MP3／AAC解码器中Huffman硬件加速器设计与实现

Huffman解码是感知音频解码过程的重要部分。软件实现Huffman解码运算,计算速度慢、功耗高,采用硬件实现的方法,设计并实现了一个兼容MP3与AAC标准的Huffman解码硬件加速器。采用十六叉树搜索算法．在存储空间增加不大的情况下,有效减少了Huffman码字的搜索深度,简化寻址操作,加快了搜索速度。通过直接外设访问的接口设计,该硬件加速器还可快速进行音频码流的数据读取。在XilinixFPGA上的功能和性能验证表明。该Huffman硬件加速器可成功应用于MP3和AAC解码器。     

基于HDMI1.4的多媒体接口转换器的设计与实现

HDMI在家用消费电子市场得到了广泛的应用,HDMI1.4是该标准的最新版本。采用支持HDMI1.4的发送芯片,设计实现了一个多媒体接口转换器。转换器支持LVDS接口的无压缩高清视频信号的输入和RCA,SPDIF接口的音频信号的输入,再将音视频信号转换后通过HDMI接口输出。HDMI接口支持热插拔和HDCP内容保护功能。音频信号和视频信号的控制器分别为CPLD和FPGA。视频测试信号为1080p@60 Hz,音频测试信号为双声道48 Hz。     

高效的模糊聚类初始码书生成算法

码书设计在矢量量化中至关重要,而多数码书设计算法都是基于初始码书的.从经典的LBG算法的缺陷出发,提出一种基于模糊聚类的高效初始码书生成算法,通过将初始码书的码矢在输入矢量空间中很好地散开,并尽可能占据输入概率密度较大的区域,从而使之后的LBG算法避免陷入局部最优,设计出的码书性能更好,更加接近全局最优,同时加快了收敛速度,减少了迭代次数.将该算法应用于图像编码的实验中,结果表明:该算法能够从效率和质量两方面有效地提高矢量量化的性能.     

双脉冲激光诱导光谱结合多变量GA-BP-ANN检测合金钢中C元素

在合金钢众多成分中碳(C)属于微量非金属元素,其含量决定了合金钢的主要力学性能,准确、实时掌握C元素的含量,对合金钢的生产及分类起到关键作用。双脉冲激光诱导击穿光谱(DP-LIBS)是一种可用于在线快速分析合金钢中元素的有效手段,不仅具有实时、样品预处理简单等优点,还能够增强物质的烧蚀度和信号强度,从而提高LIBS技术的检测灵敏度。为了减小基体效应影响,进一步提高LIBS技术对合金钢中微量C元素定量分析的精确性,采用多元素多谱线的修正方法,通过DP-LIBS结合反向传播人工神经网络(BP-ANN),建立多变量GA-BP-ANN定标法。首先在氩气环境对合金钢样品进行DP-LIBS采集,目标C元素选择了谱线强度变化能够体现其含量变化的C 193.09 nm处的原子谱线,同时选取共存元素Fe,Cr,Mn和Si对应的特征谱线,以提供更多的光谱信息,提高C元素定量分析的准确度,共选择15条特征分析谱线,其中Fe元素含量丰富且相对稳定,作为内标元素引入以减小谱线波动;之后通过遗传算法(GA)寻优,对C/Fe,Cr/Fe,Mn/Fe和Si/Fe的谱线强度比进行优化选择;最后将GA选择的多谱线强度比作为BP-ANN网络的输入,输出为目标C元素浓度值,建立多变量GA-BP-ANN定标方法。为比较该方法预测结果的精确性,同时建立传统定标曲线法与以C/Fe为输入的单变量BP-ANN定标方法。利用标准合金钢样品,通过留一法交叉预测C元素含量值,与内标法和单变量BP-ANN定标方法相比,预测样品的平均相对误差分别由14.78%和14.75%减小到8.29%,预测值与真实值之间的决定系数R2分别由0.967 4和0.974 4提升至0.989 3。结果说明了多变量GA-BP-ANN定标法预测的C元素含量更接近于真实含量,证明了该方法用于LIBS检测合金钢中C元素含量的可行性。