基于DSP的时频图像微弱信号识别系统设计

来源:用户上传      作者:

　　摘  要： 为了有效提高对时频图像微弱信号的识别精确度，基于DSP设计时频图像微弱信号的识别系统。提出当前微弱信号图像识别系统的整体结构框架，包括DSP和FPGA之间的接口硬件设计模式，确定当前时频图像的输入接口设计方案。利用相机积分成像，输出图像数据，以有效信号作为控制信号，对当前图像数据信号进行处理并发送DSP，由DSP完成当前信号数据连通性分析，实现当前微弱信号识别。实验数据证明，应用基于DSP时频微弱信号处理系统后，节点信号识别率提高22%，边际信号识别率提高27%，可以有效提高识别精度。
　　关键词： 系统设计; 微弱信号识别; DSP; 接口设计; 图像数据输出; 数据信号处理
　　中图分类号： TN911.73?34                       文献标识码： A                         文章编号： 1004?373X（2020）01?0059?04
　　Design of DSP?based weak signal recognition system for time?frequency image
　　WEI Meng， L? Tingqin
　　Abstract： A DSP?based weak signal recognition system for time?frequency image was designed to improve the recognition accuracy of weak signal for time?frequency image. The overall framework of the current weak signal recognition system for image is proposed， including the hardware design mode of interface between DSP and FPGA. In the recognition system， the input interface design scheme for the current time?frequency image is determined. The camera integral imaging is adopted to output the image data and the effective signal is taken as the control signal to process the current image data signal and sent it to DSP， then the connectivity analysis on the current signal data is completed with DSP to realize the recognition of current weak signal. The experimental data show that after the application of time?frequency weak signal processing system based on DSP， the node signal recognition rate is increased by 22% and the marginal signal recognition rate is increased by 27%， which means that the proposed signal recognition system can effectively improve the recognition accuracy.
　　Keywords： system design; weak signal recognition; DSP; interface design; image data output; data signal processing
　　0  引  言
　　随着现代电子计算机技术的飞速发展，当前数据图像处理技术在诸多领域如机器人视觉、资源探究、天气预报处理、医学图像分析等各个方面均取得了较为广泛的应用。尤其在现代电子信息时频图像处理识别领域，其应用最为广泛。以上各个应用对信息的实时跟踪性识别精度均具有极高的图像信号识别要求[1]。从目前的技术特征来看，大多数时频图像信号识别系统一般均需要计算机终端完成，所以其系统必须快速准确地采集到图像信息，再将其传递到数据PC端，进行同步信号分析。但是这种方式整体效果并不理想，尤其是识别过程中一旦出现时频微弱信號，很难做到及时有效的识别。数字信号处理技术（DSP）的兴起为当前时频图像微弱信号的识别提供了技术依据。随着DSP单芯片处理能力的不断提高，以DSP为基础的微弱时频图像信号处理成为可能。通过设置独立的系统识别总线、系统程序总线、信号乘法器硬件、多线路流水线等，可以灵活处理多项时频图像信号算法。从专用性和结构性来说，目前大多数DSP图像处理技术均需要SRAM数据交换，必要时会利用“乒乓”的方式完成数据连接，其识别系统一般需要多项硬件电路和独立的SRAM分别进行时频图像的读写操作。
