项目名称: 微波成像稀疏信号重构的FPGA加速方法研究

项目编号: No.61303035

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 全英汇

作者单位: 西安电子科技大学

项目金额: 25万元

中文摘要: 微波成像在军用和民用领域有着重大需求和广泛应用。稀疏信号重构理论给高分辨微波成像提供了新的技术途径。随着重构算法的不断完善,算法稳健的实时实现成为迫切需要解决的问题。和传统的微波成像信号处理算法相比,稀疏重构算法计算复杂度急剧增加,这给实时处理带来了极大的困难。针对该问题,本课题开展微波成像稀疏信号重构的FPGA加速研究,主要研究内容:1)大字典矩阵存储计算模型和全流水线并行结构;2)结合先验信息挖掘的自适应信号重构计算策略选择和电路实现方法;3)基于统一框架的混合算法复用电路设计。本课题力争在微波成像稀疏优化算法硬件结构映射理论和FPGA加速技术上有所创新,为稀疏信号重构的VLSI电路设计奠定一定的理论和技术基础,促进稀疏优化算法在微波成像系统中的应用。

中文关键词: 微波成像;稀疏重构;FPGA加速;;

英文摘要: Microwave imaging has a great demand and widely used in military and civilian fields. Sparse signal reconstruction theory provides a new technical approach to the high-resolution microwave imaging. With the constant improvement of the reconstruction algorithm, the robust real-time implementation of the algorithm is an urgent problem to solve. Compared with the traditional signal processing algorithms, the computational complexity of sparse reconstruction algorithm is increased dramatically, which bring great difficulties to real-time processing. To solve this problem, this project carries out FPGA acceleration research on sparse signal reconstruction for microwave imaging, the main contents include: 1) the storage and computing model of large dictionary matrix and pipelined parallel structure; 2) the computing strategy selection method and circuit implementation of the adaptive signal reconstruction combining prior information mining; 3) multiplexing circuit design for a variety of algorithms based on a unified framework. We strive to achieve a breakthrough on hardware structure mapping theory and FPGA acceleration of sparse optimization algorithm for microwave imaging.This project would lay the theoretical and technical foundation for VLSI circuit design for sparse signal reconstruction and promote the applicat

英文关键词: Microwave imaging;sparse reconstruction;FPGA acceleration;;

成为VIP会员查看完整内容
0

相关内容

微波成像是指以微波作为信息载体的一种成像手段,实质属于电磁逆散射问题。由于它既用被成像目标散射的幅度信息,也用它的相位信息,因此也称为微波全息成像。 其原理是用微波照射被测物体,然后通过物体外部散射场的测量值来重构物体的形状或(复)介电常数分布。
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
FPGA加速深度学习综述
专知会员服务
68+阅读 · 2021年11月13日
专知会员服务
35+阅读 · 2021年9月12日
专知会员服务
22+阅读 · 2021年7月15日
图计算加速架构综述
专知会员服务
49+阅读 · 2021年4月5日
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6月24日
专知会员服务
80+阅读 · 2020年6月20日
「深度神经网络 FPGA 」最新2022研究综述
专知
3+阅读 · 2022年3月26日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
400倍加速, PolarDB HTAP实时数据分析技术解密
阿里技术
0+阅读 · 2021年10月25日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
硬件加速神经网络综述
计算机研究与发展
26+阅读 · 2019年2月1日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
17+阅读 · 2022年1月11日
小贴士
相关VIP内容
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
FPGA加速深度学习综述
专知会员服务
68+阅读 · 2021年11月13日
专知会员服务
35+阅读 · 2021年9月12日
专知会员服务
22+阅读 · 2021年7月15日
图计算加速架构综述
专知会员服务
49+阅读 · 2021年4月5日
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6月24日
专知会员服务
80+阅读 · 2020年6月20日
相关资讯
「深度神经网络 FPGA 」最新2022研究综述
专知
3+阅读 · 2022年3月26日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
400倍加速, PolarDB HTAP实时数据分析技术解密
阿里技术
0+阅读 · 2021年10月25日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
硬件加速神经网络综述
计算机研究与发展
26+阅读 · 2019年2月1日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员