【摘 要】
：
为了克服高精度浮点FFT处理器具有较大资源开销的设计瓶颈,采用基于单口存储器的FIFO构建共享蝶形结构的R2/22SDF流水可配置结构.采用适合浮点设计的基2/22算法实现流水结构,
【机 构】
：
华中科技大学图像识别与人工智能研究所多谱信息处理技术国家级重点实验室
【基金项目】
：
国家自然科学基金项目（60736010）
论文部分内容阅读
为了克服高精度浮点FFT处理器具有较大资源开销的设计瓶颈,采用基于单口存储器的FIFO构建共享蝶形结构的R2/22SDF流水可配置结构.采用适合浮点设计的基2/22算法实现流水结构,不仅有利于可配置电路的实现,还能够有效减少复数乘法次数,提高复数乘法器的计算效率.采用双倍数据位宽的单口存储器实现FIFO存储器,有效避免了双口存储器面积和功耗较大的问题.改进的蝶形共享结构实现两级蝶形的合并,解决了单路径延迟反馈流水线结构蝶形单元利用率低的问题.与传统流水线结构FFT处理器设计相比,有效降低了浮点设计中的资源
其他文献
设计出一种可应用于RFID系统，同时工作在915MHz和2．45GHz的双频段低噪声放大器．该设计以最大程度降低噪声为目标，采用并联LC网络替代传统单一高感值电感，并引入电流复用技术，最终实
美丽的鹏城，秋风送爽，花团锦簇，以“促进国际创新合作，加快发展方式转变”为主题的第十三届高交会已圆满落下帷幕。 本届高交会取得了令人瞩目的成果，参展国家和地区数、参观人数、专业客户人气指数等都较去年高交会有所增加。其中参观人数共计53.6万人次，专业客户人气指数达225.0，比去年增长了5.7，交易额更是创下新高。 在第十三届高交会渐行渐远间，本刊记者带大家再回首展会的部分精彩看点。 现
针对关联规则中Apriori算法的不足之处，提出两种基于压缩矩阵方式的Apriori改进算法．改进算法充分利用矩阵并对其进行压缩，以大幅度减少扫描数据库的次数，并提高频繁项集的生成效
提出了一种用于训练粗糙RBF神经网络（rough RBF neural networks,R-RBF）的极速学习机（extreme learning machine,ELM）方法,通过引入矩阵的Moore-Penrose逆,将传统的迭代学习方法