下载文档原格式
基于FPGA的数字音频渐进延迟器设计与算法分析
夏宏波;黄佩伟;戚英豪
【期刊名称】《电声技术》
【年(卷),期】2007(31)1
【摘要】提出了一种基于FPGA的数字音频延迟器设计方案,通过线性内插和抽取算法实现数字音频信号的渐进延迟与直通,计算机仿真和实际应用验证了其正确性和可行性.该延迟器提供AES/EBU专业数字音频接口,可应用于全数字音频广播系统,以满足直播类节目对声音信号的延迟要求.
【总页数】4页(P30-32,35)
【作者】夏宏波;黄佩伟;戚英豪
【作者单位】上海交通大学,电子工程系,上海,200240;上海交通大学,电子工程系,上海,200240;上海交通大学,电子工程系,上海,200240
【正文语种】中文
【中图分类】TN91
【相关文献】
1.基于FPGA的广播数字音频延时器设计 [J], 李臻
2.基于CPLD的24 bit音频渐进延迟器设计与分析 [J], 戚英豪;黄佩伟;方华
3.一种基于FPGA的数字延迟器的设计与实现 [J], 谢跃雷;晋良念;陈紫强
4.基于FPGA的AES3/EBU数字音频接收器的设计 [J], 周宣;陈明义
5.一种基于FPGA的数字音频处理器设计 [J], 廖钧华
因版权原因，仅展示原文概要，查看原文内容请购买。
人工智能开发技术中的噪声处理方法分享引言：在人工智能（AI）领域中，噪声是指输入样本中的干扰或异常数据，可能会干扰模型的训练和预测。
为了提高AI模型的性能和准确性，处理噪声成为了一个重要的任务。
本文将分享一些在人工智能开发技术中常用的噪声处理方法。
一、数据清洗数据清洗是预处理阶段中最基本的噪声处理方法之一。
它主要通过去除异常值、填补缺失值和平滑数据来净化数据集。
异常值是指与大多数数据不相符的观测值，可能是由于测量错误或录入错误等原因导致。
填补缺失值可以使用简单的统计方法，如均值、中位数或众数进行填充，也可以使用更复杂的插值方法，如K近邻插值和多重插补。
平滑数据可以通过滤波器等技术来降低数据的噪声，例如平均滤波、中值滤波和高斯滤波等。
二、特征选择特征选择是指从原始数据中选择最相关和最重要的特征，以便减少噪声对模型性能的影响。
常用的特征选择方法有过滤式方法、包装式方法和嵌入式方法。
过滤式方法通过计算特征与目标变量之间的相关性来选择特征。
包装式方法则通过训练模型并评估每个特征对模型性能的贡献来选择特征。
嵌入式方法是将特征选择和模型训练合并为一个过程，模型可以自动选择最佳的特征。
三、数据增强数据增强是指利用一些转换技术来生成新的训练样本，以扩充有限的训练数据集。
数据增强可以通过平移、旋转、缩放、添加噪声等方式来改变数据的外观和内容。
例如，在图像识别任务中，可以通过旋转图像来增加数据的多样性。
在文本分类任务中，可以通过替换、插入或删除词语来生成新的文本样本。
数据增强不仅可以减少过拟合问题，还可以提高模型的鲁棒性和泛化能力。
四、集成学习集成学习是一种将多个基模型组合起来进行预测的技术，在处理噪声数据时具有较好的效果。
集成学习可以通过投票、加权平均、堆叠等方式来综合多个基模型的预测结果。
在噪声环境中，由于不同模型可能对噪声具有不同的敏感性，集成学习可以通过减少错误预测的数量来提高模型的整体性能。
五、异常检测异常检测是一种专门用于发现噪声或异常数据的技术。
基于PCNN的脉冲噪声滤波算法唐青华;曹敦;刘白皓【期刊名称】《微计算机信息》【年(卷),期】2011(027)010【摘要】鉴于噪声点和边缘点具有相似性,传统中值滤波、均值滤波很难对其进行区分,容易造成图像细节丢失。
本文通过分析总结脉冲噪声的特点及脉冲耦合神经网络（PCNN）的工作机理,提出了一种基于PCNN的脉冲噪声滤波算法。
首先利用PC-NN的脉冲传播特性检测出原始图像的噪声点和边缘点,然后利用噪声点和边缘点不同特点对其进行判断区分,若为噪声点进行中值滤波,边缘点则不做处理。
实验结果表明该方法不但能有效的去除图像中的脉冲噪声,而且能很好的保护图像细节信息且提高了去噪后图像的峰值信噪比。
