- 博客(32)
- 收藏
- 关注
RSS订阅原创 数字IC设计（前端）
设计规格、算法级设计、RTL设计、RTL仿真（EDA仿真验证）、硬件原型验证（FPGA硬件原型验证）、电路综合（RTL代码映射（MAP）成门级网表（STD CELL））：MATLAB（FDATool）、Python（SciPy.signal）、C/C++（算法原型）。：滤波器类型（低通/高通/带通/带阻）、截止频率、通带/阻带容限、线性相位要求等。：功耗、面积（门数）、延迟（Latency）、吞吐量（Throughput）。控制逻辑（FSM）：时序控制、状态机（如IDLE/CALC/DONE）。
2025-05-03 14:21:24
708
原创 毕设文献7-准确估计最小滤波器长度为最佳FIR数字滤波器
提出了一种用于估算最佳（基于极小极大准则）线性相位有限冲激响应（FIR）数字滤波器最小滤波器长度的精确公式Passband;
2025-05-01 22:57:53
800
原创 毕设文献3-主动数字滤波器设计的直观方法：第二部分——高阶低通滤波器原理
Intuitive Approach to Active Digital Filter Design. Part II: Principle of Higher-order Low-pass Filters数字滤波器在信号处理中用于去除噪声、增强信号质量并提高信噪比。第一部分研究介绍了基于积分器的闭环一阶滤波器设计，本文扩展至二阶和高阶滤波器设计，重点分析Bessel、Butterworth和Chebyshev滤波器的特性。Bessel滤波器：具有最大平坦群延迟，适合需要线性相位的应用（如ECG信号处理）。
2025-05-01 21:46:59
336
原创 毕设文献2-基于MATLAB的IIR Butterworth和Chebyshev数字滤波器的设计与比较
引言数字滤波器因其高稳定性、精度和可编程性，在信号处理中优于模拟滤波器。IIR滤波器因其记忆效率高和陡峭的滚降特性，在生物医学信号处理（如ECG去噪）和图像处理中广泛应用。滤波器类型Butterworth滤波器：具有平坦的通带响应，但阻带滚降较平缓。Chebyshev滤波器（Type-1）：通带具有等波纹特性，阻带滚降更陡峭，但会引入通带波纹。Elliptical滤波器：通带和阻带均具有等波纹特性，滚降最陡峭，但设计复杂度较高。MATLAB仿真与比较。
2025-05-01 21:35:26
320
原创 毕设文献1-用于电生理数据的数字滤波器设计 - 一种实用方法
本研究提出了一种实用方法，用于优化信号到噪声比，避免信号失真，并提供数字滤波器设计和使用的最佳实践。低通滤波器通过衰减直流偏移和低频分量来迫使信号返回零幅度。
2025-05-01 19:05:03
187
原创 对采用合适的FIR滤波器对心电信号进行分类的混合神经网络方法进行了研究
论文通过改进滤波器和设计混合神经网络，显著提升了ECG信号分类的准确性和鲁棒性，为心脏疾病的自动化诊断提供了新思路。未来的工作可进一步优化实时处理能力，并扩展至更多病理类型的识别。
2025-04-14 16:58:47
262
原创 专利（US5935199）多速率数字滤波器
这篇专利的核心贡献是：- 共享系数集：减少存储需求。- DC增益校正：确保不同抽取率滤波器的DC响应一致。- 硬件优化：利用移位代替乘法（适用于二进制子集）。这种方法特别适合低功耗、高集成度的数字信号处理系统（如ADC、DSP芯片）。
2025-04-14 16:17:49
765
原创 混淆矩阵Confusion Matrix--学习笔记
混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。在机器学习领域，混淆矩阵（confusion matrix），又称为可能性表格或是错误矩阵。它是一种特定的矩阵用来呈现算法性能的可视化效果，通常是监督学习（非监督学习，通常用匹配矩阵：matching matrix）。这个名字来源于它可以非常容易的表明多个类别是否有混淆（也就是一个class被预测成另一个class）。
2024-03-02 18:27:24
5939
原创 梯度下降是什么
