课程文献中心 更多>>

关键词： 嵌入式系统   同步采样   FFT   小波变换  

摘要： 计算机技术、测控技术、微电子技术及数字智能化技术的快速发展,使得信号采集与处理技术广泛用于高端分析与测量仪器领域的开发,尤其是便携式产品在军事和民用领域内得到迅速普及。同时,当前军事和工业领域对实时性处理的需求旺盛,多路信号同步采样与实时处理技术成为近年来的研究热点。然而,可以进行多路信号同步快速处理的典型产品-高端数字示波器市场被泰克公司、力科公司、安捷伦、Fluke等国际知名公司牢牢垄断,而我国仍处于研发技术的起步阶段。高端示波器研发成本较高,价格昂贵,大大限制了其应用领域。以嵌入式数据处理项目的技术需求为背景,本文基于美国TI公司的AM5708多核处理器,完成了嵌入式同步采样及在线分析系统处理器模块、信号采集模块、供电模块、控制模块和数据传输模块的原理图设计、PCB绘制以及硬件调试工作。系统的软件部分主要包括信号同步采样、实时处理、数据存储、数据显示和曲线绘制、数据上传5个部分组成。为了实现多路信号的同步采样与实时处理,首先搭建了分别针对AM5708中的ARM和DSP核的LINUX和SYS/BIOS操作系统。基于ARM核的LINUX操作系统主要完成数据上传、人机交互和界面显示任务。基于DSP核的SYS/BIOS操作系统主要完成信号同步采样、信号FFT、小波变换和信号相干分析等实时处理任务和数据存储任务。借助IPC通信机制,实现了ARM和DSP核间实时交互,使得系统具备了对多路信号的同步采样、信号时频分析、人机交互、数据显示和曲线等功能。最后,为了验证嵌入式同步采样及在线分析系统的效果,应用本系统进行了多通道声源定位效果测试。通过对麦克风数量、间距的确定,本文提出了一种5麦克风的空间阵列拓扑,基于到达时延推导出了相关变量的表达式。在相对封闭的测试环境中进行了测试,测试结果相对较好。

关键词： 泳池清洁机器人   路径规划   运动控制   嵌入式系统  

摘要： 随着社会经济的发展和人们生活水平的不断提高,公众提出了对文化娱乐设施的更高要求,游泳作为一项健身运动受到了越来越多人的欢迎。泳池需要定期清洗,传统的泳池清洗方式不仅要求繁重的体力劳动,更是对水资源的极大浪费,因而泳池清洗问题逐渐引起了社会的关注。本文的研究对象——泳池清洁机器人是一种高效的水下清洁设备,本文对泳池清洁机器人的路径规划与运动控制进行研究,以泳池清洁机器人功能的实现为目标,设计泳池清洁机器人嵌入式系统。论文主要内容包括以下几个方面:(1)对泳池清洁机器人系统的路径规划进行研究。选择基于栅格地图的环境地图构建方法和基于航位推算的定位方法,实现同步定位与地图构建的SLAM问题上采用基于EKF的SLAM。在泳池清洁机器人的遍历路径规划上,在整体遍历方式上选择内螺旋清扫策略,在具体路径规划算法上使用基于A*算法的路径规划。(2)对泳池清洁机器人系统的运动控制进行研究。给出基于角度和距离测量数据的机器人位姿推算运动模型,分析驱动机器人运动的无刷直流电机的数学模型,分析比较不同的PWM控制方式,设计速度和电流双闭环系统以及PID算法对电机进行控制。(3)根据泳池清洁机器人的功能需求,设计泳池清洁机器人系统硬件与软件。采用STM32F103作为主控制器,提出系统硬件控制器的整体设计结构,采用模块化的设计思想,模块化设计各个功能模块,得到完整的硬件电路控制系统。软件部分提出系统软件整体设计框架,对程序进行分层搭建,对程序由初始化到各个任务的执行的运行流程进行逐步的探讨与分析,并采用嵌入式实时操作系统,使系统时效性更高。(4)部署实验样机与设计实验测试。对泳池清洁机器人的结构分清洁子系统、行走子系统和控制子系统进行具体的设计与布置,以及对密封系统进行设计,并对所作研究通过系统软件嵌入至系统硬件控制器中进行实验测试,验证实验平台能够稳定运行。本文采用自主研发的泳池清洁机器人控制系统,通过所设计的智能路径规划算法,并结合相应传感器技术、运动控制技术等完成对泳池清洁机器人的研究与设计。

