CN117706997A - 基于fpga的pwm控制信号产生方法及系统 - Google Patents
基于fpga的pwm控制信号产生方法及系统 Download PDFInfo
- Publication number
- CN117706997A CN117706997A CN202311716730.7A CN202311716730A CN117706997A CN 117706997 A CN117706997 A CN 117706997A CN 202311716730 A CN202311716730 A CN 202311716730A CN 117706997 A CN117706997 A CN 117706997A
- Authority
- CN
- China
- Prior art keywords
- fpga
- neural network
- control signal
- pwm control
- signal generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 title claims abstract description 24
- 238000013528 artificial neural network Methods 0.000 claims abstract description 56
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 230000004913 activation Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 9
- 230000003750 conditioning effect Effects 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 230000006870 function Effects 0.000 claims description 51
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及PWM信号控制技术领域，尤其涉及基于FPGA的PWM控制信号产生方法及系统，包括将双路控制对象经外部调理电路生成模拟信号后送入AD采样模块进行数据预处理；将追踪误差值和追踪误差率送入FPGA设计出系统滑模面；根据系统滑模面、激活函数计算神经网络估算权值的导数，通过数字积分器对导数进行积分计算，得出神经网络估算权值；利用神经网络估算权值和激活函数计算神经网络逼近函数；并根据Lyapunov稳定性理论得出系统控制律；将系统控制律与三角形载波相交截，生成PWM控制信号。本发明解决现有技术中对非线性系统无法准确描述系统运动状态，对系统控制精度不佳、速度不快的问题。
Description
技术领域
本发明涉及PWM信号控制技术领域，尤其涉及基于FPGA的PWM控制信号产生方法及系统。
背景技术
随着电机智能控制策略的快速发展，所应用的控制算法范围也越来越广；脉宽调制(PWM)技术作为电机控制中非常重要的环节，因而也变得越来越重要，其不论是控制方案的种类，还是控制系统的整体性能都在不断提高；若使用通用处理器例如MCU或DSP可能会遇到诸如计算速度无法满足实际工程需求、并行运算能力差、计算复杂函数的能力较差、无法满足整个嵌入式系统对系统稳定性、芯片功率以及封装的严格限制。
彭海军等提出的“基于FPGA的快速PWM闭环控制设计”，其核心控制算法仍为传统控制策略，没有体现出FPGA芯片集成高速运算特性，没有利用好FPGA的硬件资源；专利“一种基于FPGA的高分辨率数字PWM信号调制方法及系统”，利用移相及时钟边沿触发功能来提高PWM控制信号的控制精度，但其基于FPGA时钟频率调节的方法灵活性较差，过度依赖高性能FPGA芯片，所提高的控制精度有限且一定程度上牺牲了运算速度。
查国翔等提出的“基于FPGA的PWM波形发生器的设计”和专利“一种基于FPGA的PWM波形产生方法及装置”，其所设计的系统仅利用FPGA芯片生成PWM信号，若想实现控制功能还需连接专用控制芯片，没有利用好FPGA芯片的计算资源。
采用FPGA器件产生PWM控制信号，不仅具有高精度和响应速度快的优点，还可以使产生的PWM周期变化控制在微秒的范围内，这是DSP难以实现的。由于FPGA可将整个系统设计于同一芯片中，实现片上系统SOC，从而大大缩小其体积。因此采用高集成度、高速的现场可编程门阵列FPGA为实现高速、高精度PWM提供了保证。
发明内容
针对现有方法的不足，本发明解决现有技术中对非线性系统无法准确描述系统运动状态，对系统控制精度不佳、速度不快的问题。
本发明所采用的技术方案是：基于FPGA的PWM控制信号产生方法包括以下步骤：
步骤一、将双路控制对象经外部调理电路生成模拟信号后送入AD采样模块进行数据预处理；
步骤二、将追踪误差值和追踪误差率送入FPGA设计出系统滑模面；
