课程文献中心 更多>>

关键词： 射频指纹   深度学习   信道均衡   域对抗网络   嵌入式系统  

摘要： 射频指纹是每个射频设备所具有的独特射频信号特征,类似于人的指纹,可用作射频设备的身份标识,具有难以伪造的优点,在国防安全和民用通信等领域具有广泛的应用前景。本文主要研究了射频指纹识别技术的实际应用及实现,具体研究成果如下:(1)提出了一种基于IQ-GRU的射频指纹识别方法。通过构建一种IQ-GRU深度学习模型,从IQ信号中直接提取射频指纹并自动分类识别,能够充分利用其中的IQ相关特征和时域特征以提高识别正确率。实验测试结果表明,对于10台无线路由器,在实际电磁环境下,识别正确率达到96.65%,优于其它同类方法,并且鲁棒性更强。同时,该方法极大降低了计算复杂度和时间开销,训练时间缩短70%以上,具有更好的实用性和可扩展性。(2)提出了一种基于信道均衡的射频指纹识别方法。该方法利用LMS自适应滤波器结合信号帧头的时域训练序列对待识别信号进行信道均衡和补偿,然后使用IQ-GRU模型从均衡后的信号中提取射频指纹特征进行设备身份识别。实验测试结果表明,该方法能有效减弱无线衰落信道对射频指纹识别的不良影响,在无线衰落信道影响下,可以使射频指纹识别正确率从62.1%提升至92.25%。(3)提出了一种基于域对抗网络的射频指纹识别方法。该方法在IQ-GRU模型中增加一个域判别器分支,使用梯度反转层来混淆源域样本与目标域样本,能将源域样本与目标域样本映射到同一特征空间,可以在不知道信号先验知识的条件下,提高无线衰落信道中的射频指纹识别性能。实验证明,在无线衰落信道中,使用该方法能够达到91.75%的射频指纹识别正确率。(4)设计并实现了一种低功耗、低成本的射频指纹识别系统。使用嵌入式Zedboard开发板作为主控,结合射频芯片AD9361实现对射频信号的实时接收与处理。同时,使用Jetson Nano开发板运行提出的IQ-GRU算法模型,结合开发板内部的GPU对神经网络进行加速推导,从接收的信号中提取射频指纹特征并进行分类识别。经实验测试,与高性能计算机相比,所设计系统在保证运行速度和识别性能的情况下,功耗降低了95%。

关键词： 虚拟化技术   网联汽车   汽车操作系统   嵌入式系统  

摘要： 为满足人们不断提高的出行需求,现代汽车的设计朝着智能化方向发展,开启了智能网联汽车时代。自动驾驶、车联网等新兴概念的融入使得上层应用的迅速复杂化,带来了繁重的计算任务。虽然硬件成本的降低为汽车嵌入式系统提供了不小的算力提升,但是也带来了诸如GPU、FPGA等异构计算核心,并对其提出了计算资源高效管理的新要求。同时,智能网联汽车中的娱乐信息域急需补充大量日常应用。但是,现阶段汽车操作系统静态配置、调度资源的方式导致了系统资源利用率低、整体协同性差、部署方式不灵活等缺点,如何以一种灵活简便的方式管理好多核异构的系统计算资源、构建协同性强、支持多种操作系统混合部署的汽车嵌入式系统成为一大挑战。 针对上述挑战,本文研究虚拟化技术,主要工作如下: 1)在国产实时操作系统RT-Thread上,提出并实现了一款适用于汽车嵌入式系统的实时虚拟化软件RT-Hypervisor,以实现系统资源灵活管理,降低系统部署难度。RT-Hypervisor是利用ARMv8架构虚拟化硬件支持的Type-2型虚拟化软件,支持包括Linux、RT-Thread等多种操作系统在内的混合部署,为丰富的Linux生态环境的移植打下了基础。RT-Hypervisor可为汽车嵌入式系统以及上层汽车操作系统部分提供灵活的资源管理,实现系统资源的动态分配,提升系统的资源利用率; 2)针对传统虚拟化技术中虚拟机之间协同性差的问题,本文提出了一种改进的虚拟机间实时通信机制。考虑到目前的汽车域处理器仍以单机系统为主,各虚拟机间的关系属于共生(co-located)虚拟机,虚拟机间通信可采用更高效的共享内存通道。与以往共享内存通信工作不同的是,该机制借助ARM架构硬件辅助特性,以虚拟设备的形式构建了虚拟机间通信器。这使其可在提升系统整体协同性的同时具备更好的解耦性,是针对汽车嵌入式系统场景所做出的优化。 本文针对RT-Hypervisor及其优化设计了一系列实验,用于验证技术路线可行性并初步测算RT-Hypervisor性能。实验表明:RT-Hypervisor功能完善,支持包括Linux系统在内的多种操作系统混合部署,提供了一种部署灵活便捷、提升系统资源利用率的方案;其优化提供了一种实时性较强、吞吐量大的虚拟机间通信方式。不过RT-Hypervisor在性能上还有较大的提升空间,有待后续的深入优化。 本文实现的RT-Hypervisor及其优化为汽车嵌入式系统构建提供了一种提升系统资源利用率、协同性强、支持多种操作系统混合部署的灵活方案,解决了网联车新型嵌入式系统计算结构中,设计或优化操作系统的一些关键技术问题。