梯度下降算法有不同的变种，包括批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent）、小批量梯度下降（Mini-Batch Gradient Descent）等。通过不断迭代更新模型参数，梯度下降能够找到损失函数的局部最小值，从而提高模型的性能和准确性。梯度下降的基本思想是通过迭代地沿着函数的梯度方向逐步更新参数，直到达到损失函数的最小值或者收敛到一个满意的解。3. 更新参数，沿着梯度的负方向移动一小步，以减小损失函数值。
2024-02-29 21:29:20
473
原创 DenseNet121相关--学习笔记
因其出色的性能和高效的参数使用，DenseNet121常被用作多种视觉应用的基础模型。在TensorFlow（特别是TensorFlow 2.x版本）中使用DenseNet121模型非常方便，因为该模型已经作为预训练模型的一部分集成在TensorFlow库中。如下图所示，通过对几种常见的水果数据集进行训练，最后得到模型。通常，您需要将输入图像缩放到224x224像素，并进行一些额外的预处理。这两种网络架构都在多种计算机视觉任务中表现出色，但根据具体应用的需求和限制，你可能会选择其中一种作为基础模型。
2024-02-28 23:25:28
2042
原创 BN，ReLu
为了解决这些问题，后续出现了一些ReLu的变种，如Leaky ReLu、Parametric ReLu和Exponential Linear Unit（ELU）等，用于改进ReLu函数的性能。当输入x小于等于0时，输出为0。BN在神经网络的每一层中，对每个mini-batch的输入进行归一化处理，使得每层的输入分布稳定且彼此独立，从而有助于解决梯度消失和梯度爆炸的问题，提高训练速度和效果。计算高效：相比一些其他激活函数，如Sigmoid和Tanh函数，ReLu函数的计算非常简单高效，避免了指数运算的开销。
2024-02-28 22:08:51
780
原创 毕设文献16（Related）-密集连接卷积网络
实验设置：实验设置包括使用具有相同层数的三个密集块，第一个密集块之前有一个输出通道为16的卷积，以及每个密集块的特定特征图大小。实验使用不同的L和k值配置，如{L = 40, k = 12}，{L = 100, k = 12}和{L = 100, k = 24}。通过在网络中的每一层之间建立直接连接，可以最大程度地促进信息的流动，并减少信息和梯度的消失。过去方案: 过去的方法包括ResNets和Highway Networks，它们通过建立短路径来连接网络的早期层和后期层，以解决信息和梯度消失的问题。
2024-02-28 18:26:21
413
原创 毕设文献15（Related）-CBAM：卷积块注意力模块
例如，在ResNet50的情况下，使用SE [28]的top-1错误率从23.14%降低到使用CBAM的22.66%。类似地，在宽度乘数为0.7的MobileNet的情况下，使用SE [28]的top-1错误率从32.50%降低到使用CBAM的31.51%。这些结果表明，CBAM可以在不增加显著参数和计算量的情况下在不同的模型和数据集上很好地推广，展示了其提高性能的有效性。过去方案: 过去的研究主要集中在网络的深度、宽度和基数等因素上，而本研究关注了网络设计的另一个方面，即注意力机制。
2024-02-28 16:09:41
1036
1
原创 池化Pooling--学习笔记
池化过程类似于卷积过程，如上图所示，表示的就是对一个 4×4 feature map邻域内的值，用一个 2×2 的filter，步长为2进行‘扫描’，选择最大值输出到下一层，这叫做 Max Pooling。如上图所示，表示的就是对一个 4×4 feature map邻域内的值，用一个 2×2 的filter，步长为2进行‘扫描’，计算平均值输出到下一层，这叫做 Mean Pooling。也就是说我们损失了一部分信息，这是一个和计算性能的一个妥协，随着运算速度的不断提高，我认为这个妥协会越来越小。
2024-02-23 19:08:52
372
原创 毕设文献13（Not Really Related）-基于深度学习的离岸风电场自动鸟类识别系统
然而，不同鸟类物种对于防护方法的适应性不同，因此需要开发一种自动鸟类识别系统，以便针对不同鸟类物种开展相应的防护措施。论文的Motivation: 本研究的动机是开发一种自动鸟类识别系统，以实现对离岸风电场中鸟类的实时监测和防护措施。通过图像分类和深度学习算法，可以准确识别鸟类物种，为针对不同鸟类物种的防护措施提供基础。过去方案: 目前，离岸风电场中的鸟类监测主要依靠雷达系统，当鸟类进入风力涡轮机300米范围内时，风力涡轮机会自动关闭。方法，实现了对鸟类物种的准确识别，为开发鸟类防护措施提供了基础。