作为本发明的一种优选实施方式，步骤二具体包括：
步骤21、利用输出信号x1与期望值xd判断最高位后相减得到追踪误差值e；
步骤22、对输出信号x2判断最高位得到追踪误差变化率
步骤23、计算系统滑模面a为正常数。
步骤三、根据系统滑模面、激活函数计算神经网络估算权值的导数，通过数字积分器对导数进行积分计算，得出神经网络估算权值；利用神经网络估算权值和激活函数计算神经网络逼近函数；并根据Lyapunov稳定性理论得出系统控制律；
作为本发明的一种优选实施方式，神经网络算法包括RBF神经网络和BP网络。
作为本发明的一种优选实施方式，激活函数的公式为：
其中，i、j为自然数，x1和x2为采样模块采集的两路输入信号，矩阵c为神经网络算法的中心向量，b为神经网络算法的带宽。
作为本发明的一种优选实施方式，神经网络逼近函数的公式为：
其中，为神经网络估算权值，h为激活函数。
作为本发明的一种优选实施方式，系统控制律的公式为：
其中，λ、η为常量，神经网络逼近函数，sgn为定义的符号函数，S为系统滑模面。
步骤四、将系统控制律与三角形载波相交截，生成PWM控制信号。
作为本发明的一种优选实施方式，步骤四具体包括：
根据FPGA器件的PL时钟源频率，根据PWM波的频率和系统控制律的幅值，通过累加计算得到载波的步长。
作为本发明的一种优选实施方式，载波的步长公式为：
m＝2×fp×(umax-umin)/fd (8)
其中，fp为PWM波的频率，umax、umin为系统控制律的最大值和最小值，fd为PL系统时钟源分频后的频率。
作为本发明的一种优选实施方式，基于FPGA的PWM控制信号产生系统，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现基于FPGA的PWM控制信号产生方法。
作为本发明的一种优选实施方式，存储有计算机程序代码的计算机可读介质，其特征在于，计算机程序代码在由处理器执行时实现基于FPGA的PWM控制信号产生方法。
本发明的有益效果：
1、通过在神经网络逼近模块中内嵌滑模面，利用神经网络算法的逼近特性实现对非线性系统目标函数的高精度逼近，神经网络逼近模块兼顾了系统运行时的稳态与动态性能；
2、利用滑模算法的快速收敛和鲁棒性能好的特点，提高系统动态运行时的响应性能；
3、使用FPGA器件设计神经网络逼近模块，通过硬件描述语言在硬件层面上可对神经网络逼近模块的算法逻辑进行重构，在不更换硬件、保证运算速度的前提下提高神经网络逼近模块运算逻辑设计的灵活性；
4、将系统控制律与载波模块生成的三角形载波相交截，按照规则生成对应的PWM控制信号；
5、采用FPGA器件产生PWM控制信号，不仅具有高精度和响应速度快的优点，还可以使产生的PWM周期变化控制在微秒的范围内，同时将神经网络逼近模块、控制律生成模块、载波模块同时集成在一块芯片中，不仅提高了各个模块之间的通信速度和稳定性，而且极大减小了控制系统的硬件体积，实现了高集成度、高精度、低延迟，小体积的PWM控制信号生成方法。
附图说明
图1是基于FPGA的PWM控制信号产生方法逻辑图；
图2是AD7606并行采样时序示意图；
图3是积分原理示意图；
图4是控制律生成示意图；
图5是PWM控制信号生成方法示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示，基于FPGA的PWM控制信号产生方法包括：
步骤一、将双路控制对象经外部调理电路生成模拟信号后送入AD采样模块进行数据处理；
选择AD7606作为电路的采样芯片，将双路控制变量设置两个通信通道，采样模式设置为并行同步采样；CONVSTA与CONVSTB短接，同时施加一个逻辑低电平，实现同时对8路模拟输入信号进行采样，数据格式为DATA[15:0]，在读取通道1时FRSTDATA信号拉高；AD7606采样后的输出编码方式为二进制补码，LSB大小为FSR/65536；同时对8路模拟输入信号进行采样，AD7606并行采样时序如图2所示。
AD采样通道依次采样得到16位数据，将AD通道内的8路数据依次读取并送入电压转换模块。
最高位转化为正负判断符号，把最高位转化为正负判定符号，在本实例中，外部检测电路输出状态变量被限制为正值；利用如下公式，将送入的采样数据转化为32位、放大10000倍的电压值输出；其中，高8位表示符号位；将符号位舍去并送入数据拆分模块。
1LSB＝5V/32758＝0.15mV (1)
数据拆分模块将送入到的24位无符号电压值按照除数10000，除为整数与小数，高24位对应整数位，低24位代表小数位。
共输出48位结果按预设高24位对应整数位，低24位代表小数位，将小数部分按照规定的定点数格式做输出统一化处理。
在CONVSTA与CONVSTB均达到上升沿后，BUSY信号也相应的变为逻辑高电平，表示转换过程开始；BUSY信号处于下降沿时，转换数据正在被输出锁存至输出数据寄存器；对FPGA端口与对应AD采样模块的输出端口进行配置后，即完成对AD采样数据的调用；至此，完成了数据的AD采样。
根据神经网络逼近模块的设计要求，需要得到系统的S滑模面、激活函数h、神经网络估算权值