关键词： 嵌入式系统   电子信息技术   物联网应用  

摘要： 阐述嵌入式系统具有专用性、实时性的特点，分析嵌入式技术在电子信息系统中的应用，可以加速现代产业集成化、提高物联网实用价值、促进自动化平台的建设进程。

关键词： 英雄机器人   YOLOv5   DeepSort   嵌入式系统  

摘要： 随着机器人技术发展,近年来移动机器人被应用到了生活中的各个领域,功能也日益强大,其中目标检测与跟踪技术是研究移动机器人的重点和难点,受到广泛研究者的关注。现实生活中移动机器人的工作领域复杂多变,移动机器人对目标进行检测跟踪时会受到光照变化、背景模糊、背景相似、目标被遮挡、目标发生形变、目标尺寸较小等因素的影响,加大工作难度。为解决上述问题,本文以机甲大师比赛为研究背景,在英雄机器人平台上提出一种融合改进YOLOv5的Deep Sort算法。该方法提高了英雄机器人对装甲板检测与跟踪的效果,进一步提升了英雄机器人对装甲板的打击精度。本文主要研究内容如下: (1)英雄机器人采用嵌入式平台来实现对目标的检测,由于嵌入式平台的计算资源和内存空间有限,本文选取模型轻量化、检测精度高、易于部署的YOLOv5作为目标检测算法,但该算法在环境复杂和目标形变、目标尺寸较小等场景下的检测效果一般。为此,本文在YOLOv5主干网络的末端添加CA注意力机制,CA注意力将位置信息嵌入到通道注意力中,加强网络的特征提取能力,提升模型对装甲板的检测精度。采用SIo U损失函数替换YOLOv5中的GIo U损失函数,将目标框之间的向量角度特征引入目标检测的损失函数中,重新定义了惩罚项,有效地缓解了YOLOv5算法中训练和推理速度慢、准确率不高等问题。在模型中新增一个小目标检测层,减少模型对小目标的漏检率,提升模型的检测精度。在自行制作的数据集上对改进前后的算法进行实验对比,改进后的YOLOv5算法相比于原网络,精度提高了4.9%,召回率提高了0.8%,m AP@.5提升了5.3%,m AP@.5:.95提升了2.4%,结果表明改进后的YOLOv5算法性能更优。 (2)采集装甲板图片输入Deep Sort算法进行训练,将改进后的YOLOv5算法与Deep Sort算法进行融合,提高跟踪的精度。通过卡尔曼滤波进行轨迹预测,使用匈牙利算法将预测轨迹与当前帧的检测框级联匹配,解决目标之间发生重叠或遮挡时ID切换问题。最后进行卡尔曼滤波更新,实现对装甲板的跟踪。将融合改进YOLOv5的Deep Sort算法与原算法进行对比验证,改进后的Deep Sort算法相比于原网络跟踪准确度提升了2.1%,跟踪精度提升了2.6%。结果表明,改进后的算法在目标尺寸较小以及被遮挡情况下跟踪效果较好。 (3)将算法部署到Jetson TX2开发板上,使用Tensor RT对算法模型优化,加快系统的运行速度,并在英雄机器人平台上应用。经实验验证,本文改进算法能够满足英雄机器人实时检测与跟踪的需求,具有一定的可行性。