%In view of the similarity of noise points and edge points,it is difficult for traditional median filter or mean filter to distinguish them,so some of image detail are lost.By analyzing and summarizing the characteristics of impulse noise and the the working mechanism of pulse coupled neural network（PCNN）,a PCNN-based filtering algorithm for impulse noise is proposed.Firstly,the noise points and edge points of the original image are detected by using the pulse propagation characteristics of PCNN,then distinguished by their different characteristics.After that,the noise points are dealt with median filter,but the edge points are not treated.Experimental results show that the method not only can effectively remove the impulse noise,but also can well protect the details and improve PSNR of the denoised image.【总页数】3页(P116-118)【作者】唐青华;曹敦;刘白皓【作者单位】长沙理工大学计算机与通信工程学院,湖南长沙410014;长沙理工大学计算机与通信工程学院,湖南长沙410014;长沙理工大学计算机与通信工程学院,湖南长沙410014【正文语种】中文【中图分类】TP316.81【相关文献】1.基于ROAD检测的脉冲噪声图像小波域滤波算法 [J], 徐基龙;王振东;彭玉升;马宏亮2.基于PCNN的改进脉冲噪声去噪方法 [J], 郭雷;梁楠;王瀛3.基于简化PCNN的脉冲噪声滤波 [J], 郭旭展;姚建峰4.一种新的基于PCNN的图像脉冲噪声滤波算法 [J], 卢桂馥;王勇;窦易文5.基于简化PCNN的脉冲噪声滤波 [J], 郭旭展;姚建峰因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进PCNN的数据降噪方法
王建国;闫海鹏;张文兴;张鑫礼
【期刊名称】《中国测试》
【年(卷),期】2016(042)001
【摘要】为去除数据中存在的噪声点,提高数据质量,提出一种基于改进PCNN的数据降噪方法.该方法在无耦合链接的简化PCNN模型基础上,改进阈值函数,添加记录神经元是否点火的矩阵以及点火时间矩阵,根据神经元初次点火时间辨识并去除噪声点,从而实现数据降噪.实验测试结果表明:该算法能够有效滤除数据中的噪声点,很好地保持原始数据的特征.
【总页数】4页(P92-95)
【作者】王建国;闫海鹏;张文兴;张鑫礼
【作者单位】内蒙古科技大学机械工程学院,内蒙古包头014010;内蒙古科技大学机械工程学院,内蒙古包头014010;内蒙古科技大学机械工程学院,内蒙古包头014010;内蒙古科技大学机械工程学院,内蒙古包头014010
【正文语种】中文
【相关文献】
1.基于改进脉冲耦合神经网络的数据降噪方法研究 [J], 张文兴;闫海鹏;王建国
2.一种基于改进累积方差百分比的红外高光谱数据降噪方法 [J], 黄威;高太长;刘磊;李书磊
3.基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法 [J], 娄建楼; 李燕; 王琦; 孙博; 贾俊奇
4.基于改进小波阈值的GPS观测数据降噪方法研究 [J], 汪子力;周鹤峰
5.基于改进SPCNN模型的机场跑道胶痕检测方法 [J], 刘晓琳;吴佳敏
因版权原因，仅展示原文概要，查看原文内容请购买。
![一种基于FPGA的轻量级CNN模型计算加速器[发明专利]](https://uimg.taocdn.com/e17242dd67ec102de3bd8913.webp)
专利名称：一种基于FPGA的轻量级CNN模型计算加速器专利类型：发明专利
发明人：彭宇,姬森展,马宁,于希明,彭喜元
申请号：CN202010214304.3
申请日：20200324
公开号：CN111488983A
公开日：
20200804
专利内容由知识产权出版社提供
摘要：一种基于FPGA的轻量级CNN模型计算加速器,涉及硬件加速技术领域,针对现有技术中的加速器存在运行速度慢的问题，包括：权值缓存区、归一化层、卷积层、池化层、全连接层和Softmax 分类器；本发明利用FPGA的快速并行计算和低功耗、灵活性强的特点，进行了针对使用深度可分离卷积结构的轻量级网络的CNN加速器设计，可以帮助将神经网络部署在资源受限的使用场合，大幅提升算法的计算效率，加快了算法的运算速度。
