基于DSP的時頻圖像微弱信號識別系統設計

魏萌 呂廷勤

摘 ?要： 為了有效提高對時頻圖像微弱信號的識別精確度，基于DSP設計時頻圖像微弱信號的識別系統。提出當前微弱信號圖像識別系統的整體結構框架，包括DSP和FPGA之間的接口硬件設計模式，確定當前時頻圖像的輸入接口設計方案。利用相機積分成像，輸出圖像數據，以有效信號作為控制信號，對當前圖像數據信號進行處理并發送DSP，由DSP完成當前信號數據連通性分析，實現當前微弱信號識別。實驗數據證明，應用基于DSP時頻微弱信號處理系統后，節點信號識別率提高22%，邊際信號識別率提高27%，可以有效提高識別精度。

關鍵詞： 系統設計; 微弱信號識別; DSP; 接口設計; 圖像數據輸出; 數據信號處理

中圖分類號： TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）01?0059?04

Design of DSP?based weak signal recognition system for time?frequency image

WEI Meng， L? Tingqin

Abstract： A DSP?based weak signal recognition system for time?frequency image was designed to improve the recognition accuracy of weak signal for time?frequency image. The overall framework of the current weak signal recognition system for image is proposed， including the hardware design mode of interface between DSP and FPGA. In the recognition system， the input interface design scheme for the current time?frequency image is determined. The camera integral imaging is adopted to output the image data and the effective signal is taken as the control signal to process the current image data signal and sent it to DSP， then the connectivity analysis on the current signal data is completed with DSP to realize the recognition of current weak signal. The experimental data show that after the application of time?frequency weak signal processing system based on DSP， the node signal recognition rate is increased by 22% and the marginal signal recognition rate is increased by 27%， which means that the proposed signal recognition system can effectively improve the recognition accuracy.

Keywords： system design; weak signal recognition; DSP; interface design; image data output; data signal processing

0 ?引 ?言

隨著現代電子計算機技術的飛速發展，當前數據圖像處理技術在諸多領域如機器人視覺、資源探究、天氣預報處理、醫學圖像分析等各個方面均取得了較為廣泛的應用。尤其在現代電子信息時頻圖像處理識別領域，其應用最為廣泛。以上各個應用對信息的實時跟蹤性識別精度均具有極高的圖像信號識別要求[1]。從目前的技術特征來看，大多數時頻圖像信號識別系統一般均需要計算機終端完成，所以其系統必須快速準確地采集到圖像信息，再將其傳遞到數據PC端，進行同步信號分析。但是這種方式整體效果并不理想，尤其是識別過程中一旦出現時頻微弱信號，很難做到及時有效的識別。數字信號處理技術（DSP）的興起為當前時頻圖像微弱信號的識別提供了技術依據。隨著DSP單芯片處理能力的不斷提高，以DSP為基礎的微弱時頻圖像信號處理成為可能。通過設置獨立的系統識別總線、系統程序總線、信號乘法器硬件、多線路流水線等，可以靈活處理多項時頻圖像信號算法。從專用性和結構性來說，目前大多數DSP圖像處理技術均需要SRAM數據交換，必要時會利用“乒乓”的方式完成數據連接，其識別系統一般需要多項硬件電路和獨立的SRAM分別進行時頻圖像的讀寫操作。

為了實現更高精度的時頻圖像微弱信號識別，設計了一套基于DSP的時頻圖像微弱信號識別系統，該系統利用DSP數據并行處理控制能力，可以更高效地完成時頻圖像的識別，從整體上來看，該系統具有多項優勢，具有較高的應用價值[2]。

1 ?時頻圖像微弱信號處理系統設計

設計的基于DSP時頻圖像微弱信號識別系統，整體以DSP處理器作為圖像轉換芯片，FPGA作為信息接口，負責數據的聯通。系統核心處理器選擇美國SAN1公司生產的定點式DSP數據處理器，其處理速度超過100 MHz。其主要特點包括總線數據結構終端響應速度較快，具有多線性程序地址和當前數據地址[3]。

DSP處理器可以看作是當前時頻圖像信號終端，設計選擇MAX1852作為整個系統的看門狗芯片。當系統程序出現異常時，利用DSP重新復位并運行。設計采用Xilinx公司出產的S系列芯片作為外部數據處理芯片。該芯片擁有超過400 KB的數據門，其邏輯單元超過8 MB，支持32位×28位內部數據資源。一般情況下系統可以支持LUT門總數量為7 185個，邏輯資源區為3 758個。系統FPGA可以完成時頻圖像的邏輯處理工作。系統采用National半導體公司出產的DS90C899芯片作為圖像解碼芯片，系統核心組成框圖如圖1所示。