2024-02-21 17:57:02
470
原创 毕设文献12（Related）-使用卷积神经网络识别热带声景录音中的鸟类和青蛙物种的管道
模型在24种物种上实现了0.893的平均精度和在所有预测上的0.975的总平均精度。本研究提出了一种使用卷积神经网络进行多物种多标签分类的声景录音识别管道，通过半自动化的训练数据收集过程和转移学习，成功识别了波多黎各地区的24种鸟类和青蛙物种，取得了较高的平均精度。详细的实验结果：模型在24种物种上实现了0.893的平均精度和在所有预测上的0.975的总平均精度。，允许使用真实和虚假基于模板的检测来训练多类多标签音频分类器，减少创建多标签训练数据的工作量。训练CNN以预测录音中存在的物种集合。
2024-02-21 16:18:00
404
原创 毕设文献11（Not Related）-小鸟个体识别的深度学习方法
这些方法涉及自动化收集带有标签的图像、构建由每个个体数百张图像组成的训练数据集、训练CNN以在新图像中唯一重新识别每个个体，并展示了CNN在动物生物学研究中的普适性。当使用0.75的阈值来预测新鸟类的身份时，有17%的概率将新鸟类错误地分类为训练数据集中的鸟类。在使用训练好的模型预测小群体中鸟类的身份时，模型在93.6%的情况下正确预测了鸟类的身份。当预测训练数据集中鸟类的身份时，模型的softmax输出的熵（即概率）较小，而预测新鸟类的身份时，概率通常更均匀地分布在各个类别上。
2024-02-21 16:03:21
1121
原创 毕设文献10（对鸟图不是鸟鸣）-使用CNN的自动鸟类识别系统
过去方案: 以往的方法中，由于鸟类的形态和外观变化很大，人类视觉识别鸟类要比听觉识别更容易，因此本研究利用卷积神经网络(CNN)作为一种有效的深度学习方法来处理鸟类识别问题。论文背景: 本研究背景是鸟类识别是一项具有挑战性的任务，即使是专业的鸟类观察者在给定鸟类图片时也可能存在分歧，因此需要一种自动化系统来帮助快速准确地识别鸟类物种。论文的Motivation: 通过对鸟类识别的困难性和现有方法的局限性进行分析，研究人员提出了利用CNN进行自动鸟类识别的方法，旨在提高鸟类识别的准确性和效率。
2024-02-20 18:13:28
539
1
原创 毕设文献9（Related）-面向鸟鸣声识别任务的深度学习技术
理论背景：本研究提出了一种鸟鸣识别的神经网络结构，结合深度学习和融合特征方法。自注意力模块改善了关键通道的特征表示，而中心损失函数解决了类内特征不紧凑的问题。然后，通过直接提取对数梅尔频谱图特征，并添加一阶和二阶差分参数来保留时间信息，改进了梅尔滤波器。接着，设计了基于DenseNet121的神经网络架构，并引入了自注意力模块来关注相关的鸟鸣。实验结果：本实验在Xeno-Canto World Wild Bird Sounds公共数据集上测试了10种鸟鸣声音，鸟鸣识别的准确率达到了96.9%。
2024-02-20 17:32:41
729
1
原创 毕设文献8（Not Really Related）-利用鸟群算法和深度学习模型增强红棕榈象检测
本研究利用鸟群算法和深度学习模型提出了一种智能的红棕榈象检测技术，通过对红棕榈象（一种甲壳虫，RPW）图像进行处理和特征提取，并利用超参数调整和极限梯度提升分类器，取得了改进的检测效果。理论背景: 本文提出了一种智能红棕榈象检测模型(IRPWD-BSADL)，旨在利用计算机视觉和深度学习模型识别和分类红棕榈象(RPW)。论文背景: 近年来，红棕榈象在中东地区成为了全球棕榈树最危险的害虫之一，对多种棕榈树造成严重危害。，提出一种智能的红棕榈象检测技术，以解决传统方法在早期识别红棕榈象疾病方面的局限性。
2024-02-20 17:03:40
432
1
原创 毕设文献7（文献太粗糙）-野外鸟类声音的弱监督分类和检测。BirdCLEF 2021解决方案
详细的实验设置：训练集包含397种鸟类的短音频录音，而测试集包含约80个声景录音。详细的实验结果：实验结果使用“微平均F1分数”衡量，并在公共和私有排行榜上报告。通过从弱标签中学习，我们的解决方案可以在野外对细粒度的鸟类鸣叫进行分类，并对背景声音（如飞机、雨等）具有鲁棒性。来提高模型的鲁棒性和泛化能力。实验中使用的模型包括ResNeSt-50和EfficientNet-B0，将它们组合成一个集成模型可以获得最佳性能。（如站点（经度、纬度）、鸟类的稀有性和音频中其他鸟类的出现）改进了鸟类出现的预测概率的。
