- 博客(34)
- 收藏
- 关注
原创 zynq7020官方评估板流水灯实验(PS给PL时钟)
8、双击配置zynq(删除M_AXI_GP0 interface与FCLK_RESET0_N,让后OK退出)10、生成design_1文件,右击design_1,并general output products。9、自动布局布线并添加引脚(右击FCLK_CLK0,并make externel)其中led_twinkel例化了design_1.v与led_M模块。14、打开开发板,并下载bit文件,可以看到流水灯成功。4、指定工程先不添加源文件,在工程内部再编辑。3、为新工程命名并指定路径。
2023-10-23 21:02:44
1183
原创 从string输入中提取数据与数组,并保存在vector中(C++)
【代码】从string输入中提取数据与数组,并保存在vector中(C++)
2023-09-04 17:26:09
305
原创 【安路科技FPGA】从流水灯入门(软件环境、vivado仿真、流水灯)
【安路科技FPGA】从流水灯入门(软件环境、vivado仿真、流水灯)
2023-08-24 16:11:48
2206
3
原创 Git版本控制(与github交互)
git tag -a -m "runoob.com标签"git log [选项] [分支名/提交哈希]4、加入暂存区、加入本地仓库、查看分支。6、在分支上创建新文件,切换分支并合并。7、创建SSH与github交互。文件夹下有一个文件与一个文件夹。9、将本地文件推到远程仓库中。文件夹中多出.git文件。5、创建新分支,并切换。
2023-08-18 18:01:43
81
原创 C++八股文
野指针:指针变量未及时初始化 => 定义指针变量及时初始化,要么置空。悬空指针:指针free或delete之后没有及时置空 => 释放操作后立即置空。解决方法:好的编程习惯智能指针从结构体存储的首地址开始,元素放置的位置一定会在自己宽度的整数倍上开始,这就是所谓的内存对齐加快CPU访问数据效率,如果不对齐,访问数据可能需要多次访问并拼接可以,但必须提供构造函数初始化引用变量构造函数形参也为引用不能在构造函数内初始化,需要在初始化列表初始化。
2023-08-16 16:34:26
154
原创 MATLAB控制信号发生器(USB-GPIB-HS)GPIB仪器控制教程(含matlab代码)
自动化测试时需要自动产生信号,通过matlab控制信号发生器的频率与功率,以实现自动化信号生成输出
2023-08-04 11:21:45
912
原创 MATLAB-读取csv表格(含ADC采样数据),测量SNR、SFDR、THD、SINAD、ENOB、ENOB、Fund、Nextsupr等参数,并对信号进行自动滤波
读取csv表格(ADC采样数据),对数据进行频谱分析,测量SNR、SFDR、THD、SINAD、ENOB、ENOB、Fund、Nextsupr等参数,并对信号进行自动滤波
2023-08-04 10:49:09
3130
1
原创 fftplot()函数实现,在matlab中查看离散信号频率
对于一般的只是向看一下频谱特点时则只需要传入离散信号与采样率即可,stft函数会自动绘图。对于其他有细节操作限制时,则需要另外规定。对信号操作有特殊要求。
2023-03-23 15:26:09
1194
原创 文献阅读-基于深度卷积神经网络的海面小目标多帧检测
每个 RD 频谱被分割成块和单元的多个多尺度检测单元,然后通过基于块的大规模初步检测和单元,使用多尺度帧内检测网络 (IADN) 将这些单元分类为目标存在或目标不存在- 基于小规模精细检测。对概率值大于阈值的数据块进行更精细化的操作,分为4*4的数据块,经过网络后输出为小块的存在目标的概率,以实现目标检测。低 SCR 下,强杂波或噪声的积分可能会超过真实运动目标的积分度量函数,从而导致检测性能下降。使用目标和海杂波之间的特征差异和帧间相关性来实现帧内和帧间检测。基于深度卷积神经网络的海面小目标多帧检测。
2022-09-14 14:19:38
902
原创 文献阅读-基于 CNN-Swin Transformer Network 的 LPI 雷达信号识别
相比于 CNN 模 型的不变性和局部性,特征之间依赖关系差, Transformer 模型的 SA 机制不受局部相互作用限 制,能够学习最合适任务目标的归纳偏置。④短时傅里叶+GoogleNet/AlexNet,实现调制信号识别。CNN缺陷:不擅长捕捉全局信息,感受野受限,对信噪比要求较高。⑤时频分析+改进AlexNet,实现调制信号识别。⑥扩张残差网络+时频分析,实现辐射源分类。③小波变换+残差网络,实现调制信号识别。①时频图像+CNN,以信号调制识别。②时频分析+CNN,特征提取与分类。
2022-09-05 10:31:07
878
原创 文献阅读-一种基于机器学习方法的海事监视雷达海杂波抑制方法