申请人：哈尔滨工业大学
地址：150001 黑龙江省哈尔滨市南岗区西大直街92号
国籍：CN
代理机构：哈尔滨市松花江专利商标事务所
代理人：刘强
更多信息请下载全文后查看。
基于PCNN的改进脉冲噪声去噪方法郭雷;梁楠;王瀛【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)016【摘要】A new method is proposed for impulse noise denoising which is based on Pulse Coupled Neural Network (PCNN) and the analysis of the neighborhood structure of the noise point. PCNN is used to ignite the noise image to obtain a firing grade image. Noise points are classified according to the difference of their neighborhood structure in the firing grade image. Median Filter is applied to the noise with simply neighborhood structure. To eliminate the noises with complex neighborhood structure, an approach is introduced based on regional membership. The results show the new method can restrains noise effectively and keep the edges detail as well.%提出了一种基于噪声邻域结构分析的脉冲噪声去除方法.对脉冲耦合神经网络点火形式进行修改,通过对含噪图像进行点火,获得点火级别图像并定位噪声.对噪声点邻域结构进行分析,对不同邻域结构的噪声点进行分类.对邻域结构简单的噪声点采用中值滤波进行去噪；对邻域结构复杂的噪声点提出了一种基于区域隶属度的去噪方法.实验结果表明所提出的算法可以有效抑制图像中的脉冲噪声,并可以保留图像的边缘细节.【总页数】4页(P26-29)【作者】郭雷;梁楠;王瀛【作者单位】西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072;西北工业大学自动化学院,西安710072【正文语种】中文【中图分类】TP391【相关文献】1.基于简化PCNN的脉冲噪声滤波 [J], 郭旭展;姚建峰2.一种新的基于PCNN的图像脉冲噪声滤波算法 [J], 卢桂馥;王勇;窦易文3.基于PCNN的脉冲噪声滤波算法 [J], 唐青华;曹敦;刘白皓4.基于改进PCNN决策的非对称裁剪中值去噪方法 [J], 朱世松; 吴亚楠5.基于简化PCNN的脉冲噪声滤波 [J], 郭旭展;姚建峰因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的基于PCNN的图像脉冲噪声滤波算法
卢桂馥;王勇;窦易文
【期刊名称】《计算机技术与发展》
【年(卷),期】2007(17)12
【摘要】为了更好地滤除图像中的脉冲噪声,在分析脉冲耦合神经网络(PCNN)的工作机理的基础上,在PCNN中引入了点火映射图的概念,并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器.该方法首先通过运行PCNN把噪声图像转化为点火映射图,然后利用点火映射图对图像中的脉冲噪声进行定位,最后仅对定位的噪声进行自适应滤波.计算机仿真实验表明,该方法的去噪效果优于传统方法,从而验证了该方法的有效性、合理性.
【总页数】3页(P83-85)
【作者】卢桂馥;王勇;窦易文
【作者单位】安徽工程科技学院,计算机科学与工程系,安徽,芜湖,241000;安徽工程科技学院,计算机科学与工程系,安徽,芜湖,241000;安徽工程科技学院,计算机科学与工程系,安徽,芜湖,241000
【正文语种】中文
【中图分类】TP391;TP301.6
【相关文献】
1.一种新的基于PCNN的图像自动分割算法研究 [J], 赵峙江;张田文;张志宏
2.一种基于PCNN赋时矩阵的图像去噪新算法 [J], 刘勍;马义德
3.一种新的彩色图像脉冲噪声滤波算法 [J], 李庆利;王永强;陈宝
4.一种新的基于脉冲噪声点检测的自适应中值滤波算法 [J], 彭良玉;杨辉;黄满池