关键词： 异构多核处理器   嵌入式系统   多目标任务调度   贝叶斯优化算法   能耗管理   Linux操作系统  

摘要： 多处理器与异构多核计算结构已广泛应用于嵌入式系统,如何高效地利用所有资源以达到系统整体收益最大化是本文研究的出发点。调度算法服务于操作系统与应用程序,在不同的应用场景有着不同的调度目标与约束条件。本文对嵌入式环境下实时与低功耗两大调度目标进行了联合优化,使用贝叶斯优化算法(Bayesian Optimizition Alogorithm,BOA)求解最优调度策略是一个新颖且具有挑战性的研究课题。本文主要工作内容如下:1、研究实时约束并行应用的调度策略,对任务调度长度单一目标进行了优化。本文使用高斯过程(Gaussian Process,GP)来对多任务调度问题进行概率统计建模,并通过采集函数来平衡探索(Explore)与利用(Exploit)过程。实验表明,在参数配置合理的情况下,本文方法具有采样次数少、收敛速度快以及不容易陷入局部最优解等优势。2、研究实时约束与能耗约束并行应用的调度策略,对任务调度长度与能量消耗进行了联合优化。本文还提出了用于求解多目标任务调度问题的通用解决方案,其易于拓展、配置灵活且适用于不同计算环境。通过将各种模型与策略参数化,当计算环境与调度目标发生变化的时候,不需要对核心算法作出调整,研究人员只需要将更新后的目标模型纳入目标函数中即可。实验表明,贝叶斯优化算法更适合用于求解复杂度较高的多目标任务调度问题。与其它随机搜索算法相比,在同样计算资源下本文所提出的方法更容易找到最优调度策略。3、基于Linux操作系统内核,实现了真实异构多核调度平台上的动态与静态调度策略。其中,动态调度策略通过修改内核调度器源码来实现,静态调度策略通过表驱动(table-driven)方法来实现。平台还实现了用于能耗优化的运算核频率调整接口、任务追踪工具以及调度结果可视化工具。

关键词： 激光稳频   嵌入式系统   PID控制   DFB激光器   温度传感  

摘要： 随着光通信和电子信息技术的快速发展,半导体激光器作为其中的主要光源,科学研究以及工业生产等领域对于其工作特性的要求也逐渐提高。针对输入电流以及器件温度的微小变化会对半导体激光器的输出频率产生影响的问题,论文提出了一种稳频激光控制器的设计方案。为精准控制其输出频率,基于半导体激光器稳频的理论基础,本课题的主要研究工作在于,结合嵌入式芯片对激光器的电流和温度参数进行主动的补偿控制,采用光纤光栅反馈的方法得到频率对应的反射光强度信息,并实现对光纤光栅温度快速长期的稳定控制,论文着重阐述了微控制器软件部分的设计。创新点在于系统是基于嵌入式平台设计的,配置了高灵活性的实时多任务操作系统(RTOS),对外提供了可以设定起始工作位置和稳频精度的接口,更易对系统进行定制或扩展操作来满足实际应用。系统主要由激光器控制和光栅温度控制两个闭环过程组成,采用RTOS进行多线程控制,实现各线程模块的协同合作。论文分析了激光器参数控制原理,采用I2C和SPI方式与外围电路通信调整参数,ADC模块采集得到光强和温度信息并转换为数字量进行运算处理。为实现光栅温度控制功能,采用比较器和计数器模块配合负温度系数热敏电阻传感温度,计数器模块实现脉冲宽度调制(PWM)对半导体制冷片进行控制,结合PID算法优化其控制效果,达到稳定光栅光谱的目的。实现了自动确定最佳工作点和自动跟踪,以适应各种工作环境。论文最后根据布拉格光栅(FBG)的谐振波长随温度变化的原理,提出了一种基于分布式反馈(DFB)激光器的温度传感新方式,即采用DFB激光器作为无源器件实现温度传感。分析传感原理并搭建了平台进行实验,测量数据后对其重复性、线性度以及灵敏度进行分析,并与其他温度传感方式进行比较。研究表明,该方式具有体积小、成本低、消除了交叉灵敏度等优点,且灵敏度有所提高。

