本文選題：單光子壓縮感知成像 + 現(xiàn)場可編程門陣列�。� 參考：《中國科學院研究生院(空間科學與應用研究中心)》2015年碩士論文

【摘要】：在當前數(shù)字信息化時代,信息需求量日益增加,給信號的采集、傳輸、存儲以及處理等帶來非常大的挑戰(zhàn)。壓縮感知理論是近年來出現(xiàn)的一種新的采樣理論,充分利用了信號的稀疏特性,能夠以遠低于Nyquist頻率對信號進行采集,并可通過恢復算法精確重構原始信號。該理論有效緩解了高速采樣實現(xiàn)的壓力,減少了傳輸時間和存儲空間,已經引起各領域的廣泛關注。目前,壓縮感知信號恢復算法大多采用計算機軟件方式來完成,但算法計算量大同時又受限于計算機本身性能,存在重構速度慢的問題。由于ASIC和FPGA具有并行度高,計算速度快,效率高,易裁剪等優(yōu)點,非常適合于復雜算法的速度的提高。因此為滿足實時應用的需求,本課題設計了一種基于FPGA的壓縮感知恢復算法的硬件結構。本文將壓縮感知理論用于單光子計數(shù)成像系統(tǒng)中,可解決面陣探測器單位像素靈敏度受限和采樣數(shù)多的問題。但是數(shù)據(jù)恢復端的計算消耗巨大,恢復時間很長。因此,非常迫切地需要提高成像的速度。用這種基于FPGA的壓縮感知恢復算法的硬件結構替代軟件實現(xiàn)恢復算法,可以加速該成像系統(tǒng)的圖像恢復。具體地,該硬件結構基于正交匹配追蹤(OMP)算法,可以分為尋找最匹配原子和解決最小二乘問題兩大部分。首先利用并行的乘累加器查找測量矩陣中最匹配原子,然后基于坐標旋轉數(shù)字計算(CORDIC)方法實現(xiàn)QR分解,通過加入延時單元來改進脈動陣列和調度處理模塊,進而完成最小二乘問題的求解�？蓪ο∈瓒葹�8、維度為256的信號進行重建,并在此基礎上對256×256的圖像進行按列重構。實驗結果表明,該硬件結構的單列重構時間為0.296ms,相比于PC上的軟件實現(xiàn),提高近18倍。對于256×256圖像的重構,重構時間為69.703ms,提高了近12倍,重構圖像的PSNR只下降0.001d B,說明重構圖像的質量基本不變。并且軟硬件重構信號的均方誤差(MSE)值基本一致。將此硬件結構應用到單光子計數(shù)成像系統(tǒng)中,實驗表明,不僅提高了速度,而且達到了與之前運用軟件恢復相當?shù)男Ч?br/>[Abstract]:This paper presents a new sampling theory based on FPGA , which can solve the problem of limited sensitivity and high sampling rate .

【學位授予單位】：中國科學院研究生院(空間科學與應用研究中心)
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.73

【相似文獻】

相關期刊論文 前10條

1 梁鋒;一種求整體最優(yōu)的快速混合算法[J];數(shù)值計算與計算機應用;1989年02期

2 李枝勇;馬良;張惠珍;;蝙蝠算法收斂性分析[J];數(shù)學的實踐與認識;2013年12期

3 喻壽益;鄺溯瓊;;保留精英遺傳算法收斂性和收斂速度的鞅方法分析[J];控制理論與應用;2010年07期

4 班祥東;;蜂群算法理論研究綜述[J];軟件導刊;2012年10期

5 馬竹根;;智能水滴算法研究[J];計算機與數(shù)字工程;2014年06期

6 高衛(wèi)峰;劉三陽;姜飛;張建科;;混合人工蜂群算法[J];系統(tǒng)工程與電子技術;2011年05期

7 朱賢陽,李敬,任朗,汪文秉;修正變步長自適應算法[J];科學通報;1996年16期

8 黃翰;林智勇;郝志峰;張宇山;李學強;;基于關系模型的進化算法收斂性分析與對比[J];計算機學報;2011年05期

9 張業(yè)榮,聶在平,漆蘭芬;用于非均勻介質重建的選代算法收斂性的研究[J];電波科學學報;1998年02期

10 葉志偉;周欣;夏彬;;蟻群算法研究應用現(xiàn)狀與展望[J];吉首大學學報(自然科學版);2010年01期

相關會議論文 前2條

1 任偉建;陳建玲;韓冬;王鳳妤;;蟻群算法綜述[A];2007中國控制與決策學術年會論文集[C];2007年

2 張丹;華紅艷;邵麗紅;;擾動蟻群算法中參數(shù)的優(yōu)化選擇[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關博士學位論文 前1條

1 王允良;飛行器總體參數(shù)優(yōu)化的進化算法及其應用研究[D];西北工業(yè)大學;2006年

相關碩士學位論文 前10條

1 孟曉琳;蟻群算法的研究及其應用[D];西南交通大學;2015年

2 丁雪海;基于群智能的多目標關聯(lián)規(guī)則挖掘算法應用研究[D];上海大學;2014年

3 陳貞貞;基于FPGA的壓縮感知恢復算法的研究與實現(xiàn)[D];中國科學院研究生院(空間科學與應用研究中心);2015年

4 陳振;混合型蝙蝠搜索優(yōu)化算法及其應用研究[D];廣西大學;2014年

5 宋錦娟;一種改進的蟻群算法及其在最短路徑問題中的應用[D];中北大學;2013年

6 郭姍姍;基于改進粒子濾波的紅外弱小目標檢測前跟蹤算法[D];哈爾濱工程大學;2012年

7 龔懷瑾;智能算法的研究及其在水質預測上的應用[D];江南大學;2013年

8 陳宏亮;粒子群優(yōu)化算法在氣象信息預測建模中的研究[D];中國科學技術大學;2014年

9 楊強鵬;深度學習算法研究[D];南京大學;2015年

10 張增芹;IMRT逆向計劃中優(yōu)化算法的研究[D];東北大學;2009年

，

本文編號：1874357