The present invention provides a method for accelerating Zynq series FPGA D algorithm based on S evidence theory, involving target recognition, fault diagnosis, medical image processing, the identification framework of the power set use judge code encoding, realize the combination rules of evidence theory, and the simulation, finally using D S evidence theory the calculated results and the calculation of the time series, Zynq FPGA adopted by the invention is a combination of ARM and FPGA, and have rich internal resources and external interface, has the advantages of high performance, flexible, low power consumption, the judge code, is a good solution to the implementation of D S evidence theory a large number of intersection, and compared to the traditional use of string has the advantages of fast speed, small capacity storage advantages, greatly shorten the development cycle, and has very Good portability.
【技术实现步骤摘要】
一种基于Zynq系列FPGA的D-S证据理论算法加速方法
本专利技术涉及目标识别、故障诊断、医学图像处理领域,尤其是一种D-S证据理论算法加速的方法。
技术介绍
信息融合技术是协同利用多源信息,以获得对事物或目标更客观、更本质认识的信息综合处理技术,是智能科学研究的关键技术之一,在诸多的融合模型和方法中,D-S证据理论算法是最为有效的算法之一。证据理论把概率论中的基本事件空间拓宽为基本事件的幂集,又称为辨识框架,在辨识框架上建立了基本概率分配函数(BasicProbabilityAssignment,BPA)。此外,证据理论还提供了一个Dempster组合规则,该规则可以在没有先验信息的情况下实现证据的融合。特别地,当BPA只在辨识框架的单子集命题上进行分配时,BPA就转换为概率论中的概率,而组合规则的融合结果与概率论中的Bayes公式相同。从这个角度来看,DS证据理论能够比概率论更有效地表示和处理不确定信息,这些特点使其在信息融合领域得到了广泛的应用。正是由于DS证据理论在不确定知识表示方面具有优良的性能,所以近几年其理论和应用发展较快,该理论在多传感器信息融合、医学诊断、军事指挥、目标识别方面发挥了重要作用。证据理论虽然有诸多优点,但是也存在着一些问题有待解决,这些关键问题在很大程度上制约了它的应用推广。其中之一是基于证据理论的系统计算复杂度随着辨识框架中单子集命题数目的增长呈指数增长,使用传统的计算机则需要大量时间进行运算,无法应用到某些实时性要求较高的应用系统。针对这一问题,有研究者提出使用近似算法进行计算的加速,例如YiYang在期刊PLOSON ...
【技术保护点】
一种基于Zynq系列FPGA的D‑S证据理论算法加速方法,其特征在于包括下述步骤:步骤一:输入两组待融合基本概率分配函数m
【技术特征摘要】
1.一种基于Zynq系列FPGA的D-S证据理论算法加速方法,其特征在于包括下述步骤:步骤一:输入两组待融合基本概率分配函数m1和m2,根据输入的基本概率分配函数m1和m2确定FPGA实现的D-S证据理论辨识框架大小N,所述辨识框架在证据理论中被定义为Θ={θ1,θ2,…,θN},所述基本概率分配函数在证据理论中被定义为对任意一个属于Θ的子集A,m(A)∈[0,1],且满足则m为2Θ上的基本概率分配函数,其中2Θ为辨识框架的幂集,步骤二:将辨识框架的幂集2Θ使用相交判断码进行编码,所述的使用相交判断码进行编码的方法为:每个幂集中的元素使用N位的二进制编码表示,N值大小在步骤一中已确定,所有单子集元素{θi}(i∈[1,N])用N位相交判断码表示时,从右向左第i位为1其余均为0,其中所述的单子集元素{θi}指的是步骤一中当且仅当子集A包含辨识框架Θ中的第i(i∈[1,N])个元素,所有多子集元素的对应编码必须表示为各自所包含单子集元素编码相加,所述多子集元素指的是步骤一中子集A包含辨识框架Θ中两个以上元素;步骤三:使用Zynq系列FPGA供应商Xilinx公司的VivadoHLS软件实现证据理论的组合规则,所述的证据理论的组合规则为:其中m1,m2为步骤一中输入的两组基本概率分配函数m1和m2,K为两组基本概率分配函数的冲突因子,在组合规则的实现过程中两组证据的相交判断使用步骤二中的相交判断编码,若两元素B、C相交为空,则对应相交判断码做交运算结果为0,若辨识框架两元素B、C相交不为空且等于A,则相交判断编码做交运算结果等于A对应的相交判断码;步骤四:使用VivadoHLS软件将步骤二中实现的组合规则进行优化,优化步骤如下:1.将循环中的操作...
【专利技术属性】
技术研发人员:蒋雯,寿业航,杨田,武冬,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。