关键词： 龙芯2K1000B   快速启动   Linux   嵌入式系统  

摘要： 龙芯2K1000B是龙芯公司研发的面向网络安全领域及移动智能终端领域的双核处理器芯片,在这样的应用场景与定位下,系统的启动速度十分重要,快速的启动对提高用户体验有着很大的积极意义。论文通过对龙芯2K1000B的软硬件系统进行分析,提出了对该系统启动速度的具体优化方法并实验验证了优化的有效性。对启动软件的分析主要包含三个方面。首先分析了系统的具体启动流程,包括PMON初始化、Linux内核初始化和系统服务初始化三个部分。然后分析并适配了ESESC性能评估工具,区别于传统方法,利用该工具从指令数和时钟数的角度评估分析了Linux内核部分在龙芯2K1000B处理器上的启动耗时情况。最后实测并分析了整体启动流程在龙芯2K1000B处理器上的耗时,其中重点分析了Linux内核初始化部分中可优化的耗时部分,包括根文件系统挂载延时、串口相关的耗时和延时校准耗时。通过对系统启动过程的分析,采用了以下的优化手段。首先通过裁减,提高了PMON、Linux内核和系统服务初始化的启动速度。然后重点研究Linux内核部分,对于根文件系统挂载,利用完成量机制降低根设备的等待时延,并且合理减少USB存储设备的建立延迟;对于串口控制台的建立延迟和打印延迟,通过临时提高控制台打印级别来优化;对于串口设备初始化的延时,采用了单独模块加载的方式优化;对于延迟校准过程采用预设lpj值的优化方法。最后,根据对软件框架和2K1000B平台的硬件特性的分析,适配了CPU热插拔和STD机制,建立了基于STD的快速启动策略。通过对快速启动过程的分析,采用了两种优化策略,包括,一、最大化回收内存来缩小启动镜像大小;二、减少保存的进程并删除用户登陆状态,从而避免传统方案会保留用户信息的不足。通过实验验证,采用本文中的优化方法,PMON初始化部分的耗时从17.65s减少到10.75s;Linux内核镜像加载和解压的耗时从5.18s减少到3.36s;Linux内核初始化的耗时从17.83s减少到1.38s;系统服务初始化的耗时从18.56s减少到6.51s;整体启动时间从59.22s减少至22.00s,减少了62.8%。

关键词： 嵌入式系统   网络控制   STM32   LwIP  

摘要： 针对目前对终端设备的网络远程控制需求设计了一种可自适应10/100Mbit/s网络的嵌入式网络控制器,以实现控制系统中对工业设备、信息家电、移动设备等的远程控制和信息交互。设计了微控制器STM32F107和以太PHY网芯片的硬件设计方案,详细分析了LwIP嵌入式网络协议栈在STM32F107处理器上的移植过程,以及在实时操作系统上进行网络编程的软件设计过程。实验结果表明,所设计的控制器可以稳定、可靠地实现网络远程控制和信息交互。

关键词： 卷积神经网络   片上系统   嵌入式系统   硬件木马  

摘要： 在SoC（Systemon Chip）芯片设计过程中,通常会包含很多第三方IP核,并需要利用从前端到后端的各种EDA工具进行设计,在使用的第三方IP核或设计工具中都可能被植入硬件木马,给芯片带来安全隐患。因此,近年来硬件木马的设计技术与检测技术受到高度关注。由于SoC芯片越来越复杂,通用的硬件木马设计方法已经逐渐不能适用,因而针对SoC的硬件木马设计与检测需要以特定类型的SoC硬件载体为基础进行研究,且不同类型的SoC载体电路具有不相同的电路特征及其潜在的漏洞,其特定的潜在漏洞需要进行专门研究,因此针对特定SoC载体电路的硬件木马设计进行研究具有重要意义。本文对基于神经网络的SoC硬件载体系统及其硬件木马进行研究。SoC硬件载体系统主要应用于室内场景分类,用于辅助盲人室内导航,其能够有效地帮助盲人进行日常活动。为了使卷积神经网络（CNN）适合于嵌入式SoC平台,论文首先对Alexnet模型进行了改进:把其中较大的卷积核改为较小的卷积核;全连接层改为参数量较小卷积层。改进的网络模型的参数量与计算量显著减小能够适应于嵌入式SoC。在本文设计的SoC系统中,软件处理器部分进行部分图像预处理以及控制FPGA的各个硬件模块的运行,硬件逻辑部分进行CNN神经网络的硬件加速。整个系统采用AXI标准总线互连,最终使用Xilinx Zynq-7020 SoC平台实现了硬件加速系统。在完成神经网络SoC系统设计的基础上,论文对SoC硬件木马进行了研究。在对系统潜在漏洞进行分析后,本文总结了神经网络SoC系统的漏洞:AXIACP总线、L2缓存和BRAM存储器。根据以上的系统漏洞,本文设计了 2类SoC硬件木马:BRAM硬件木马和ACP（Accelerator Coherency Port,加速器一致性接口）硬件木马。BRAM硬件木马的原理是ARM首先将木马启动数据写入BRAM中,其次IP核对BRAM中木马激活数据进行处理激活木马并对硬件加速IP的输出进行恶意篡改。ACP硬件木马的原理是通过在SoC系统中的可编程逻辑ACP端口植入后门对共享缓存进行读写,可达到减慢系统运行速度的目的。最后在上述的神经网络SoC硬件载体电路中实现了这两种硬件木马,实验结果表明,在给定有效触发条件之后,硬件木马能够达到有效的攻击,且硬件木马占用的硬件资源较少,能够很好地隐藏于硬件系统。本文的研究为以后的嵌入式神经网络SoC硬件木马检测的研究奠定了基础。