5.一种新的基于 SVC 和 MIVP 识别图像脉冲噪声的研究 [J], 陆丽婷;顾绮芳;潘婷婷
因版权原因，仅展示原文概要，查看原文内容请购买。
利用FPGA产生真随机噪声技术分析【摘要】在工程应用中，经常需要产生随机数，从而对实际的工程算法进行仿真验证，并且最好是在项目调试现场进行仿真输入从而对系统的整体性能进行测试，规避了常见的在上验证正常，在实际系统中工作不正常的问题，并且由于在Matlab中常见的伪随机数的算法均较为复杂，不利于实现.本文采用了一种基于FPGA中非门逻辑单元来实现真随机数的方式，利于嵌入到实际运行的工程中，从而进行现场验证.【关键词】真随机数；FPGA；非门环0 引言真随机数在密码学以及其它的学科中有着重要并广泛的应用，工程应用中的随机数常常用来产生实际环境中的本底噪声附加到理想信号上用于仿真实际情况下的输入信号.随机数分为伪随机数以及真随机数，通常在计算机系统中产生的随机数都是伪随机数，所谓的伪随机数通常是利用特定的函数来生成的，虽然在不同程度上逼近真随机数，但是它的致命的弱点是可追溯的.真随机数，顾名思义，即是真正的随机数，一般都是由物理过程产生的随机数，不能预先演算得到的，具有天然的不可破解的特性.产生真随机数的方式有很多，其中利用FPGA内部时钟抖动产生真随机数的方式已经广泛被使用[1-2]，利用FPGA产生真随机数利用的是时钟的抖动，时钟抖动越大，真随机性能越好.本文中给出了一种经过实际验证的真随机数的产生方式，利用该种方式产生的随机数能够通过NIST推出的专用软件进行性能测试，之后才能够投入到实际的生产使用中.1 FPGA中真随机数产生产生真随机数的基础是利用真实存在的熵源，FPGA中的真实熵源是时钟JITTER，例如在D触发器时钟到达的时候，数据线处在跳变的过程中，导致不能满足其常规工作时所需要的建立保持时间的要求，输出的数据处于不稳定的随机状态，这是利用FPGA产生随机数的基本原理.在FPGA中产生真随机数的方式是利用三个非门组成的非门环，在将多个非门环进行异或操作，最终再进行时钟采样的方式，如图1所示.非门环本身运转起来之后，线上的数字在高速的进行跳变，在高电平以及低电平之间高速的切换，然后将其中一个非门的输出接到D触发器上，这样D触发器根据其工作时钟定期到非门环上取一个数据进行锁存，这样有一定概率出现取数时D触发器的数据线正好在进行跳变的过程中，这样其输出的数值就是真正意义上的随机数.但是，单个非门环的数据中真随机数的概率有限，还不能做到真正意义上的真随机数，必须要利用多个非门环进行联合工作，然后再进行全局的异或操作，只要有一个状态为真随机数，则最终输出为真随机数.如图1所示，该种方式产生的随机数为真随机数，非门环本身运转的速度很高，高低跳变的周期小于1ns，并且各个非门环之间的状态是完全独立的，故在进行异或操作时，如果非门环输出为1的个数为偶数时，则输出为0，个数为奇数时，输出为1；在进入D触发器时，由于采样时钟为低速时钟，在D 触发器采样时钟到来时，数据线上的输入如果发生跳变，则会产生真随机数，我们通过增加非门环的个数来增加该真随机数出现的概率.在工程应用中，可以控制不同的M，N，L值，从而获得不同效果的真随机数，N值主要控制单路的非门环之后的非门的个数，M值主要控制非门环的个数，M个非门环最终通过1个异或门从而得到1路真随机数输出，该路输出再经过L个非门之后再送入到一路D触发器中进行时钟采样，从而得到最终的输出.异或门是整个系统中的关键部位之一，它的作用是将所有的单路中的真随机数的因素汇总起来，在这里合成到一路中，其基本原理是真随机数和任何数据进行异或的结果都是真随机数，这种结构下要想得不是真随机数的情况只有所有路的输出都是非随机数，即每一路都能满足建立保持时间的要求，这个要求随着路数的增加，变得越来越难满足，概率越来越小.通过增加非门环的数量从而减少输出端非真随机数的出现概率，最终得到真随机数.2 真随机数测试3 结论利用FPGA产生真随机数能够达到较高的速度，且利于系统集成，并且能够进行位扩展，能够同时生成多个真随机数源，再通过并串转换再产生更高速率的真随机数，并且集成度高，能够在系统现场进行仿真输入，测试系统工作的稳定性，可以应用于工程实践中.【】[1]张聪，于忠臣.一种基于FPGA的真随机数发生器设计与实现[J].电子设计工程，2011，19（10）：176-179.[2]霍文捷，刘政林，陈毅成，等.一种基于FPGA的真随机数生成器的设计[J].华中科技大学学报：自然科学版，2009，37（1）：73-76.。
基于FPGA的量化推理CNN加速系统研究与设计
何家俊;苏成悦;罗荣芳;施振华;陈堆钰;罗俊丰
【期刊名称】《计算机测量与控制》
【年(卷),期】2022(30)9
