.png){kind=icon}
返回
A Lightweight Waveform Recognition Algorithm Based on Differential Features and Its FPGA Implementation
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15174044.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于一阶和二阶微分特征的轻量级波形识别方法，结合决策树和随机森林分类器，在嵌入式传感、信号测试和硬件测量系统中具有重要应用，特别是在严格的计算、内存和功耗约束下。为解决此问题，本文提出一种方法，将采样波形转化为微分域的符号统计特征，通过计数、比较和逻辑决策操作进行分类，从而避免复杂的卷积、浮点运算和大参数存储。首先分析了典型波形在微分统计下的可分性，并研究了噪声对分类误差的影响。在此基础上，构建了针对正弦、方波、三角波、上升锯齿波和下降锯齿波五种常见波形的分层识别框架。模型在PC平台训练后，使用Verilog在FPGA上实现。实验结果表明，随机森林准确率达99.7%，决策树为98.6%。在xc7a35tfgg484-2 FPGA上，两种模型均不消耗DSP和BRAM资源，随机森林使用1854个LUT和352个FF，决策树仅使用239个LUT和242个FF。这些结果证明该方法在识别精度与硬件成本间取得了良好平衡，因此特别适用于资源受限FPGA平台上的实时波形识别。
Keyword:
waveform recognition
FPGA
decision tree
random forest
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架
OAAI
OAAI分享收藏Low-Power FPGA Implementation of Convolution Neural Network Accelerator for Pulse Waveform Classification低功耗FPGA实现用于脉冲波形分类的卷积神经网络加速器.png)
AlgorithmsOAAI
AlgorithmsIF0
OAAI分享收藏Dynamic FPGA reconfiguration for scalable embedded artificial intelligence (AI): A co-design methodology for convolutional neural networks (CNN) acceleration可扩展嵌入式人工智能（AI）的动态FPGA重构：一种用于卷积神经网络（CNN）加速的协同设计方法OAAI
OAAI分享收藏A Satellite Full-Waveform Laser Decomposition Method for Forested Areas Based on Hidden Peak Detection and Adaptive Genetic Optimization基于隐藏峰值检测和自适应遗传优化的森林区域卫星全波形激光分解方法REMOTE SENSINGOAAI
REMOTE SENSINGIF4.1
OAAI分享收藏Application of machine-vision-driven physics-informed neural networks in pantograph-catenary system state detection严等. 机器视觉驱动的物理信息神经网络在受电弓-接触网系统状态检测中的应用. 机械系统与信号处理, 2026, 257, 114577. [Google Scholar] [CrossRef]
PREAI
分享收藏Optimization Strategies and Algorithms for Accelerating CNN on FPGA: A Comprehensive ReviewFPGA上加速CNN的优化策略与算法：综合评述
PREAI
分享收藏
查看更多内容