   低功耗   电子设计自动化   动态调节  

摘要： 锁相环电路在电子系统是个很重要的模块。其本质上是个闭环反馈控制系统,通过比较输入信号和输出反馈信号的相位差,控制振荡器的输出频率的大小,最后使锁相环的相位锁定。全数字锁相环相比传统锁相环拥有较高的集成度、灵活的配置性和快速的可移植性好的特点。但是,现有全数字锁相环仍然还存在锁相速度慢、功耗高、以及系统设计参数不能够动态调节等问题。本课题针对这些问题提出一种流水线电路结构的全数字锁相环。该锁相环主要由数字鉴相器、数字滤波器、数控振荡器、自动变模电路和自动测频电路构成。其中数字鉴相器采用双D触发器型的鉴相器,数字滤波器由可逆计数器构成,数控振荡器由加扣脉冲电路和N分频器组成。该设计的创新点在于用流水线技术去优化全数字锁相环系统中数字滤波器模块,N分频器,自动变模电路和自动测频电路的电路结构,可以提高系统的锁相速度,降低功耗;实现了对流水线电路结构的锁相环系统参数的动态调节,提高了锁相系统的性能。其中自动变模电路可以根据相位误差变化自动调节数字滤波器的参数的变化,解决锁相速度与系统稳定性之间的矛盾;自动测频电路可以根据输入频率的变化自动调节N分频器的参数,提高了锁相环的频率跟踪速度,扩大了锁相环的锁频范围。该锁相环电路利用超高速集成电路硬件描述语言,采用自上而下的设计方法,并用Altera公司的EP3C40Q240C实现其硬件电路,通过系统仿真实验和硬件实验进行验证,并利用设计软件分析系统的功耗与延时。通过与传统锁相环的对比分析可知,该全数字锁相环可以提高系统的信息处理速度,降低功耗,拓展锁相范围。其锁相速度快,最快可以在2μs完成锁定,锁定范围为10Hz-100MHz,且易于集成,通用性更广。