　　为了实现更高精度的时频图像微弱信号识别，设计了一套基于DSP的时频图像微弱信号识别系统，该系统利用DSP数据并行处理控制能力，可以更高效地完成时频图像的识别，从整体上来看，该系统具有多项优势，具有较高的应用价值[2]。 　　1  时频图像微弱信号处理系统设计
　　设计的基于DSP时频图像微弱信号识别系统，整体以DSP处理器作为图像转换芯片，FPGA作为信息接口，负责数据的联通。系统核心处理器选择美国SAN1公司生产的定点式DSP数据处理器，其处理速度超过100 MHz。其主要特点包括总线数据结构终端响应速度较快，具有多线性程序地址和当前数据地址[3]。
　　DSP处理器可以看作是当前时频图像信号终端，设计选择MAX1852作为整个系统的看门狗芯片。当系统程序出现异常时，利用DSP重新复位并运行。设计采用Xilinx公司出产的S系列芯片作为外部数据处理芯片。该芯片拥有超过400 KB的数据门，其逻辑单元超过8 MB，支持32位×28位内部数据资源。一般情况下系统可以支持LUT门总数量为7 185个，逻辑资源区为3 758个。系统FPGA可以完成时频图像的逻辑处理工作。系统采用National半导体公司出产的DS90C899芯片作为图像解码芯片，系统核心组成框图如图1所示。
　　1.1  DSP和FPGA连通电路
　　时频图像微弱信号识别系统的硬件部分主要包括DSP处理器、FPGA数据接口部分以及系统时频图像的外部連通接口电路[4]。
　　DSP和FPGA之间，设计采用总扩线的方式进行数据联通，将FPGA作为数据接口，接口连通内容包括数据地址总线路（15～0）、数据总线路（14～0）时频图像片选信号、DSP读写信号、外部请求信号、外部准备后续信号、系统连接中断控制信号，二者的连接原理框图如图2所示。
　　DSP数据访问主要利用FPGA内的数据采集模式，具体策略为在FPGA内部设置单项IP，建立不同的FIFO。DSP利用当前系统总线直接对其进行定位[5]。因为系统内的异步FIFP控制信号可以有效调节时钟数据，包括系统时钟的读取、复位、写入、输出和有效域建立等[6]。
　　为了减少系统运行时的数据故障，设计系统利用MAX作为系统的输出看门狗，其原理如图3所示。
　　1.2  时频图像输入接口设计
　　输入接口芯片选择美国National半导体公司出产的DS芯片，该芯片可以直接拆分时频图像信号之间的TTL数据转换模板。该芯片可以直接触发发送信号，完成信号联通，其图像输入接口的原理如图4所示[7]。
　　1.3  时频信号处理
　　设计的基于DSP的时频图像微弱信号识别系统主要依靠时频图像控制信号进行信号识别。当在场信号真实有效时，FPGA会进行当前时频图像的预处理工作，并将当前有效信号数据及时发送给DSP。DSP可以进行连续性的分析识别工作，再将分析控制结构发送给当前控制系统中枢。系统接电后，从当前FLASH中可以装载当前DSP数据到执行缓存中，装载完毕后，利用DSP进行数据调频，并启用数据RAM代码[8]。
　　时频信号识别系统搭配外部执行识别相机，相机处于外部执行模式，模式信号一般为7 s兆宽的执行低压有效信号。当系统处于低电状态时，相机开始进行积分分项统计。统计结束后，数据开始执行输出参数升级，并输出图像数据。具体参数如表1所示[9]。
　　因为FPGA需要完成当前时频图像的二值化处理，将处理结果向上传递。为了完成这一工作，FPGA首先需要统计当前图像阈值，当信号有效时，继续对图像信号进行累积，当信号微弱或者信号无效时，可以将累积结果进行左向迁移。此外，还需要对当前二值化数据进行统计判断，其公式为：
　　[x（t）=i=1nci（t）rn（t）] （1）
　　式中：[ci]表示当前时频图像帧数;[rn]表示当前时频图像的控标值。根据式（1）求取的判定系数，可以与阈值进行比较。大于阈值的图像需要写入统计FIF（）中，数据的横纵坐标和灰度值需要分别写入不同的FIF（）;如果小于阈值，可以不用特殊处理，采用并行机制完成数据运算[10]。
　　1.4  时频图像信号识别的实现