【摘要】基于FPGA的量化推理设计了CNN加速系统;通过对主流的深度神经网络结构的运算特性分析,使用(Density-Based Spatial Clustering of Applications with Noise)DBSCAN聚类算法截取阈值的INT8量化推理方法,融合深度神经网络全连接,减少数据运算位宽和压缩网络大小,在准确率损失很小的情况下有效压缩了网络结构;基于LeNet-5、VGG-16与ResNet-50的CNN网络结构,设计出量化CNN加速系统并进行校验;实验结果表明,网络参数和输入特征数据量化精度为8-bits时,网络压缩率在25%的情况下,网络准确率的损失低于1%;在Xilinx
XC7K325平台上量化推理CNN加速系统的运行频率为450 MHz,与其他相似类型的加速器比较,其GOPS性能提升2倍。
【总页数】8页(P162-169)
【作者】何家俊;苏成悦;罗荣芳;施振华;陈堆钰;罗俊丰
【作者单位】广东工业大学物理与光电工程学院
【正文语种】中文
【中图分类】TP331.2;TN47
【相关文献】
1.一种基于FPGA的CNN加速器设计
2.基于FPGA的CNN加速SoC系统设计
3.基于DPU加速的CNN推理系统设计与实现
4.基于FPGA的量化CNN加速系统设计
5.FAQ-CNN:面向量化卷积神经网络的嵌入式FPGA可扩展加速框架
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于PCNN的图像噪声消去方法
于菊珍
【期刊名称】《信息技术》
【年(卷),期】2008(32)7
【摘要】提出了一种基于PCNN(脉冲耦合神经网络)的图像椒盐噪声消去方法,针对椒盐噪声的特点,根据PCNN集群点火特性,结合邻域均值滤波器较好地进行了图像平滑.试验证明,该方法不仅能够有效地去除椒盐噪声,对图像纹理和边缘的保护也较好.
【总页数】3页(P112-114)
【作者】于菊珍
【作者单位】西北政法大学经济管理学院,西安,710061
【正文语种】中文
【中图分类】TN911
【相关文献】
1.一种基于双谱的图像噪声去除方法 [J], 王艳玲;王宏志;李玲
2.一种基于误差传递的图像噪声去除方法 [J], 马杏军;刘谨;陈敏贤
3.一种基于消去树的LDL分解方法及其在营销优化计算中的应用 [J], 何蓓;吴敏;桂卫华
4.一种基于小波变换去除遥感图像噪声的方法 [J], 侯波;迟耀斌;朱重光;赵忠明
5.一种基于脉冲耦合神经网络计算的SAR图像噪声抑制方法 [J], 王鑫东;王博
因版权原因，仅展示原文概要，查看原文内容请购买。
基于fpga的声呐超声带噪算法基于FPGA的声呐超声带噪算法引言：随着科技的不断发展，超声波成像技术在医学领域中得到了广泛的应用。
而声呐超声成像作为其中一种重要的技术手段，能够提供高分辨率和实时的图像，因此在医学诊断和手术导航中发挥着重要作用。
然而，由于声波在传播过程中容易受到噪声的干扰，因此如何减少噪声对超声成像图像质量的影响成为了一个关键的问题。
FPGA在声呐超声成像中的应用：FPGA（Field-Programmable Gate Array）是一种可编程逻辑器件，具有高度的并行性和灵活性。
由于声呐超声成像算法的实时性要求较高，传统的通用计算机往往无法满足这一需求。
而FPGA作为一种硬件加速器，能够充分发挥其并行计算的优势，提高声呐超声成像算法的计算效率。
因此，基于FPGA的声呐超声带噪算法成为了一种重要的研究方向。
声呐超声带噪算法的设计：声呐超声带噪算法的设计目标是减少噪声对超声图像质量的影响，提高图像的信噪比。
在FPGA上实现声呐超声带噪算法的过程中，需要考虑以下几个方面：1. 信号预处理：声呐超声信号往往受到多种噪声的影响，包括系统噪声、散射噪声等。
因此，在进行超声成像前需要对信号进行预处理，以降低噪声对图像质量的影响。
常用的预处理方法包括滤波、降噪和增强等。
2. 图像重建：声呐超声成像的目标是通过接收到的声波数据重建出被探测物体的图像。
在FPGA上实现声呐超声带噪算法时，需要设计合适的图像重建算法，以提高图像的清晰度和分辨率。
常用的图像重建算法包括扫描转换、数据整理和图像生成等。
3. 噪声去除：噪声是影响超声图像质量的一个重要因素。
在FPGA上实现声呐超声带噪算法时，需要设计有效的噪声去除算法，以减少噪声对图像的干扰。
常用的噪声去除算法包括小波变换、自适应滤波和频域滤波等。
4. 实时性要求：声呐超声成像需要实时获取和处理声波数据，因此在FPGA上实现声呐超声带噪算法时需要考虑算法的实时性要求。