神经网络具有全局或局部逼近功能，包括不限于RBF神经网络、BP网络等。
步骤二、将追踪误差值和追踪误差率后送入FPGA设计出系统滑模面
引入期望值xd，利用AD采样输出信号x1与期望值xd判断最高位后相减得到系统追踪误差值e；即对输出信号x1做最高位判断，最高位为0表示正数，将x1符号位设置为0并在小数位补0，扩展至32位；最高位为1表示负数，符号位设置为F，并在小数位补0扩展至32位，计算得到系统追踪误差值e。
对AD采样输出信号x2判断最高位得到系统追踪误差变化率对输出信号x2做最高位判断，最高位为0表示正数，将x2符号位设置为0并在小数位补0，扩展至32位；最高位为1表示负数，符号位设置为F，并在小数位补0扩展至56位，计算得到系统追踪误差变化率/>
S滑模面表达式如下：
其中，a为正常数，根据系统控制要求确定。
在FPGA中调用系统追踪误差e和系统追踪误差变化率的计算结果，利用乘法加法器MA1和MA2实现/>的硬件描述，乘法器MA1实现ae的功能，其乘法器的输入A对应a，输入B对应e；加法器MA2实现/>的功能，其输入A对应MA1的输出ae，输入B对应/>输出即为S滑模面的计算结果。
激活函数h可利用查表法或CORDIC算法结合多项式拟合算法进行计算；通过计算激活函数h拐点分割出边缘区域和中心区域，对曲线变化小、精度要求低的边缘区域可以采用多项式拟合算法；对曲线变化大、精度要求高的中心区域采用CORDIC算法；调用FPGA器件中的乘法加法器即可完成激活函数h的计算，激活函数采用高斯函数，公式为：
其中，本实施例中i＝j＝1,2,3,4,5，x1和x2为采样模块采集的两路输入信号，矩阵c为神经网络算法的中心向量，本实例设定矩阵b为神经网络算法的带宽，本实例设定为2b2＝4.5。
神经网络估算权值其导数/>由引入的变量γ、S滑模面、激活函数h相乘计算得出，表达式如下：
其中，变量γ为正常数，利用乘法加法器MB1实现γSh的硬件描述，乘法器MB1的输入A、B、C分别对应变量γ、滑模面S和激活函数h，计算出神经网络估算权值的导数后，再通过FPGA设计数字积分器对导数进行积分计算，得出系统的神经网络估算权值/>
数字积分器采用微积分原理，对待测信号进行内部数值运算来完成对数字信号的积分运算；积分算法的选择遵循结构简单、采样率低的原则；如图3所示，积分运算可以转换为逐次求和运算；当Δx足够小时，函数y＝f(x)的积分值可看作与n个函数值与对应Δx所包围的小矩形面积之和，取小矩形左端点函数值为矩形的长，矩形的宽为对应自变量差值，则积分表达式如下：
∫f(x)dx＝y0Δx0+y1Δx1+y2Δx2+...+ynΔxn (5)
根据FPGA设置的工作频率计算出积分的步长，将读取到的当前时钟下的数值与积分步长相乘，在经过一段时间的累加计算后，积分器存储的数值达到设定的阈值时发出溢出信号，将积分器中的积分值取出送入高位数寄存器中，寄存器中累加的数值和就是神经网络估算权值函数拟合模块输出的神经网络逼近函数/>表达式如下：
其中，为神经网络逼近函数，/>为神经网络估算权值，h为激活函数；利用乘法加法器实现/>的硬件描述，乘法器输入A对应神经网络权值/>输入B对应激活函数h，利用乘法器MC1～MC5依次计算出输出结果；加法器的输入对应MC1～MC5的输出，依次累加计算出神经网络逼近函数；至此，完成了神经网络逼近函数的计算。
根据系统设计要求计算控制律，本实例中系统控制律由Lyapunov稳定性理论计算得出，基于能量函数法可构造Lyapunov方程，结合系统滑模面和神经网络逼近函数可得系统控制律表达式如下：
其中，u为系统控制律，λ、η为常量，神经网络逼近函数，sgn为定义的符号函数，S为系统滑模面，生成的系统控制律波形如图4所示。
将简写为/>在FPGA中调用追踪误差变化率、神经网络逼近函数和系统滑模面的计算结果，利用乘法加法器MA1、MA2和MA3实现的硬件描述，乘法器MA1实现/>的功能，其乘法器的输入A对应λ，乘法器的输入B对应/>乘法器MA2实现ηsgn(S)的功能，乘法器的输入A对应η，乘法器的输入B对应sgn(S)；加法器MA3实现/>的功能，其加法器的输入分别对应乘法器MA1的输出结果/>乘法器MA2的输出结果ηsgn(S)和神经网络逼近函数/>依次累加后的输出结果取反后即为系统控制律u；至此，完成了系统控制律的计算。
步骤四、载波模块选取生成的等腰三角波为载波，遵循异步调制规则，根据FPGA器件内设置的PL系统时钟源频率，结合所需PWM波的频率和系统控制律的幅值，通过累加计算实现载波。
以型号为AC7020的FPGA开发板为例，其内设置的PL系统时钟源频率为50MHZ，所需PWM波形频率为10kHZ，为节约计算资源，利用计数器设计分频器得到5MHZ的时钟脉冲作为载波的输入。
等腰三角载波按照规定的步长累加，表达式如下：
m＝2×fp×(umax-umin)/fd (8)
其中，m为载波的步长，fp为PWM波的频率，umax、umin为系统控制律的最大值和最小值，fd为PL系统时钟源分频后的频率。