1.1 ?DSP和FPGA連通電路

時頻圖像微弱信號識別系統的硬件部分主要包括DSP處理器、FPGA數據接口部分以及系統時頻圖像的外部連通接口電路[4]。

DSP和FPGA之間，設計采用總擴線的方式進行數據聯通，將FPGA作為數據接口，接口連通內容包括數據地址總線路（15～0）、數據總線路（14～0）時頻圖像片選信號、DSP讀寫信號、外部請求信號、外部準備后續信號、系統連接中斷控制信號，二者的連接原理框圖如圖2所示。

DSP數據訪問主要利用FPGA內的數據采集模式，具體策略為在FPGA內部設置單項IP，建立不同的FIFO。DSP利用當前系統總線直接對其進行定位[5]。因為系統內的異步FIFP控制信號可以有效調節時鐘數據，包括系統時鐘的讀取、復位、寫入、輸出和有效域建立等[6]。

為了減少系統運行時的數據故障，設計系統利用MAX作為系統的輸出看門狗，其原理如圖3所示。

1.2 ?時頻圖像輸入接口設計

輸入接口芯片選擇美國National半導體公司出產的DS芯片，該芯片可以直接拆分時頻圖像信號之間的TTL數據轉換模板。該芯片可以直接觸發發送信號，完成信號聯通，其圖像輸入接口的原理如圖4所示[7]。

1.3 ?時頻信號處理

設計的基于DSP的時頻圖像微弱信號識別系統主要依靠時頻圖像控制信號進行信號識別。當在場信號真實有效時，FPGA會進行當前時頻圖像的預處理工作，并將當前有效信號數據及時發送給DSP。DSP可以進行連續性的分析識別工作，再將分析控制結構發送給當前控制系統中樞。系統接電后，從當前FLASH中可以裝載當前DSP數據到執行緩存中，裝載完畢后，利用DSP進行數據調頻，并啟用數據RAM代碼[8]。

時頻信號識別系統搭配外部執行識別相機，相機處于外部執行模式，模式信號一般為7 s兆寬的執行低壓有效信號。當系統處于低電狀態時，相機開始進行積分分項統計。統計結束后，數據開始執行輸出參數升級，并輸出圖像數據。具體參數如表1所示[9]。

因為FPGA需要完成當前時頻圖像的二值化處理，將處理結果向上傳遞。為了完成這一工作，FPGA首先需要統計當前圖像閾值，當信號有效時，繼續對圖像信號進行累積，當信號微弱或者信號無效時，可以將累積結果進行左向遷移。此外，還需要對當前二值化數據進行統計判斷，其公式為：

[x（t）=i=1nci（t）rn（t）] （1）

式中：[ci]表示當前時頻圖像幀數;[rn]表示當前時頻圖像的控標值。根據式（1）求取的判定系數，可以與閾值進行比較。大于閾值的圖像需要寫入統計FIF（）中，數據的橫縱坐標和灰度值需要分別寫入不同的FIF（）;如果小于閾值，可以不用特殊處理，采用并行機制完成數據運算[10]。

1.4 ?時頻圖像信號識別的實現

DSP程序需要與上述FPGA程序完美兼容，才能實現對當前時頻圖像微弱信號的識別。首先對DSP進行初始化，并執行參數設置，配置系統時鐘，包括SPI外部時間信息[11]。當DSP進入主循環程序時，對當前時頻微弱信號進行場外判斷，如果第一次進入DSP有效，則標注效果標志，反之，則發送到上線通信系統，并消除圖像數據標志。然后進行FIF（）空標判定，當FIF（）屬于不空狀態時，此時的有效圖像進行橫縱坐標和灰度值的采集，反之，則表示不需要利用DSP進行數據處理[12?13]。以DSP循環的形式進行空標信號判定，其主程序流程如圖5所示。