关键词： 认知工业物联网   无线通信   嵌入式系统   深度学习   推理加速  

摘要： 频谱可用性预测是一种通过学习频谱使用特征来确定频谱可用性信息的方法,旨在解决工业物联网中日益增长的频谱需求和低效的频谱利用之间的矛盾,实现可靠、高效、灵活的无线通信。与实时扫描信道的传统频谱感知方法相比,频谱可用性预测能够提前获取未来多个时刻的信道状态,从而克服传统方法耗时和耗能的不足。然而,频谱可用性预测结果具有时效性,预测延迟需满足工业无线通信设备的应用需求。因此,提出了一种基于智能边缘设备的频谱可用性预测方法,主要工作如下: 首先,为了充分利用时域和频域的频谱空洞,提出了一种多信道的频谱可用性多步预测算法。该算法通过卷积长短期记忆神经网络提取频谱数据的时空特征,并利用卷积块注意力模块在时间和空间维度实现信息的自适应加权。结合以上两种模块作为基本网络单元来构建序列到序列模型,并使用注意力机制捕获序列的时间依赖关系。 其次,为了减少预测延迟,将具有时效性的频谱可用性预测结果用于工业无线通信过程,设计和开发了一款智能边缘设备。该设备使用英伟达Jetson Xavier NX为预测算法提供高性能算力和推理加速,并将其连接到设计的基板。基板集成了工业现场常用的Sub-1GHz射频收发器以支持无线通信,并扩展了多种I/O端口以满足操作需求。在此基础上,移植了嵌入式Linux系统,开发了无线通信模块驱动程序,部署了Tensor RT推理模型,搭建了面向频谱可用性预测的边缘智能平台。 最后,以智能边缘设备为实验平台对频谱可用性预测的准确率和推理时延进行了评估。实验结果表明,该算法的预测准确率比传统方法最少提高了3.8%。经Tensor RT加速后,该算法的推理时延减少了约50%。

关键词： STM32   嵌入式系统   网关设计  

摘要： 阐述基于STM32的物联网嵌入式网关特点，分析STM32物联网嵌入式网关的设计，包括无线协调器软件、无线协调器软件，无线协调器、GPRS系统、主设备硬件的设计。

关键词： 嵌入式系统   Qt   ARM处理器   GUI   便携式记录仪  

摘要： 阐述基于安防人员巡检使用的要求，采用ARM处理器搭载嵌入式linux系统的便携式记录仪的设计方法。分析Qt设计和便携式终端的人机交互界面，实现信息采集、数据记录、数据查询、实时操作的功能。结果表明，基于Qt的GUI界面可视性强、操作方便。

关键词： 低照度CMOS   图像增强   嵌入式系统   SD3403  

摘要： 国内对单兵光电装备的低照度成像能力和国产化需求不断增长,本文研究了国产嵌入式系统和低照度图像增强的关键技术,设计了基于国产低照度CMOS和海思SD3403平台的低照度CMOS嵌入式图像处理系统。首先,本文分析了系统的技术指标和功能要求,通过查阅论文,梳理了基于低照度CMOS的嵌入式图像处理系统总体方案,将整个系统划分为硬件模块和软件模块两个部分,并最终制定了整体系统软件的工作流程。其次,硬件模块方面,根据系统总体设计方案,完成了嵌入式系统的硬件选型和硬件电路设计。本文针对国产化的需求,对探测器和处理器芯片进行选型。并基于器件选型完成硬件电路设计,包括最小系统和外围电路两个部分,最终完成嵌入式系统板的制作。然后,软件模块方面,基于海思MPP平台完成了图像采集模块的设计,基于Open CV和SVP平台,完成了图像增强模块的设计。其中图像增强模块基于Retinex Net网络进行设计,并针对原本网络中存在颜色失真、边缘信息模糊和两段式网络难以进行嵌入式移植的缺陷,进行了以下改进:将网络中的Decom Net部分替换为基于平坦指数的自适应图像分解算法,得到入射分量和反射分量,解决了Retinex Net难以嵌入式移植的问题;对网络中的Enhance Net部分引入注意力机制和颜色补偿损失函数,以解决Retinex Net的颜色失真问题;对含有大部分噪声和边缘信息的反射分量进行去噪和锐化处理,以解决增强后图像边缘信息模糊的问题。最终针对海思SD3403仅支持Caffe模型的特性,完成了改进后的神经网络算法的移植,生成了相应的WK可执行文件。最后进行对本文系统成像实验测试,在照度可控的暗室中完成了不同低照度的图像采集,并同某款对照系统进行了效果对比和客观评价。结果证明本文设计系统可在0.01lux照度下清晰成像,同对照系统的成像结果相比,整体性能有着较大幅度的提高。同时在户外夜间使用系统进行了400m距离的楼房夜景和100m距离的无灯夜景的成像,获取图像效果较好,证明本文系统可在实际中应用,且该系统具备足够的自适应特性,可适用于各种复杂环境下的图像增强。

