-
公开(公告)号：CN119341868A
公开(公告)日：2025-01-21
申请号：CN202411465211.2
申请日：2024-10-21
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于传感器阵列的时序信号智能降噪与信号增强电路，初始化生成获取干扰源和目标源方位信息的多源定位电路和基于多源方位信息的多级降噪与信号增强电路所需的权重系数并存入存储器中，在检测到外部控制器送入的多源定位触发信号后，将STFT特征提取电路处理获得的传感器阵列时序信号的STFT结果送入获取干扰源和目标源方位信息的多源定位电路进行处理，采用基于神经网络的DOA方案对干扰源和目标源进行定位，将STFT结果和DOA结果送入基于多源方位信息的多级降噪与信号增强电路进行处理，支持四种处理模式的动态可重构配置并获取对应处理结果。本发明方案实现了复杂环境下对传感器阵列时序信号的智能降噪与信号增强，并降低了硬件资源开销。
-
公开(公告)号：CN116701921A
公开(公告)日：2023-09-05
申请号：CN202310989333.0
申请日：2023-08-08
Applicant: 电子科技大学
IPC: G06F18/2131 , G06F123/02
Abstract: 本发明公开了一种多通道时序信号的时频特征提取电路及自适应抑噪电路，属于时序信号处理技术领域。本发明的多通道时序信号时频特征提取电路是一种基于可扩展架构的可重构电路，在较低额外硬件开销的基础上支持动态采样率、单/双通道处理和128点与256点FFT两种快速傅里叶变换模式，并融合了近似运算等低功耗电路设计技术，从而支持外部控制器在不同工作阶段使用不同工作模式，以节省功耗；基于本发明的征提取电路的多通道时序信号时频特征提取电路，实现了自适应频域波束成形和时频域特征提取的电路级融合，其利用信号短时平稳性在时频域中进行短时频域波束成形，相比频域波束成形运算量更少且可以复用特征提取电路，降低了硬件资源开销和功耗。
-
Patent Agency Ranking
公开(公告)号：CN119400202A
公开(公告)日：2025-02-07
申请号：CN202411520261.6
申请日：2024-10-29
Applicant: 电子科技大学
Abstract: 本发明提供了一种自适应感知的一维离散时间信号活动检测方法和系统，首先通过预加重补偿一维离散时间信号的频谱衰减，然后将预加重后的一维时间信号流按固定长度分成多个短的时间帧，接着对帧信号进行加窗处理，随后计算单帧信号的短时能量积分，并进行动态能量阈值调整，阈值调整包括自适应跟随阈值调整和后级识别神经网络辅助调整，调整后得到一个当前的能量阈值，在得到的当前能量阈值的基础上加上一个常数作为判决阈值，最后采用判决阈值进行信号活动检测，得到信号帧实时的分类结果。通过动态的能量阈值调整，使得最后的能量阈值跟随在信号幅值附近，达到了自适应环境的目的，大大提高了信号活动检测的准确率，降低了设备功耗。
-
公开(公告)号：CN119398116A
公开(公告)日：2025-02-07
申请号：CN202411553642.4
申请日：2024-11-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于能量注意力机制的自适应压缩神经网络计算电路，涉及神经网络的硬件实现技术领域。本发明通过实现基于信号能量的压缩机制、以及基于神经网络的注意力压缩机制，通过多阶段压缩的处理方式简化了注意力机制的运算量，实现了压缩操作的低延时处理，该处理策略能够有效地过滤时间序列信号中的无关信号帧，从而缩小神经网络运算核心电路的输入特征图尺寸，进而降低神经网络运算时的运行功耗。同时，针对神经网络的权重数据的压缩实现了一种自适应压缩的神经网络计算电路，其实现了针对特征图的动态尺寸自适应，以及针对神经网络权重的压缩运算。本发明实现了神经网络的低功耗、低延迟运算。
-
公开(公告)号：CN116702852B
公开(公告)日：2023-10-20
申请号：CN202310961883.1
申请日：2023-08-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多阶段事件驱动的动态重构神经网络加速电路及系统，属于信号处理技术领域。本发明的基于多阶段事件驱动的动态重构神经网络加速电路包括动态可重构计算电路和外围的数据流控制电路，动态可重构计算电路在数据流控制电路的控制下完成神经网络模型的层级重构计算，获取神经网络模型各层的计算输出结果。该加速电路基于可扩展宏指令集实现了对不同神经网络算法在硬件上的动态重构，并结合低功耗电路优化技术实现电路的低功耗处理。基于该动态重构神经网络加速电路本发明还公开了一种基于多阶段事件驱动神经网络加速系统，其结合信号预处理和多阶段神经网络推理实现细粒度的事件驱动，切换灵敏度高且无需大量额外硬件开销。
-
公开(公告)号：CN116701921B
公开(公告)日：2023-10-20
申请号：CN202310989333.0
申请日：2023-08-08
Applicant: 电子科技大学
IPC: G06F18/2131 , G06F123/02
Abstract: 本发明公开了一种多通道时序信号自适应抑噪电路，属于时序信号处理技术领域。本发明的多通道时序信号时频特征提取电路是一种基于可扩展架构的可重构电路，在较低额外硬件开销的基础上支持动态采样率、单/双通道处理和128点与256点FFT两种快速傅里叶变换模式，并融合了近似运算等低功耗电路设计技术，从而支持外部控制器在不同工作阶段使用不同工作模式，以节省功耗；基于本发明的特征提取电路的多通道时序信号时频特征提取电路，实现了自适应频域波束成形和时频域特征提取的电路级融合，其利用信号短时平稳性在时频域中进行短时频域波束成形，相比频域波束成形运算量更少且可以复用特征提取电路，降低了硬件资源开销和功耗。
-
公开(公告)号：CN116702852A
公开(公告)日：2023-09-05
申请号：CN202310961883.1
申请日：2023-08-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多阶段事件驱动的动态重构神经网络加速电路及系统，属于信号处理技术领域。本发明的基于多阶段事件驱动的动态重构神经网络加速电路包括动态可重构计算电路和外围的数据流控制电路，动态可重构计算电路在数据流控制电路的控制下完成神经网络模型的层级重构计算，获取神经网络模型各层的计算输出结果。该加速电路基于可扩展宏指令集实现了对不同神经网络算法在硬件上的动态重构，并结合低功耗电路优化技术实现电路的低功耗处理。基于该动态重构神经网络加速电路本发明还公开了一种基于多阶段事件驱动神经网络加速系统，其结合信号预处理和多阶段神经网络推理实现细粒度的事件驱动，切换灵敏度高且无需大量额外硬件开销。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
