项目名称: 基于FPGA的腔式BPM数字信号处理算法研究

项目编号: No.11305253

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 赖龙伟

作者单位: 中国科学院上海应用物理研究所

项目金额: 25万元

中文摘要: 自由电子激光在科学、工业、医学、军事等领域具有广阔的应用前景,被誉为继同步辐射光源之后最有希望的第四代光源。分辨率达到nm级的腔式BPM是保证自由电子激光装置高亮度、高相干性的关键设备之一。 腔式BPM按品质因数可分为高Q值和低Q值两类。目前还没有商业腔式BPM信号处理器,各实验室开发的处理电子学也只针对各自的高Q值或低Q值探头设计,使用范围有限。同时,装置在不同运行模式时,信号处理算法也有差异。如果能研制通用腔式BPM信号处理器,满足不同应用需求,将极大提高束流诊断能力。 FPGA有丰富的逻辑资源,可进行高速并行处理,逐渐成为数字信号处理设备的核心。本项目利用FPGA进行不同腔式BPM和不同机器运行模式信号处理算法研究及实现,可根据情况在线切换算法,提高测量性能,通过实验室测试和带束测试进行优化。项目为通用腔式BPM处理器研究做关键技术储备,其中的技术也可推广到其他机器参数的测量上去。

中文关键词: 自由电子激光;腔式束流位置探测器;FPGA;信号处理;

英文摘要: Free electron laser (FEL), known as the most potential fourth generation light source after the synchrotron radiation, has wide application prospects in scientific, industrial, medical and military fields. One of the key components to ensure the high brightness and coherence of the FEL facilities is to use the cavity beam position monitors (CBPM) with the resolution as small as of the order of nanometer. There are two major categories of the CBPM based on different quality factors: high Q mode and low Q mode. Commercial CBPM signal processor are still not available up to now. Although many electronics have been developed by institutes all around the world, they are only designed to process the signals from their specified mode and the application is quite limited. Nevertheless, the signal processing procedures of the different modes do not share the same algorithm. The ability of the beam diagnostics would be significantly improved when a general-purpose CBPM signal processor can be developed to meet the requirements on sundry occasions. FPGA chip is becoming the core of the signal processing instruments since it has abundant programmable logic resources with high-speed parallel processing ability. This project will study the algorithms of the signal processing procedure with different CBPM configurations and

英文关键词: FEL;Cavity BPM;FPGA;signal processing;

成为VIP会员查看完整内容
0

相关内容

FPGA加速深度学习综述
专知会员服务
68+阅读 · 2021年11月13日
快速卷积算法的综述研究
专知会员服务
26+阅读 · 2021年10月25日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
18+阅读 · 2021年5月16日
专知会员服务
32+阅读 · 2021年2月1日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4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
回顾6年深度学习的算法实践和演进
极市平台
1+阅读 · 2022年2月8日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
使用 TF Micro 和 SensiML 构建 TinyML 应用
TensorFlow
3+阅读 · 2021年6月21日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26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
1+阅读 · 2014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
0+阅读 · 2013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 · 2012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
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关主题
相关VIP内容
FPGA加速深度学习综述
专知会员服务
68+阅读 · 2021年11月13日
快速卷积算法的综述研究
专知会员服务
26+阅读 · 2021年10月25日
专知会员服务
21+阅读 · 2021年8月23日
专知会员服务
18+阅读 · 2021年5月16日
专知会员服务
32+阅读 · 2021年2月1日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4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
回顾6年深度学习的算法实践和演进
极市平台
1+阅读 · 2022年2月8日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
FPGA加速深度学习综述
专知
3+阅读 · 2021年11月13日
使用 TF Micro 和 SensiML 构建 TinyML 应用
TensorFlow
3+阅读 · 2021年6月21日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26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
1+阅读 · 2014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
0+阅读 · 2013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 · 2012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
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员