　　DSP程序需要与上述FPGA程序完美兼容，才能实现对当前时频图像微弱信号的识别。首先对DSP进行初始化，并执行参数设置，配置系统时钟，包括SPI外部时间信息[11]。当DSP进入主循环程序时，对当前时频微弱信号进行场外判断，如果第一次进入DSP有效，则标注效果标志，反之，则发送到上线通信系统，并消除图像数据标志。然后进行FIF（）空标判定，当FIF（）属于不空状态时，此时的有效图像进行横纵坐标和灰度值的采集，反之，则表示不需要利用DSP进行数据处理[12?13]。以DSP循环的形式进行空标信号判定，其主程序流程如图5所示。
　　2  实验数据分析
　　此次设计的基于DSP的时频图像微弱信号主要在继承环境下开发，实验选用XD510仿真模拟其，在PC端上载入时频图像信号，调试程序后，执行系统出发模式。系统在外部触发模式下，提供10 Hz宽度为低电平的直序信号，相机收到信号后，会对当前时频标记成像，通过Camera Link 进行系统接口的发送。包括设计功能代码及标记代码等。此次实验选择TCL影像识别系统作为对比系统，分别针对节点信号和边际信号作为实验对象执行对比，以下为具体实验过程。当前实验测试的软件测试环境见表2。
　　2.1  节点信号识别度对比
　　节点信号是当前时频图像各链路节点的交叉处信号，通过节点信号可以完成当前时频图像的底板梳理。实验在仿真环境下进行无规则节点信号的输入和输出，对比实验中两个系统的节点信号识别度，其结果如图6所示。
　　由图6可以看出，随着信号帧度的不断提高，节点信号的识别度均出现明显下降趋势，且整体以循环形式进行。根据数据对比结果可以确定，设计的基于DSP时频图像微弱信号识别系统对于节点信号的识别度明显高于传统TCL系统，整体提升比例超过22%。 　　2.2  边界信号识别度对比
　　边界信号是时频图像最难识别的信号之一，可以划定当前时频图像的结构范围，实验针对边界信号进行输入和输出，并进行边界信号识别，其结果如图7所示。
　　图7中显示了边界信号的对比程度。经过数据对比可以看出，传统TCL识别系统的识别效果依旧低于设计的基于DSP的微弱信号识别系统。经过数据对比可以判定，二者相差比例超过27%。
　　3  结  语
　　针对当前时频图像信号识别问题，设计提出了基于DSP的时频图像微弱信号识别系统。详细阐述了其软件和硬件部分的设计过程，包括连线电路和识别流程等，通过实验对比可以判定，該设计系统具有更高的识别率，对于微弱信号的识别效果更优。
　　参考文献
　　[1] 苏庆列，王麟珠.基于DSP和Retinex图像增强算法的汽车自动检测行人系统设计[J].兰州工业学院学报，2018，25（6）：56?60.
　　[2] 赵大伟.基于DSP的微机械材料力学性能测控系统的设计[J].冶金与材料，2018，38（6）：70.
　　[3] 林坤.基于DSP的航空仪表信号模拟器设计研究[J].电子设计工程，2018，26（23）：67?70.
　　[4] 张治安，张旭东，张骏.基于稀疏联结卷积递归神经网络的RGB?D图像识别算法[J].合肥工业大学学报（自然科学版），2018，41（5）：12?18.
　　[5] 杨小奇，万建军，刘文江.一种基于先进时空域去噪算法的视频图像处理芯片设计[J].集成电路应用，2018，35（5）：33?36.
　　[6] 龙满生，欧阳春娟，刘欢，等.基于卷积神经网络与迁移学习的油茶病害图像识别[J].农业工程学报，2018，34（18）：202?209.
　　[7] 赵峰涛.基于视觉的图书馆在架错序图书自动识别技术应用研究[J].电子设计工程，2018，26（22）：153?156.
　　[8] 罗伊杭，罗诗光，潘与维，等.一种基于TuriCreate和OpenCV的实时图像识别系统设计[J].电子测试，2018（10）：14?16.
　　[9] 刘明峰，刘孙俊，郭顺森，等.基于DBN图像识别的机房巡检系统设计研究[J].测控技术，2018，37（11）：51?55.
　　[10] 孙雷，孙庆苏.基于VC的太阳光斑图像识别跟踪系统设计与实现[J].软件导刊，2018（2）：205?207.
　　[11] 周航，史治宇.基于改进MODWPT时频分解的时变系统参数识别[J].低温建筑技术，2018，40（3）：43?47.
　　[12] 岳应娟，王旭，蔡艳平，等.基于时频图像特征约简的柴油机故障特征提取新方法[J].汽车工程，2018，40（1）：114?120.
　　[13] 阮远忠，喻金华，肖铁军.基于ZYNQ?7000的视频图像处理系统设计与实现[J].软件导刊，2018，17（9）：152?156.
　　作者简介：魏  萌（1981—），女，河南新乡人，硕士，讲师，研究方向为计算机应用、教育信息化。
　　吕廷勤（1972—），女，河南柘城人，硕士，讲师，研究方向为计算机应用、数据挖掘。
转载注明来源:https://www.xzbu.com/8/view-15122274.htm