采用PCNN的有噪特定人语音识别系统韦丽兴;张淼;钟映春;韩光【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)003【摘要】在特定人语音识别系统中,噪声严重影响语音特征提取,并导致语音识别率明显下降.针对在噪声环境下语音识别率偏低的问题,通过谱减法去除语音信号噪声,并根据语音信号语谱图可视化的特点,运用脉冲耦合神经网络从语音信号的语谱图中提取熵序列作为特征参数进行语音识别,实验结果表明,该方法能较好地去除语音信号中的噪声,并能使在噪声环境下的特定人语音识别系统具有较好的识别效果.%For speaker dependent speech recognition, noise can seriously affect to the extraction of features, thus leads to low speech recognition rate. To address the issue, this paper applies spectral subtraction for de-noising. Based on the visualized features of speech spectrogram, the pulse coupled neural network is used to extract the feature parameters for the recognition system. Experiment results show that the proposed method can preferably reduce the noises and achieve a significantly improved recognition rate for a speaker dependent recognition task.【总页数】4页(P133-136)【作者】韦丽兴;张淼;钟映春;韩光【作者单位】广东工业大学自动化学院,广州510006;广东工业大学自动化学院,广州510006;广东工业大学自动化学院,广州510006;广东工业大学自动化学院,广州510006【正文语种】中文【中图分类】TN912.34【相关文献】1.小词汇量非特定人的语音识别系统 [J], 赵彦敏;张妍;赵宇杰2.基于HMM的非特定人汉语语音识别系统 [J], 闻静3.一种改进的特定人语音识别系统及算法研究 [J], 赵智琦;房建东4.基于STM32和SD卡文件系统的非特定人语音识别系统设计 [J], 龙顺宇;郑泽龙;谭冬凤5.智能上假肢特定人语音识别系统实现 [J], 樊炳辉;卢凤;王鑫;刘圭圭因版权原因，仅展示原文概要，查看原文内容请购买。
一种新的PCNN自适应去噪算法
温海娇;文杰;王丽平;贾帅
【期刊名称】《计算机仿真》
【年(卷),期】2015(032)011
【摘要】针对椒盐噪音图像去噪问题,提出一种新的PCNN自适应去噪算法.首先通过统计分析离散余弦变换系数确定图像子块纹理复杂度,然后根据图像子块纹理复杂度自适应调整窗口大小,最后采用PCNN检测噪并修正噪音点.经过仿真表明,统计分析离散余弦变换系数能够较好地划分图像子块纹理细节复杂度.与中值滤波以及PCNN去噪算法相比,算法在去除噪音同时保留图像细节,图像的客观评价标准峰值信噪比与结构相似度都有显著提高.
【总页数】5页(P338-342)
【作者】温海娇;文杰;王丽平;贾帅
【作者单位】南京航空航天大学理学院,江苏南京210016;南京航空航天大学理学院,江苏南京210016;南京航空航天大学理学院,江苏南京210016;南京航空航天大学理学院,江苏南京210016
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.一种基于PCNN赋时矩阵的图像去噪新算法 [J], 刘勍;马义德
2.一种新的提升小波自适应阈值图像去噪算法 [J], 李晨;王军锋
3.一种基于PCNN和自适应中值滤波的去噪方法 [J], 刘莉;谈文蓉;王燕
4.一种新的自适应多阈值小波去噪算法 [J], 户现标;王琰;任世卿
5.一种新的小波自适应阈值函数振动信号去噪算法 [J], 李红延;周云龙;田峰;李松;孙天宝
因版权原因，仅展示原文概要，查看原文内容请购买。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910166349.5
(22)申请日 2019.03.06
(71)申请人 河北工业大学
地址 300130 天津市红桥区丁字沽光荣道8
号河北工业大学东院330#
(72)发明人 高振斌 臧鑫哲 李梦圆
(74)专利代理机构 天津翰林知识产权代理事务
所(普通合伙) 12210
代理人 付长杰
(51)Int.Cl.
