一种用于水下目标识别的硬件加速方法技术

本申请提供一种用于水下目标识别的硬件加速方法，包括：获取样本集，所述样本集包括：辐射噪声DEMON谱和与所述辐射噪声DEMON谱对应的水下目标种类；构建1D

【技术实现步骤摘要】
一种用于水下目标识别的硬件加速方法


[0001]本公开一般涉及水下目标识别
，具体涉及一种用于水下目标识别的硬件加速方法。

技术介绍

[0002]通过声呐准确、快速地识别目标并进行判断是现代化海底探测所要求的效果。一直以来，水下目标的识别主要依靠声呐人员来完成，他们通过在极低的信噪比环境下对水中目标不间断的监听来获取舰船辐射噪声的节奏、起伏和音色等，并结合谱图来判断目标的类型。
[0003]随着新型低噪声潜艇的出现，这些广泛应用于被动探测的特征也被设计者刻意降低，使其可探测性下降，在这种情况下要靠声呐兵进行听音判断，无疑会加剧他们的工作负荷和任务难度，并且过度依赖人的主观意识和经验积累可能会对目标造成误判和漏判。随着自动化技术的深入发展，研制一种能够对水下目标辐射噪声进行自动分类、识别的声呐设备，成为一项迫切需求。
[0004]神经网络作为当下最流行的深度学习模型在水声识别领域得到了国内外学者的高度重视。水声目标自动识别可以借助神经网络算法，通过对传统方法的改进从而不断优化分类判决机制，进而研发出一种能够适用于真实环境的智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于水下目标识别的硬件加速方法，其特征在于，包括:获取样本集，所述样本集包括：辐射噪声DEMON谱和与所述辐射噪声DEMON谱对应的水下目标种类；构建1D
‑
CNN模型，以所述辐射噪声DEMON谱作为输入，以所述水下目标种类作为结果，对所述1D
‑
CNN模型进行训练，得到水下目标识别模型；利用代码描述所述水下目标识别模型的前向传播运算过程，得到前向传播运算代码；将所述前向传播运算代码封装成IP核；对所述IP核进行基于硬件层面的加速，获得优化IP核。2.根据权利要求1所述的一种用于水下目标识别的硬件加速方法，其特征在于，所述水下目标识别模型包括：第一卷积层、第二卷积层、第一池化层、第二池化层、平坦层和全连接层；所述全连接层包括多个隐蔽层；所述第一卷积层包括：4个长度为5的卷积核；所述第二卷积层包括：5个长度为3的卷积核；所述第一池化层和所述第二池化层的降采样倍数均为4；所述水下目标识别模型的前向传播运算过程包括：将所述DEMON谱输入到所述第一卷积层，经过卷积运算后输出4个2048个数据点的第一特征向量；所述DEMON谱为具有2048个数据点的一维频谱；将所述第一特征向量输入所述第一池化层，经过4倍降采样后输出4个512个数据点的第二特征向量；将所述第二特征向量输入所述第二卷积层，经过4倍降采样后输出4个128个数据点的第三特征向量；将所述第三特征向量输入所述第二池化层，经过4倍降采样后输出4个32个数据点的第四特征向量；将所述第四特征向量输入平坦层，再将经过所述平坦层计算的结果输入全连接层，经过softmax函数输出水下目标种类的识别结果。3.根据权利要求2所述的一种用于水下目标识别的硬件加速方法，其特征在于，将所述前向传播运算代码封装成IP核的加工工具为Vivado HLS高层次综合工具；所述IP核包括：输入接口定义、输出接口定义、数据存储方式和顶层函数设计；所述输入接口、输出接口均采用AXI总线，其协议为AXI4，接口为AXI
‑
HP。4.根据权利要求3所述的一种用于水下目标识别的硬件加速方法，其特征在于，所述优化IP核的运算过程包括：启动所述优化IP核后，将神经网络各层的权重和偏置参数加载到BRAM中；利用所述顶层函数的输入接口通过AXI总线以突发式读写的方式读入到所述第一卷积层的输入端；经过前向传播运算后将所述隐蔽层的输出结果利用突发式读写的方式写入到ARM端，完成一次分类识别过程。5.根据权利要求3所述的一种用于水下目标识别的硬件加速方法，其特征在于，对所述IP核进行基于硬件层面的加速的工具为Vivado HLS高层次综合工具；通过Vivado HLS高层次综合工具对所述IP核进行基于硬件层面的加速方法包括：数据类型量化、循环展开和循环分块。
6.根据权利要求5所述的一种用于水下目标识别的硬件加速方法，其特征在于，所述水下目标识别模型的数据类型为：10位数据位宽，5位整数部分，5位小数部分，四舍五入的量化模式；取到剩余...

【专利技术属性】
技术研发人员：赵旭琛，
申请(专利权)人：天津津航计算技术研究所，
类型：发明
国别省市：