韩业强
- 作品数：2 被引量：3H指数：1
- 供职机构：浙江大学生物医学工程与仪器科学学院数字技术及仪器研究所更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：理学交通运输工程一般工业技术生物学更多>>
- 采用分布式并行子阵波束形成的水下三维成像被引量：2
- 2014年
- 针对水下三维声纳成像技术因计算负载过大而无法满足实时性需求的问题,提出一种频域分布式并行子阵波束形成算法.基于大规模二维方形平面换能器阵列,将全面阵分解成两级分布式子阵.所有一级子阵采用并行计算架构,同时进行并行波束形成;一级子阵和二级子阵之间采用流水线分布式计算架构,在二级子阵中计算得出波束强度值.基于Matlab软件对该算法进行仿真测试,并与传统波束形成算法相对比.综合考虑主瓣宽度、旁瓣峰值、内存需求量和计算需求量4个参数,给出最合理的子阵分解方法.结果表明:该算法可以实现水下三维声纳成像,并且符合工程实践的实时性需求.
- 韩业强田翔陈耀武
- 关键词：波束形成
- 基于概率神经网络的锋电位实时分类算法被引量：1
- 2012年
- 为了实现便携式实时处理的实用型脑-机接口(BMI),提出了一种基于概率神经网络(PNN)的锋电位信号实时分类算法,并完成了该算法基于现场可编程门阵列(FPGA)的实现.该算法通过训练数据的快速导入完成PNN的训练,再由PNN实现锋电位的分类工作.文中通过调用FPGA片上DSP48Es资源实现单精度浮点的乘加运算,采用并行流水结构加速向量间距离的计算,通过查找表和坐标旋转数字计算方法完成PNN激活函数的准确逼近.实验结果表明,在完成高达93.82%准确率的情况下,基于FPGA的PNN实现方法比基于Matlab的方法快47.43倍,达到了便携式实时处理的设计要求.
- 祝晓平韩业强郝耀耀王东陈耀武
- 关键词：脑-机接口神经网络现场可编程门阵列