2 ?實驗數據分析

此次設計的基于DSP的時頻圖像微弱信號主要在繼承環境下開發，實驗選用XD510仿真模擬其，在PC端上載入時頻圖像信號，調試程序后，執行系統出發模式。系統在外部觸發模式下，提供10 Hz寬度為低電平的直序信號，相機收到信號后，會對當前時頻標記成像，通過Camera Link 進行系統接口的發送。包括設計功能代碼及標記代碼等。此次實驗選擇TCL影像識別系統作為對比系統，分別針對節點信號和邊際信號作為實驗對象執行對比，以下為具體實驗過程。當前實驗測試的軟件測試環境見表2。

2.1 ?節點信號識別度對比

節點信號是當前時頻圖像各鏈路節點的交叉處信號，通過節點信號可以完成當前時頻圖像的底板梳理。實驗在仿真環境下進行無規則節點信號的輸入和輸出，對比實驗中兩個系統的節點信號識別度，其結果如圖6所示。

由圖6可以看出，隨著信號幀度的不斷提高，節點信號的識別度均出現明顯下降趨勢，且整體以循環形式進行。根據數據對比結果可以確定，設計的基于DSP時頻圖像微弱信號識別系統對于節點信號的識別度明顯高于傳統TCL系統，整體提升比例超過22%。

2.2 ?邊界信號識別度對比

邊界信號是時頻圖像最難識別的信號之一，可以劃定當前時頻圖像的結構范圍，實驗針對邊界信號進行輸入和輸出，并進行邊界信號識別，其結果如圖7所示。

圖7中顯示了邊界信號的對比程度。經過數據對比可以看出，傳統TCL識別系統的識別效果依舊低于設計的基于DSP的微弱信號識別系統。經過數據對比可以判定，二者相差比例超過27%。

3 ?結 ?語

針對當前時頻圖像信號識別問題，設計提出了基于DSP的時頻圖像微弱信號識別系統。詳細闡述了其軟件和硬件部分的設計過程，包括連線電路和識別流程等，通過實驗對比可以判定，該設計系統具有更高的識別率，對于微弱信號的識別效果更優。

參考文獻

[1] 蘇慶列，王麟珠.基于DSP和Retinex圖像增強算法的汽車自動檢測行人系統設計[J].蘭州工業學院學報，2018，25（6）：56?60.

[2] 趙大偉.基于DSP的微機械材料力學性能測控系統的設計[J].冶金與材料，2018，38（6）：70.

[3] 林坤.基于DSP的航空儀表信號模擬器設計研究[J].電子設計工程，2018，26（23）：67?70.

[4] 張治安，張旭東，張駿.基于稀疏聯結卷積遞歸神經網絡的RGB?D圖像識別算法[J].合肥工業大學學報（自然科學版），2018，41（5）：12?18.

[5] 楊小奇，萬建軍，劉文江.一種基于先進時空域去噪算法的視頻圖像處理芯片設計[J].集成電路應用，2018，35（5）：33?36.

[6] 龍滿生，歐陽春娟，劉歡，等.基于卷積神經網絡與遷移學習的油茶病害圖像識別[J].農業工程學報，2018，34（18）：202?209.

[7] 趙峰濤.基于視覺的圖書館在架錯序圖書自動識別技術應用研究[J].電子設計工程，2018，26（22）：153?156.

[8] 羅伊杭，羅詩光，潘與維，等.一種基于TuriCreate和OpenCV的實時圖像識別系統設計[J].電子測試，2018（10）：14?16.

[9] 劉明峰，劉孫俊，郭順森，等.基于DBN圖像識別的機房巡檢系統設計研究[J].測控技術，2018，37（11）：51?55.

[10] 孫雷，孫慶蘇.基于VC的太陽光斑圖像識別跟蹤系統設計與實現[J].軟件導刊，2018（2）：205?207.

[11] 周航，史治宇.基于改進MODWPT時頻分解的時變系統參數識別[J].低溫建筑技術，2018，40（3）：43?47.

[12] 岳應娟，王旭，蔡艷平，等.基于時頻圖像特征約簡的柴油機故障特征提取新方法[J].汽車工程，2018，40（1）：114?120.

[13] 阮遠忠，喻金華，肖鐵軍.基于ZYNQ?7000的視頻圖像處理系統設計與實現[J].軟件導刊，2018，17（9）：152?156.

作者簡介：魏 ?萌（1981—），女，河南新鄉人，碩士，講師，研究方向為計算機應用、教育信息化。

呂廷勤（1972—），女，河南柘城人，碩士，講師，研究方向為計算機應用、數據挖掘。