训练集 A 由单目标、高 SCR 的雷达数据组成,训练集 B 包含目标较多、不同 SCR 的雷达数据。模型训练在仿真数据集上进行,分别对模拟数据、实测数据从海杂波抑制改进因子σ、目标结构相似度两个维度进行比较,从而体现该网络的优越性。海杂波抑制网络的损失函数由三个部分组成:对抗性损失、循环一致性损失和目标一致性损失。频域处理:通过傅里叶等变换提取杂波、目标的信息,并多普勒滤波器去除海杂波分量。SSIM测量杂波抑制前后目标区域的相似度。基于子空间:对子空间的杂波分量进行建模,利用海杂波时空相关性进行抑制。
2022-08-23 16:54:31
1238
原创 模型训练技巧总结
此时仅对输入的4层batch数据进行归一化,而没有偏置等操作。其中pred为模型输出,label为标签。2、F.nll_loss使用数据要求。
2022-08-19 19:52:18
210
原创 基于深度学习的小目标检测方法
1、小目标①像素点小于32*32的物体②目标尺寸为原图的0.12、小目标检测面临的困难①底层特征缺乏语义信息.在现有的目标检 测模型中,一般使用主干网络的底层特征检测小目 标,但底层特征缺乏语义信息,给小目标的检测带来 了一定的困难.②小目标的训练样本数据量较少.③检测模型使用的主干网络与检测任务的差异3、基于多尺度预测(YOLO、Faster R-CNN、SSD)多尺度预测指的是在多个不同尺度的特征图上分别对物体的类别和坐标进行预测①基于图像金字塔的多尺度目标检测(方法有利于小目标检测、实时性差)--改进
2022-06-23 13:32:51
2646
原创 GNN文献阅读-Graph Convolution Neural Network-Based Data Association for Online Multi-Object Tracking
1、摘要文章提出了一种基于GCN的多目标跟踪(MOT)算法,该算法由特征提取模块与更新特征模块组成。特征提取模块:利用对象的态势特征对目标进行跟踪。新的更新机制:结合神经网络的输出+跟踪器与检测节点间的节点相似度,来更新每一层。 通过聚合更新的边缘特征+跟踪器与检测器间的链接强度来更新节点特征优点:节点、边缘更新、边缘分类的三个网络是为了最小化网络参数以实现更快的多目标跟踪通过亲和力损失来进行端到端的学习2、多目标跟踪常见方法的跟踪性能取决于两点:①目标检测
2022-06-12 15:33:43
568
原创 GNN文献阅读-Maritime Target Detection Based on Radar GraphData and Graph Convolutional Network
海上目标检测任务较为复杂传统基于概率理论方法(将海杂波视为随机过程)性能较低传统深度学习(CNNs)独立处理每个信号样本,很少使用时空域相关信息GCN很好的利用了雷达信号中包含的信息传统CNNs在提取高维特征方面具有良好的性能与泛化能力但在海上目标检测上存在一定的困难: (1)海事雷达的观测区域大,使得一定时空范围对应的回波信号数据量小,导致信号特征不足 (2)海上目标的特征与海杂波高度相似,深度学习方法不能很好地区分 (3)深度学习模型可以实现端到端的处理和自动特
2022-06-02 13:03:54
321
原创 GNN文献阅读-Dynamic Graph-Level Neural Network for SARImage Change Detection
1、摘要提出了一种端到端的动态图级神经网络 (DGLNN),以在图级利用每个像素邻域块的局部结构,并学习更具判别力的图来进行变化检测在 DGLNN 的训练中,使用 K-最近邻域来重建节点之间的边,而不是两个节点之间的固定边,以便每个节点利用来自不同相邻节点的特征2、传统合成孔径雷达(SAR)图像变化检测方法:基于差分图像(DI)的管道开发的但SAR图像通常会受到散斑的影响,检测精度受影响GNN具有良好的性能与高可解释性3、实验思想从双时相 SAR 图像中提取的每个三通道块构建一个动态图,并DI,其边缘逐层动
2022-06-01 20:26:32
305
原创 读书笔记-深度学习入门之pytorch-第六章(含循环实现手写数字识别)
31、生成模型一系列用于随机生成课观测数据的模型两个主要功能:学习一个概率分布、生成数据(1)自动编码器最开始作为一种数据的压缩算法特点:1>与数据的相关程度高,只能压缩与训练数据相似的数据2>压缩后数据有损,数据降维导致的应用:1>数据去噪2>可视化降维3>生成数据2、手写数字生成(1)全连接方法from google.colab import drivedrive......
2022-04-25 20:51:58
221
原创 读书笔记-深度学习入门之pytorch-第五章(含循环实现手写数字识别)(LSTM、GRU代码详解)
1、RNN优点:(记忆性)RNN对具有序列特性的数据非常有效,它能挖掘数据中的时序信息以及语义信息2、循环神经网络结构与原理每一时刻的隐藏层不仅由该时刻的输入层决定,还由上一时刻的隐藏层决定深层网络结构:双向循环神经网络:网络先从序列正方向读取数据,再从反方向读取数据,最后两种输出结果一起形成网络的最终输出循环神经网络能够很好的解决短时依赖问题,但对于长时依赖问题的效果不是很好3、LSTM(长短时记忆网络)4、GRU5、LST...
