北京工业大学信息学部嵌入式系统重点实验室, 北京 100124
设计了一种基于先进外设接口(APB)总线的单线数字接口(OWI), APB总线可以配置接口参数并读取接口的状态、数据信息, 有着较强的灵活性与可监测性。该接口通过一根公用的数据线实现主机与一个或多个从器件之间的半双工双向通信。相比于其他通信接口, 线路简单, 节约了 I/O口资源, 降低了硬件成本。本文基于单线传输协议, 对数据传输时序以及状态机进行了设计, 通过寄存器转换级(RTL)仿真与可编程阵列逻辑(FPGA)验证, 结果显示数据可以稳定正确地通过单线接口进行传输, 数据传输速率可达 100 kHz。
单线数字接口 APB总线 状态机 RTL设计 FPGA验证 RTL验证 OWI APB bus state machine RTL design FPGA verification RTL verification 太赫兹科学与电子信息学报
2022, 20(10): 1046
为实现红外图像坏元修正 FPGA(field programmable gate array)的快速验证,提高测试覆盖性,设计了基于 SV-DPI(SystemVerilog-direct programming interface)的 FPGA自动化验证平台。采用 DPI(direct programming interface)编程接口技术,实现了 SystemVerilog平台调用 C++编程语言,构建了针对红外图像坏元数据的生成和检测修正模型,建立了两种语言在事务级( transaction level)模型的通信。结果表明相对于传统验证方法,该平台结构简单,可以快速实现激励产生、参考模型构建、测试结果自动比对等功能,实现了红外图像坏元检测与修正 FPGA的自动化测试,功能覆盖率达到 100%,有效缩短 FPGA测试平台搭建和调试周期,提高了测试效率和测试质量。
自动化测试 FPGA验证 红外图像坏元修正 验证平台 automated testing, FPGA verification, dead pixel c
1 中国科学院红外探测与成像技术重点实验室, 上海 200083
2 中国科学院上海技术物理研究所, 上海 200083
3 中国科学院大学, 北京 100049
为了对空间天文望远镜精细导星仪获得的星图完成识别, 提出一种层叠式自组织映射(SOM)神经网络算法模型, 将该模型在硬件中实现星特征矢量匹配算法。首先, 针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法; 其次, 建立层叠式 SOM神经网络模型, 对其权值进行在线训练; 最后, 设计算法离线运行硬件电路并将其在 FPGA中实现。仿真与测试结果表明, 基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为 0.648., 星等噪声为 0.18视星等条件下星图识别成功率在 80%以上, 新算法在 FPGA中运行速度是 PC机上传统三角形法的 100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。
精细导星仪 星图识别 星特征矢量 SOM神经网络 FPGA验证 fine guidance sensor star pattern recognition star feature vector SOM neural network FPGA verification
Department of Electronic Engineering, Jinan University, Guangzhou 510642, CHN
FPGA verification AVS video decoder matlab 半导体光子学与技术
2009, 15(4): 219