关键词： 海洋浮油回收装置   超双疏网膜   油水分离效率   分离流量   嵌入式系统  

摘要： 受油类运输技术限制,海洋溢油事件频发,严重降低海洋环境的使用质量,影响海洋经济的发展,因此极为需要高效的海洋浮油回收技术。利用传统方法进行海洋浮油回收都在不同程度上存在回收效率低、回收成本高、造成海洋二次污染等问题。近年来,利用特殊浸润性网膜实现油水分离成为新兴热点,利用该方法可以有效避免基于传统方法油水分离产生的诸多问题。本文以耐久超双疏网膜为核心技术,研制一款结构简单可靠、可自动检测工作状态的海洋浮油回收装置样机,并对其工作可靠性进行实验验证。文中首先对海洋浮油回收背景进行了简单分析,介绍了超双疏网膜的特点、制备方法及其应用于油水分离的工作原理,分析了影响超双疏网膜分离效率的各参数,并根据上述内容,确定了海洋浮油回收装置的技术指标及其总体设计方案。接下来,根据伯努利方程对超双疏网膜的分离流量进行计算,确定海洋浮油回收装置整体尺寸,说明浮油回收装置的设计原理,并根据所设计技术指标对其他关键结构进行了设计。根据总体设计方案中提出的数据测量要求及控制要求,对硬件系统进行设计,以单片机为主控芯片,搭配其他外围电路实现传感器数据的采集及显示、堰边角度调节、浮油回收装置启停控制等功能,选择合适的材料、管路、油泵水泵、传感器、电机、电源等完成浮油回收装置硬件系统的搭建。对主控芯片的嵌入式软件系统进行了设计,以底层硬件层、中间驱动层和应用层的结构编写各子程序支持硬件系统实现对应功能。应用搭建好的海洋浮油回收装置进行实验,验证机械结构部分及硬件系统功能,确定总体设计方案可行性。利用更易操作、更易获得实验数据的实验装置对各影响超双疏网膜分离效率的参数进行实验,包括超双疏网膜基底目数、油水混合物温度及其含油量。根据实验结果选取合适网膜安装在海洋浮油回收装置中,探究浮油回收装置工作时长及不同海洋环境下长期使用两方面对回收效果的影响。根据实验结果分析本文所设计海洋浮油回收装置回收效率、耐腐蚀性、耐久性、分离流量等是否满足设计要求。结论为满足设计要求,本文所设计海洋浮油回收装置可为实际装置的研制提供参考性建议。

关键词： CAN总线   有刷直流电机   集散控制系统   PID   嵌入式系统  

摘要： 在现代化的工业应用中,电机作为动力部件无处不在,因此,电机的运动控制一直是工业控制系统中的研究重点。目前的应用中,主流的电机运动控制系统采用PLC或者专用运动控制器搭配电机驱动器的方式来实现对电机的运动控制,虽然该方式有开发简单、控制精度高等优点,但同时存在成本高、集成度低、扩展性差等弊端,因此本论文设计了一种成本低、集成度高、可扩展性高的集散式电机控制方案,能够实现多个电机的集散控制。本文对相关的背景和意义进行研究,在充分了解国内外研究现状的基础上,对相关的基础理论进行分析,然后从用户的角度对本文需要设计的系统进行需求分析,并完成了下位机的软硬件和上位机软件的方案设计。本文设计的控制系统以MCU为下位机的控制核心,采用CAN总线与上位机进行通信,并且采用H桥的方式对电机进行功率驱动。通过下位机软件设计来实现PID控制算法,完成对电机的速度环和位置环的闭环控制。然后从实际应用出发,设计了通用I/O和扩展通信接口,使得系统更具有通用性。本系统采用CAN总线,可同时挂载多个下位机模块,各个下位机分别接收来自上位机控制软件的指令,同时将电机参数和I/O数据统一发送到上位机进行显示。为了便于PID参数调试,本文从便于用户使用的角度出发,设计了基于LabVIEW的上位机调试软件,该软件以图形化的方式展示当前PID系统的运行情况,能够非常直观的判断当前PID参数是否合适,以及后续如何调节。本文还从集散控制的角度出发,设计了集中控制与显示的上位机控制软件,使用者能够通过该软件完成多个下位机的集散控制。最后本文从单模块和多模块两个方面,对系统进行了全面的测试和验证,结果表明,本文设计的基于CAN总线的集散式电机控制系统满足设计和实际应用需求,具有工程应用价值。