累加到等腰三角载波顶端后按照相同步长递减，在生成一个载波周期后，重新赋值按照规则继续生成载波；需要注意的是，生成的载波信号需要与系统控制律阈值范围相对应，这样才能更稳定地产生正确的PWM控制信号。
输出PWM波形占空比表达式如下：
Dp＝u/2K (9)
其中，Dp为输出PWM波形占空比，u为系统控制律，K为最高有效位MSB。
如图5所示生成的PWM控制信号波形，生成规则遵循控制律大于载波为高电平，小于载波为低电平的原则，由于载波生成是固定的，故PWM控制信号的占空比由控制律直接决定；至此，完成了系统控制律与载波交截的计算。
基于FPGA的PWM控制信号产生系统，包括：AD采样模块、神经网络函数逼近模块、控制律生成模块、PWM控制信号生成模块；AD采样模块输入端连接外部调理电路的输出端，AD采样模块的输出端连接神经网络函数逼近模块的输入端，神经网络函数逼近模块的输出端连接控制律生成模块的输入端，控制律模块的输入端连接PWM控制信号生成模块的输入端。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (10)
1.基于FPGA的PWM控制信号产生方法，其特征在于，包括：
步骤一、将双路控制对象经调理电路生成模拟信号后送入AD采样模块进行数据预处理；
步骤二、将追踪误差值和追踪误差率送入FPGA设计出系统滑模面；
步骤三、根据系统滑模面、激活函数计算神经网络估算权值的导数，通过数字积分器对导数进行积分，得到神经网络估算权值；利用神经网络估算权值和激活函数计算神经网络逼近函数；并根据Lyapunov稳定性理论得出系统控制律；
步骤四、将系统控制律与三角形载波相交截，生成PWM控制信号。
2.根据权利要求1所述的基于FPGA的PWM控制信号产生方法，其特征在于，步骤二具体包括：
步骤21、利用输出信号x1与期望值xd判断最高位后相减得到追踪误差值e；
步骤22、对输出信号x2判断最高位得到追踪误差变化率
步骤23、计算系统滑模面a为正常数。
3.根据权利要求1所述的基于FPGA的PWM控制信号产生方法，其特征在于，系统控制律的公式为：
其中，λ、η为常量，神经网络逼近函数，sgn为定义的符号函数，S为系统滑模面。
4.根据权利要求1所述的基于FPGA的PWM控制信号产生方法，其特征在于，激活函数的公式为：
其中，i、j为自然数，x1和x2为采样模块采集的两路输入信号，c为神经网络算法的中心向量，b为神经网络算法的带宽。
5.根据权利要求3所述的基于FPGA的PWM控制信号产生方法，其特征在于，神经网络逼近函数的公式为：
其中，为神经网络估算权值，h为激活函数。
6.根据权利要求1所述的基于FPGA的PWM控制信号产生方法，其特征在于，步骤四具体包括：
根据FPGA器件的PL时钟源频率，根据PWM波的频率和系统控制律的幅值，通过累加计算得到载波的步长。
7.根据权利要求6所述的基于FPGA的PWM控制信号产生方法，其特征在于，载波的步长公式为：
m＝2×fp×(umax-umin)/fd (8)
其中，fp为PWM波的频率，umax、umin为系统控制律的最大值和最小值，fd为PL系统时钟源分频后的频率。
8.根据权利要求1所述的基于FPGA的PWM控制信号产生方法，其特征在于，神经网络算法包括但不限于RBF神经网络和BP网络，神经网络算法具有全局或局部逼近能力。
9.基于FPGA的PWM控制信号产生系统，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行指令以实现如权利要求1-8任一项所述的基于FPGA的PWM控制信号产生方法。
10.存储有计算机程序代码的计算机可读介质，其特征在于，计算机程序代码在由处理器执行时实现如权利要求1-8任一项所述的基于FPGA的PWM控制信号产生方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311716730.7A CN117706997A (zh) | 2023-12-14 | 2023-12-14 | 基于fpga的pwm控制信号产生方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311716730.7A CN117706997A (zh) | 2023-12-14 | 2023-12-14 | 基于fpga的pwm控制信号产生方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117706997A true CN117706997A (zh) | 2024-03-15 |
Family
ID=90151056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311716730.7A Pending CN117706997A (zh) | 2023-12-14 | 2023-12-14 | 基于fpga的pwm控制信号产生方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117706997A (zh) |