关键词： 天然气计量   孔板流量计   热质式流量计   国产芯片   嵌入式系统   流体动力学   数值模拟   NB-IoT   物联网云平台  

摘要： 孔板流量计结构简单、技术成熟、性能稳定,借助其不需要校准就能投入使用的优势在天然气计量角接的过程中占据重要地位。但是市场上常见的孔板流量计存在着测量范围较窄、压降较大、测量准确度受到密度、温度等因素影响较大等缺点,难以满足天然气计量领域的要求。热质式流量计具有压降小、准确度高的优点,成为了天然气计量领域的重要发展方向,但同时也存在量程小,维护成本高等不足之处。本课题以孔板为基础结合热质式流量计的优点,设计一款精度为2级,量程为0.01-48)3/h,工作寿命8年以上,能准确测量气体流量的低成本智能民用燃气表,降低天然气计量系统中因计量装置造成的误差。针对气体流量计进行调研后,确定了整体设计方案,其中包括测量管道结构设计、硬件电路设计、软件设计、仿真分析、实流检定试验等,并采用国产GD32L233K8Q6作为主控芯片,通过NB-Io T通信打造物联网和云端控制的天然气计量管理网络,实现对天然气计量过程的实时监测、数据传输和远程控制。此外,使用Solid Works仿真软件,通过计算流体流动力学的方法分别对标准孔板和多孔孔板流量计的装置模型、流速扰动的影响进行研究,并对设计方案进行改进优化,提高流量计计量精度。最后对智能燃气表样机完成了包括热质式流量计调试、云平台功能测试、累计流量测试、工作周期功耗测量等多个方面的测试,经热质式流量计和样机流量测量误差曲线校准后,确认该燃气表样机工作正常,且各项性能指标符合设计要求。通过本研究设计的民用智能燃气表,可以提高天然气计量的准确性和稳定性,实现更精确、更可靠的天然气计量,同时建立物联网通信和云端控制的天然气计量管理网络,可以提高安全性和管理效率,为天然气行业的发展做出贡献。

关键词： 基于融合以太网的远程直接内存访问   嵌入式系统   内核旁路   分散聚合模式   零拷贝  

摘要： 高速实时流数据采集通常发生在系统边缘,嵌入式系统面临着在低CPU负荷下实现流数据高速网络传输的需求。应用RDMA(Remote Direct Memory Access,远程直接内存访问)技术可将网络协议栈卸载到硬件,减轻CPU负担,实现高带宽低延时的网络传输。Ro CE(RDMA over Converged Ethernet,基于融合以太网的远程直接内存访问)使得RDMA应用在以太网环境中,可以为嵌入式系统提供高性能的网络传输。本文提出一种基于ARM+FPGA嵌入式异构平台的Ro CE驱动软件方案,设计了用户态驱动和内核态驱动两部分,实现了数据的内核零拷贝。应用程序在用户态模式下可以绕过内核,直接控制硬件进行网络数据的发送、接收和RDMA读写,减少了系统调用和上下文切换的开销。本文还提出一种基于PCIe总线的RNIC(RDMA Network Interface Card,RDMA网络接口卡)软件方案,在Ro CE驱动的基础上融合了以太网驱动,并实现了分散聚合模式,支持传统的TCP/IP协议栈以太网包收发,使得系统可以对分散在物理内存中的缓冲区执行高效的DMA操作。实验结果表明,应用本文提出的Ro CE驱动和RNIC驱动软件方案的嵌入式系统能够实现流数据在十万兆以太网上的高速传输。Ro CE数据包发送带宽可达10.22GB/s,接收带宽可达8.51GB/s,RDMA写操作带宽可达10.07GB/s,RDMA读操作带宽可达5.15GB/s。支持分散聚合模式传输的RNIC驱动软件支持各类以太网包收发,在Ro CE服务中起到了连接初始化和交互作用,并可使系统通过PCIe总线接口扩展应用在主机平台中。