2024-01-22 11:35:25
450
原创 毕设文献6（Related）-无监督分类以提高鸟鸣录音数据集的质量
本研究提出了一种无监督分类方法，用于改善鸟鸣录音数据集的质量。通过引入一个新的标注函数，该方法能够减少数据集中的错误标签，并提高鸟鸣分类的性能。
2024-01-19 15:48:24
514
1
原创 毕设文献5（Irrelevant）-两阶段传感器决策：基于机器学习的鸟声识别与葡萄园保护
本文提出了一种基于云的两阶段传感器网络解决方案，用于保护农产品免受鸟类攻击。解决方案利用机器学习和深度学习进行鸟鸣识别。重点研究了保护葡萄园免受椋鸟侵害的案例。第一阶段涉及在田野中放置传感器模块，监测环境噪音，并决定是否存在关键鸟类的可能性。如果存在一定可能性，将发送声音样本到云端进行更准确的分析和分类。本文探讨了传感器合作的可能性，以节省能源和网络资源。还讨论了现有的鸟类识别应用和解决方案。
2024-01-19 15:16:05
417
1
原创 毕设文献4（Related）-Memory-Efficient Implementation of DenseNets (DenseNets的内存高效实现)
它在使用更少的参数和浮点运算的同时，实现了与残差网络（ResNets）相似的分类错误率。然而，对DenseNets的朴素实现可能导致显著的GPU内存使用量，限制了可以训练的模型的大小。作者引入的内存高效策略导致训练速度略有降低，但显著减少了DenseNets的内存消耗。b. 技术路线：作者提出了减少DenseNets在训练过程中内存消耗的策略。作者在各种深度学习框架中提供了他们的内存高效策略的实现。，将存储特征图的内存成本从二次降低到线性，从而使得在合理的GPU预算下能够训练极大的DenseNets。
2024-01-19 14:52:53
389
1
原创 毕设文献3（Related）-Deep learning bird song recognition based on MFF-ScSEnet（基于MFF-ScSEnet的深度学习鸟鸣识别）
论文的Motivation: 本研究旨在解决鸟鸣识别中信息损失和噪声干扰的问题，提出了一种基于MFF-ScSEnet的特征融合网络，通过融合不同频谱图的优势特征和引入注意力机制，提高了网络的识别性能。本研究提出了一种基于MFF-ScSEnet的深度学习鸟鸣识别方法，通过特征融合和注意力机制，解决了鸟鸣识别中信息损失和噪声干扰的问题，实现了较高的识别准确率。实验结果：提出的鸟鸣识别模型在Huabei_dataset上取得了95.9%的平均准确率，并通过引入ScSEnet注意力机制展现了改进的识别性能。
2024-01-19 13:51:36
479
1
原创 毕设文献2（Not really related）-Birdsong Detection at the Edge with Deep Learning (深度学习在边缘鸟鸣检测中的应用)
实验结果：ToucaNet在鸟类检测方面取得了最高的准确性和AUC，BarbNet是满足STM32H743ZI单元要求的唯一解决方案，其准确性和AUC与具有类似内存占用的其他解决方案相当或更高。BarbNet在STM32H743ZI上的执行时间为3.285秒，能够在获取音频信号所需时间之前完成分类。本研究提出了一种基于深度学习的鸟鸣检测算法，名为ToucaNet，通过迁移学习实现了更快的训练速度和更高的检测准确性，同时减少了计算复杂性和内存需求，为实时环境中的鸟鸣检测提供了一种高效且低成本的解决方案。
2024-01-19 08:46:37
395
1
原创 毕设文献1（Irrelevant）-Bird Song Recognition Based on Deep Transfer Learning with XGBoost
本文提出了一种基于深度迁移学习和XGBoost的鸟鸣识别方法，通过计算log-Mels的delta和delta-delta，构建了3D时频谱图，利用经过微调和重新训练的VGG16提取高级隐含特征，并使用XGBoost模型将这些特征映射到鸟类物种，实验结果表明该方法在复杂环境下取得了95.13%的准确率。
2024-01-18 10:08:55
427
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人