-
2023
- 2023-12-14 CN CN202311716730.7A patent/CN117706997A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10929746B2 (en) | Low-power hardware acceleration method and system for convolution neural network computation | |
| Namin et al. | Efficient hardware implementation of the hyperbolic tangent sigmoid function | |
| Lin et al. | A digital circuit design of hyperbolic tangent sigmoid function for neural networks | |
| CN111382860B (zh) | 一种lstm网络的压缩加速方法及fpga加速器 | |
| CN110488228B (zh) | 线性调频信号生成方法、装置及存储介质 | |
| CN112051980B (zh) | 一种基于牛顿迭代法的非线性激活函数计算装置 | |
| CN109284528B (zh) | 基于流水线设计的相控阵天线波束控制码计算方法及系统 | |
| CN109165006B (zh) | Softmax函数的设计优化及硬件实现方法及系统 | |
| Rekha et al. | FPGA implementation of exponential function using cordic IP core for extended input range | |
| CN105911350B (zh) | 频率自适应递归svft谐波序分量实时检测方法及系统 | |
| Balaji et al. | Design of FIR filter with Fast Adders and Fast Multipliers using RNS Algorithm | |
| WO2023134507A1 (zh) | 随机计算方法、电路、芯片及设备 | |
| CN117706997A (zh) | 基于fpga的pwm控制信号产生方法及系统 | |
| Zhao et al. | 4-bit CNN quantization method with compact LUT-Based Multiplier implementation on FPGA | |
| RU167428U1 (ru) | Преобразователь синусно-косинусного сигнала в код положения | |
| CN110837624A (zh) | 一种针对sigmoid函数的近似计算装置 | |
| Colak et al. | FPGA implementation of the automatic multiscale based peak detection for real-time signal analysis on renewable energy systems | |
| CN115936076A (zh) | 一种适配深度学习硬件加速器的可重构激活函数硬件装置 | |
| CN103944576A (zh) | 一种Sigma-Delta调制器及一种用于Sigma-Delta调制器的运算方法 | |
| Wasef et al. | Hardware implementation of Multi-Rate input SoftMax activation function | |
| CN115438790A (zh) | 量子态信息处理系统、量子测控系统、量子计算机 | |
| CN107193784B (zh) | 高精度低硬件复杂度的sinc插值实现方法及系统 | |
| Chen et al. | Implementation Method of CORDIC Algorithm to Improve DDFS Performance | |
| Sravani et al. | Design and Implementation of Optimized FIR Filter using CSA and Booth Multiplier for High Speed Signal Processing | |
| Wei et al. | ATA: Attentional non-linear activation function approximation for VLSI-based neural networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |