-
公开(公告)号：CN113111300B
公开(公告)日：2022-06-03
申请号：CN202010031509.8
申请日：2020-01-13
Applicant: 上海大学
IPC: G06F17/14
Abstract: 一种具有优化资源消耗的定点FFT实现系统，包括：log2N级蝶形运算模块及其存储模块，每级的蝶形运算由各自的蝶形运算模块及其对应的存储模块配合实现，每级的蝶形运算模块计算该级的全部次蝶形运算，在此基础上通过流水线插入使得处理连续的输入序列时，整个处理器的计算周期大大减少。本发明基于对运算单元的数量优化以及蝶形运算架构，通过基‑2FFT的算法在利用旋转因子的对称性以及在不损失计算结果精度的情况下尽可能减小每一级蝶形运算的字长，利用这两种方法来减少定点FFT运算的资源消耗。
-
公开(公告)号：CN113626756B
公开(公告)日：2024-07-05
申请号：CN202010380295.5
申请日：2020-05-08
Applicant: 上海大学
IPC: G06F17/14 , G06N3/0464 , G06N3/09
Abstract: 一种神经网络实现端到端的定点快速傅里叶变换量化方法及系统，将浮点时域数据通过基于深度学习的神经网络的量化处理得到相应的定点时域数据，并进一步通过定点快速傅里叶变换得到对应的顶点频域数据，再通过基于深度学习的神经网络的去向量处理得到浮点频域数据。本发明使用截断方法满足有限字长的要求并方便地节省内存资源，同时通过机器学习方法联合优化信号的量化与去量化过程，不必需各种先验信息就能够完成信号的量化工作，且适用于任何线性运算。
-
公开(公告)号：CN113626756A
公开(公告)日：2021-11-09
申请号：CN202010380295.5
申请日：2020-05-08
Applicant: 上海大学
Abstract: 一种神经网络实现端到端的定点快速傅里叶变换量化方法及系统，将浮点时域数据通过基于深度学习的神经网络的量化处理得到相应的定点时域数据，并进一步通过定点快速傅里叶变换得到对应的顶点频域数据，再通过基于深度学习的神经网络的去向量处理得到浮点频域数据。本发明使用截断方法满足有限字长的要求并方便地节省内存资源，同时通过机器学习方法联合优化信号的量化与去量化过程，不必需各种先验信息就能够完成信号的量化工作，且适用于任何线性运算。
-
公开(公告)号：CN113111300A
公开(公告)日：2021-07-13
申请号：CN202010031509.8
申请日：2020-01-13
Applicant: 上海大学
IPC: G06F17/14
Abstract: 一种具有优化资源消耗的定点FFT实现架构，包括：log2 N级蝶形运算模块及其存储模块，每级的蝶形运算由各自的蝶形运算模块及其对应的存储模块配合实现，每级的蝶形运算模块计算该级的全部次蝶形运算，在此基础上通过流水线插入使得处理连续的输入序列时，整个处理器的计算周期大大减少。本发明基于对运算单元的数量优化以及蝶形运算架构，通过基‑2FFT的算法在利用旋转因子的对称性以及在不损失计算结果精度的情况下尽可能减小每一级蝶形运算的字长，利用这两种方法来减少定点FFT运算的资源消耗。
-
-
-
Search Results
4
records
(took 0.015 seconds)