G10L 25/30(2013.01)
G10L 25/45(2013.01)
G10L 25/18(2013.01)
G10L 25/51(2013.01)
(54)发明名称基于FPGA加速的PCNN算法的噪声分类方法(57)摘要本发明为基于FPGA加速的PCNN算法的噪声分类方法，该方法包括下述步骤：步骤1，用录音设备采集噪声样本，并剪辑成音频文件；步骤2，音频文件进行时-频转换；步骤3，特征提取：将噪声频谱图转换为灰度图，将灰度值作为PCNN模型的输入，通过FPGA实现PCNN算法迭代过程的加速，并输出时间序列作为不同类别噪声的特征提取；步骤4，将噪声样本中每一种噪声经步骤3处理迭代50-200次输出时间序列后分为训练集和测试集；步骤5，将训练集每次迭代的时间序列求平均作为参考模板，计算测试集的时间序列与参考模板的时间序列之间的欧式距离，当欧氏距离小于噪声类别阈值时判别为同一种噪声，并输出识别结果。
该方法缩短了特征提取时间，节约了
时间成本。
权利要求书1页 说明书6页 附图2页CN 109949825 A 2019.06.28
C N 109949825
A
权 利 要 求 书1/1页CN 109949825 A
1.一种基于FPGA加速的PCNN算法的噪声分类方法，该方法包括下述步骤：
步骤1，用录音设备采集噪声样本，并剪辑成300ms-10s以内的音频文件；
步骤2，音频文件进行时-频转换：对音频文件进行短时傅里叶变换，得到噪声频谱图；
步骤3，特征提取：将噪声频谱图转换为灰度图，将灰度值作为PCNN模型的输入，通过FPGA实现PCNN算法迭代过程的加速，并输出时间序列作为不同类别噪声的特征提取；
所述通过FPGA实现PCNN算法迭代过程的加速的具体过程是：
1)FPGA电路处于空闲状态，当复位信号有效时，FPGA电路所有变量复位，复位信号拉高后进入初始化状态，对各个变量进行初始化；
2)初始化之后，跳转到FPGA内的计算模块，计算模块实现的是PCNN模型的迭代过程，在计算模块内灰度值作为输入进行迭代加速，直到达到提前设定的迭代次数，跳转回空闲状态，完成迭代加速过程；
步骤4，将噪声样本中每一种噪声经步骤3处理迭代50-200次输出时间序列后分为训练集和测试集；
步骤5，将训练集每次迭代的时间序列求平均作为参考模板，计算测试集的时间序列与参考模板的时间序列之间的欧式距离，当欧氏距离小于噪声类别阈值时判别为同一种噪声，并输出识别结果。
2.根据权利要求1所述的基于FPGA加速的PCNN算法的噪声分类方法，其特征在于，短时傅里叶变换的过程是；首先对噪声音频文件分帧，分帧长度为10ms-30ms；下一步对分帧之后的噪声音频进行加窗，采用汉宁窗，窗长等于帧长，最后对每一帧进行傅里叶变换，即完成了对噪声音频的短时傅里叶变换，得到噪声频谱图。
3.根据权利要求1所述的基于FPGA加速的PCNN算法的噪声分类方法，其特征在于，所述FPGA电路包括控制模块、计算模块和存储模块；控制模块负责协调整个电路的正常工作，计算模块完成PCNN算法的迭代功能，计算中产生的数据存储于存储模块；控制模块分别给存储模块、串口接收模块信号，负责协调FPGA整个电路的正常工作；PC机通过串口接收模块将图片灰度值输入FPGA电路计算时间序列，FPGA电路又通过控制模块控制存储模块将计算输出的时间序列通过串口接收模块上传给PC机。
2。