关键词： 便携式传感器   嵌入式系统   卷积神经网络   目标检测   实时性   目标定位   大众摄影测量  

摘要： 随着深度学习技术的迅速发展,基于卷积神经网络的实时目标检测广泛应用于人脸识别、姿态预测、视频监控等多种智能应用领域。YOLOv3是YOLO(You Look Only Once)系列实时物体检测方法的第三个版本,较之前的实时物体检测方法,检测速度更快,准确率更高。但是,其检测模型较为复杂,模型参数量巨大,需要图形处理器的支持才能实现实时运行,无法在计算能力和功耗有限的设备平台上应用。随着小型智能无人机、增强现实眼镜智能设备的推广应用,如何在这些计算能力和功耗有限的嵌入式移动平台上对影像或视频数据进行目标的实时检测与识别,已成为计算机视觉领域研究人员和用户日益关注的问题。同时,PhotoScan、Smart3D等摄影测量软件将专业测绘流程简单化,使得利用非专业测量型移动智能设备(如手机)上搭载的摄像头和GPS等传感器进行高精度目标定位与三维重建成为可能,这些都为专业摄影测量走向大众摄影测量提供了硬件和软件的现实基础。针对现有目标检测算法难以在计算能力和设备功耗有限的嵌入式和移动智能设备上进行实时准确的目标检测和定位以及推广使用嵌入式和移动智能设备进行大众摄影测量的问题,本文对原有卷积神经网络进行轻量化改进,以提高目标检测算法在嵌入式和移动智能设备上的检测速度,提升算法的准确率。在此基础上,进一步开展非专业测量型传感器图像的目标定位技术研究,并将目标检测、识别和定位技术结合,以实现利用手机等便携式传感器进行大众摄影测量工作。论文主要工作包含以下几个方面:(1)总结了神经元、多层感知器和卷积神经网络等深度学习基础理论,对ResNet、HRNet、YOLOv3等准确率较高的复杂网络和MobileNet、YOLO-LITE等高效的轻量化网络进行了研究,并对最后通过实验测试对Darknet53、MobileNetV1、MobileNetV2等经典网络作为YOLOv3骨干网络的模型进行了实验测试。分析实验结果,总结每个模型的优缺点,为本文改进算法的提出奠定理论基础并提出以下指导:较大的输入图像、更深和更复杂的网络结构对网络的检测性能有积极作用;在输入图像大小和模型的参数量、计算量相对固定的情况下,优化网络结构也能提升网络的检测性能。(2)提出了一种应用在无GPU设备或移动设备上的轻量级实时目标检测网络——Mixed YOLOv3-LITE。它以YOLO-LITE的骨干网络为基础,添加ResBlock和并行连接,在增加网络深度的同时充分利用浅层网络特征,使用“浅而窄”的卷积层构建检测器,实现在无GPU计算机和便携式终端设备上检测精度和检测速度上的最优平衡。实验结果表明,所提Mixed YOLOv3-LITE网络模型大小为20.5MB,分别比YOLOv3、tiny-YOLOv3和SlimYOLOv3-spp3-50小91.70%、38.07%和74.25%;其在PASCAL VOC 2007数据集上的平均准确率达到48.25%,比YOLO-LITE提升了14.48%;在VisDrone 2018-Det数据集上平均准确率达到28.50%,分别比tiny-YOLOv3和SlimYOLOv3-spp3-50提高18.50%和2.70%。结果表明Mixed YOLOv3-LITE可以在移动终端和其他无GPU设备上实现更快的检测速度和更高的检测准确率。(3)在目标检测的基础上,研究基于便携式传感器的目标地理定位技术,设计了一款可以采集Android设备上摄像头、GPS等传感器模块的影像和位置信息数据的工具型“CamPOS”应用程序;提出了一种“双平行线”分布数据采集模式来指导数据采集,以实现基于便携式传感器、非专业摄影测量的目标定位目的。使用PhotoScan进行数据处理,在生成的三维模型上进行量测。实验结果表明,在该相片模式下,相片拍摄位置距离目标点的平均距离为193.210米,最近距离为86.404米,最远距离为281.780米的情况下,点位中误差可达到10米以内,最优点的点位中误差仅为2.910米,能够满足在城市救援、山火预警等特定应急突发情况下,使用非专业型测量设备也可以达到高精度的摄影测量定位。