排序方式: 共有11条查询结果,搜索用时 21 毫秒
1.
下变频后的高速基带信号必须经过抽取后才能减轻后续基带处理的负担。多级抽取滤波有利于滤波器的实现。梳状滤波器用作多级抽取的首级,半带滤波器可以实现2倍的抽取,剩余的抽取滤波器用升幅FIR实现。针对各级滤波器系数的特点,在滤波器的硬件实现上采用了一系列简化方法。计算机仿真结果表明,用FPGA实现高速抽取系统是十分灵活有效的。 相似文献
2.
给出了硅微机械谐振陀螺仪的结构,介绍了硅微机械谐振陀螺仪的工作原理,详细推导并给出了陀螺仪的输出频率和标度因数非线性的计算公式;基于影响谐振陀螺仪标度因数的参数,分析了由谐振器的振幅和梳齿静电驱动力引起的硅微机械谐振陀螺仪的非线性特性,给出了振动幅度与谐振频率关系的表达式.实验结果表明,陀螺仪的整体性能主要取决于谐振器振动幅度的稳定性. 相似文献
3.
4.
5.
6.
7.
8.
浮点加减运算是现代数字信号处理中非常频繁的操作,浮点运算的快慢直接影响数字信号处理的速度.常用的硬件实现算法有双通道算法和三通道算法.文中介绍了浮点加法器电路设计的常用算法,重点介绍了一种低功耗的三数据通道结构,最后以MAXPLUSⅡ为工具,给出了该结构的现场可编程门阵列(FPGA)实现.仿真结果显示,该方法可以提高数据采集及运算速度,为实时数据处理提供了一种方法. 相似文献
9.
为了进一步提高夜间迁徙鸟鸣监测的准确率,提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先,提取鸟鸣对数尺度的梅尔谱图作为VGG Style模型的训练特征,增强时频谱图的能量分布,通过Mix up数据混合生成虚拟数据以减少模型的过拟合。之后,将预训练的VGG Style作为特征提取器对每一段鸟鸣提取深度特征。鉴于不同维度模型的互补性,该文提出分别使用1维CNN-LSTM、2维VGG Style与3维DenseNet121模型作为特征提取器生成高级特征。对于1维CNN-LSTM,使用小波分解作为池化方法,分别对鸟鸣时、频域进行9层小波分解,生成多层LBP特征以获取更丰富的时频信息。最后,对CNN-LSTM与DenseNet121的全连接层进行优化,减少模型参数,提高实时性。实验结果表明,通过融合多维神经网络的深度特征,使用浅层分类器在含有43种鸟类的CLO-43SD数据集中,获得了93.89%的平衡准确率,相较于最新的Mel-VGG与Subnet-CNN融合模型,平衡准确率提高了7.58%。 相似文献
10.
一种高效实用的直接数字频率合成器的设计和实现 总被引:2,自引:1,他引:1
在介绍DDS原理和特点的基础上,充分利用正弦函数的对称性,给出了DDS的一种实现方案,详细阐述了用FPGA实现该方案的方法,文章的最后给出了仿真结果。 相似文献