-
公开(公告)号：CN112803920A
公开(公告)日：2021-05-14
申请号：CN202011624163.9
申请日：2020-12-30
Applicant: 重庆邮电大学
IPC: H03H21/00
Abstract: 本发明公开了基于改进LMS算法的稀疏系统辨识方法和滤波器和系统，用于辨识无线通信信道的系数和解决无线通信系统中因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得需要调整参数更少，复杂度比LMS算法更低，但是其性能表现与l0‑ILMS算法一致，从而使得该算法在硬件处理数据速度更快，延迟更低，其硬件的稳定性更高，风险更低，有利于该算法在硬件中实现。
-
公开(公告)号：CN112803919A
公开(公告)日：2021-05-14
申请号：CN202011624100.3
申请日：2020-12-30
Applicant: 重庆邮电大学
IPC: H03H21/00
Abstract: 本发明公开了改进NLMS算法的稀疏系统辨识方法和滤波器和系统，用于无线通信系统中解决因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得ZA函数只包含加法、减法和乘法运算，相对于其他的ZASM‑NLMS算法，该算法更容易硬件实现，且复杂度更低，稳态均方差更低，稳定性更好，收敛速度更快。进一步，通过对SZASM‑NLMS算法ZA函数的ρ进行改进，若|e(n)|≤γ，则将ρ置零，得到的MZASM‑NLMS算法表现出与SZASM‑NLMS类似的性能。在硬件实现上，本发明提出的算法会有更快的数据处理速度，有利于要求高速度的硬件实现。
-
公开(公告)号：CN116225989A
公开(公告)日：2023-06-06
申请号：CN202211603051.4
申请日：2022-12-13
Applicant: 重庆邮电大学
IPC: G06F13/16 , G06F15/78 , G06F9/50 , G06N3/063 , G06N3/0464
Abstract: 本发明涉及一种卷积神经网络数据流切片尺寸的优化方法，属于数据传输技术领域。通过采用“计算通信比”模型为指定的加速器平台，在一定量的片上存储空间约束条件下，分析设计最适合其的切片数据流尺寸，使所部署的卷积神经网络模型能够发挥出平台最大理论算力，避免因卷积神经网络大量并行计算所造成的密集片外数据交互，所需峰值传输带宽超出片外存储器最大有效带宽，推理性能受到内存墙瓶颈限制等一系列问题。本发明具有适应性广、易于实现等优点，能够有效的提升卷积神经网络加速器的推理速度，减少由数据传输所带来的系统延迟，由此来解决密集计算类应用的工程实践中内存墙限制问题。
-
Patent Agency Ranking
公开(公告)号：CN112803920B
公开(公告)日：2023-02-03
申请号：CN202011624163.9
申请日：2020-12-30
Applicant: 重庆邮电大学
IPC: H03H21/00
Abstract: 本发明公开了基于改进LMS算法的稀疏系统辨识方法和滤波器和系统，用于辨识无线通信信道的系数和解决无线通信系统中因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得需要调整参数更少，复杂度比LMS算法更低，但是其性能表现与l0‑ILMS算法一致，从而使得该算法在硬件处理数据速度更快，延迟更低，其硬件的稳定性更高，风险更低，有利于该算法在硬件中实现。
-
公开(公告)号：CN114638347A
公开(公告)日：2022-06-17
申请号：CN202210430624.1
申请日：2022-04-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种低片外传输带宽需求的卷积神经网络加速方法，属于传输技术领域。通过对基于“切片”调度策略的数据流进行复用性分析，在FPGA片上计算、存储、逻辑等资源的约束下，为卷积神经网络模型每一个卷积层设计单独的调度策略等方式，降低高吞吐量对传输带来的压力，避免有限的带宽成为系统整体性能的瓶颈，从而解决实际应用中访存拥塞的问题，提升卷积神经网络模型在FPGA平台上部署的适配的，扩宽其应用场景。本发明具备低成本、高集成度、硬件资源消耗低、结构简单、可靠性高、易于实现等优点，能有效的降低高吞吐量对传输带来的压力，避免有限的带宽成为系统整体性能的瓶颈，从而解决实际应用中访存拥塞的问题。
-
公开(公告)号：CN112803919B
公开(公告)日：2022-09-20
申请号：CN202011624100.3
申请日：2020-12-30
Applicant: 重庆邮电大学
IPC: H03H21/00
Abstract: 本发明公开了改进NLMS算法的稀疏系统辨识方法和滤波器和系统，用于无线通信系统中解决因为稀疏信道产生的回波问题，通过对估计滤波器迭代更新方程的ZA函数进行改进，使得ZA函数只包含加法、减法和乘法运算，相对于其他的ZASM‑NLMS算法，该算法更容易硬件实现，且复杂度更低，稳态均方差更低，稳定性更好，收敛速度更快。进一步，通过对SZASM‑NLMS算法ZA函数的ρ进行改进，若|e(n)|≤γ，则将ρ置零，得到的MZASM‑NLMS算法表现出与SZASM‑NLMS类似的性能。在硬件实现上，本发明提出的算法会有更快的数据处理速度，有利于要求高速度的硬件实现。
-
公开(公告)号：CN113037661B
公开(公告)日：2022-05-13
申请号：CN202110227578.0
申请日：2021-03-01
Applicant: 重庆邮电大学
IPC: H04L25/02
Abstract: 本发明涉及一种零吸引惩罚与吸引补偿组合的稀疏LMS方法，属于信号处理领域。该方法将零吸引惩罚与吸引补偿相结合，对估计滤波器的系数分成近零系数、小系数与大系数，然后采取不同的吸引方法。在每一次迭代更新中，对于估计滤波器的近零系数，仅用迭代更新公式中的乘积项来计算；对于估计滤波器的大系数，对其进行一种微量的吸引补偿，以加快估计滤波器的系数去逼近信道的大系数的收敛速度；对于估计滤波器的小系数，如果迭代过程中该系数逼近了信道的零系数值或信道的大系数值，则分别按前述针对估计滤波器近零系数和大系数的方法进行处理，否则，对该系数采取一种简单的零吸引惩罚。该方法收敛速度快、复杂度低、调谐参数适用范围广。
-
公开(公告)号：CN113037661A
公开(公告)日：2021-06-25
申请号：CN202110227578.0
申请日：2021-03-01
Applicant: 重庆邮电大学
IPC: H04L25/02
Abstract: 本发明涉及一种零吸引惩罚与吸引补偿组合的稀疏LMS方法，属于信号处理领域。该方法将零吸引惩罚与吸引补偿相结合，对估计滤波器的系数分成近零系数、小系数与大系数，然后采取不同的吸引方法。在每一次迭代更新中，对于估计滤波器的近零系数，仅用迭代更新公式中的乘积项来计算；对于估计滤波器的大系数，对其进行一种微量的吸引补偿，以加快估计滤波器的系数去逼近信道的大系数的收敛速度；对于估计滤波器的小系数，如果迭代过程中该系数逼近了信道的零系数值或信道的大系数值，则分别按前述针对估计滤波器近零系数和大系数的方法进行处理，否则，对该系数采取一种简单的零吸引惩罚。该方法收敛速度快、复杂度低、调谐参数适用范围广。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