2022-04-23 22:58:15
2772
1
原创 读书笔记-深度学习入门之pytorch-第四章(含卷积神经网络实现手写数字识别)(详解)
1、卷积神经网络在图片识别上的应用(1)局部性:对一张照片而言,需要检测图片中的局部特征来决定图片的类别(2)相同性:可以用同样的模式去检测不同照片的相同特征,只不过这些特征处于图片中不同的位置,但是特征检测所做的操作是不变的(3)不变性:对于一张大图片,如果我们进行下采样,图片的性质基本保持不变2、全连接神经网络处理大尺寸图像的缺点:(1)首先将图像展开为向量会丢失空间信息;(2)其次参数过多效率低下,训练困难;(3)同时大量的参数也很快会导致网络过拟合。...
2022-04-23 16:18:21
2517
原创 读书笔记-深度学习入门之pytorch-第三章(含全连接方法实现手写数字识别)(详解)
目录1、张量2、分类问题3、激活函数(1)sigmoid函数(2)Tanh函数(3)ReLU函数(4)SoftMax函数(5)Maxout函数4、模型表示能力5、反向传播算法6、优化算法(1)torch.optim.SGD(2) torch.optim.Adagrad:(3)torch.optim.RMSprop(4)torch.optim.Adadelta(5)torch.optim.Adam(AMSGrad)(实际中常用)(6)...
2022-04-22 16:32:40
2233
原创 Jupyter运行plot时挂掉
Jupyter运行plot时总是出现挂掉的情况解决办法,在最上面加上一下两行程序,即可解决import osos.environ['KMP_DUPLICATE_LIB_OK']='True'造成原因:不详,求大佬解答
2022-04-11 21:28:09
972
原创 图神经网络-论文精读-“A Gentle Introduction to Graph Neural Networks“
1、文章主要工作:解释了现代图神经网络①什么样的数据最自然的表述为图表②图表与其他类型数据的不同之处,以及在使用图表时必须做出的一些专门选择③构建GNN:从简单的实现到最先进的GNN模型④构建GNN平台,修改不同参数从而得到不同的结果,以了解GNN组件的作用2、什么是图图表示实体(节点)集合之间的关系(边)为了进一步描述每个节点、边或整个图,我们可以将信息存储在图中的每一个片段中。还可以通过将方向性与边(有向、无向)相关联来专门化图3、什么样的数据最自
2022-04-07 10:22:45
1869
原创 Hands-On Machine learning with Scikit-Learn&TensorFlow-书籍阅读-第一章:机器学习概览
一、机器学习分类:准则1:是否在人类监督下进行训练①监督学习:在监督学习中,用来训练算法的训练数据包含了答案,称为标签典型实例:分类、预测重要算法:K近邻算法、线性回归、逻辑回归、支持向量机(SVM)、决策树和随机森林、神经网络②非监督学习:在非监督学习中,你可能猜到了,训练数据是没有加标签的典型实例:检测相似访客分组、可视化算法、降维、异常检测、关联规则学习重要算法:聚类:K 均值、层次...
2022-04-05 16:26:01
1017
原创 Jupyter Notebook代码提示与自动补全
目录1、打开Anaconda,Navigator,点击Eviroments,选择base(root)上的箭头2、在弹出的框中依次输入一下命令:3、依次运行完成后打开Jupyter Notebook,选择Nbextensions,将configurable的√去掉,将Hinterland勾选上。4、大功告成。1、打开Anaconda,Navigator,点击Eviroments,选择base(root)上的箭头2、在弹出的框中依次输入一下命令:pip install
2022-03-30 21:21:59
1846
原创 VsCode编写Verilog,自动生成Testbench,生成Wave-20220329
一、准备工作①安装VScode(不是Visual Studio 2019/2017/2012):自行百度②安装Iverilog与GTKWave波形查看器 官网:Icarus Verilog for Windows安装: 1》点next 2》同时勾选安装MinGW依赖和GTKWave波形查看程序 3》红色方框记得一定要勾选(添加路...
2022-03-29 10:49:59
13009
11
原创 FPGA_Study-复杂数字系统的构成-20220324
1.1,组合逻辑与数字逻辑组合逻辑:只与当前输入逻辑电平有关,与电路原始状态无关(无记忆器件)。与、或非组成的网络。时序逻辑:不仅与当前输入电平有关,还与电路目前所处的状态有关。由多个触发器和组合逻辑块组成的网络。 同步有限状态机是同步时序逻辑电路的基础。电路状态的变化只能在同一时钟跳变沿时刻发生1.2、需要将时序逻辑电路的信号进行存储由于组合逻辑是输出的函数且无时延,所以与理想布尔方程计算的完全一致。但时序逻辑电路中...
2022-03-24 20:51:59
220
MATLAB数据自动分析源码
2023-08-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人