归一化积相关算法加速方法研究及FPGA实现

计算机工程与科学

归一化积相关算法加速方法研究及FPGA实现

李红军1,2,郭阳1,贾润2

（1.国防科技大学计算机学院,湖南长沙 410073;2.天津津航计算技术研究所,天津 300141）

收稿日期:2019-03-01 修回日期:2019-06-13 出版日期:2019-11-25 发布日期:2019-11-25

A hardware acceleration method for the normalized

product correlation algorithm and its FPGA implementation

LI Hong-jun1，2，GUO Yang1，JIA Run2

（1.School of Computer,National University of Defense Technology,Changsha 410073;

2.Tianjin Jinhang Institute of Computing Technology,Tianjin 300141,China）

Received:2019-03-01 Revised:2019-06-13 Online:2019-11-25 Published:2019-11-25

摘要/Abstract

摘要：

随着飞航导弹向高效打击和提升智能的方向发展，为了保证打击的精确性，对地形匹配、目标识别的实时性要求也越来越高，单靠DSP软件进行图像处理的做法已经难以满足要求。根据FPGA实现数学运算的特点，提出了归一化积相关算法公式的化简方法，具有精度高、速度快的特点，并设计了积相关硬件加速电路单元架构和积相关多路并行计算架构，通过在FPGA上进行实现验证，能够满足新一代飞航导弹地形匹配及目标识别的实时性要求。

关键词: 归一化积相关算法, 并行计算, 硬件加速

Abstract:

With the trend that cruise missiles aim at high efficient attack and intelligent enhancement, only using DSP software to process images cannot satisfy the higher real-time requirements for terrain matching and target recognition. Therefore, according to the advantage of FPGA implementation on computation accelerating, this paper proposes a simplification method for the normalized product correlation algorithm formula, which has the characteristics of high precision and high speed, and designs the product correlation’s hardware acceleration unit and multi-channel parallel computing architecture. FPGA implementation verifies that the proposal can satisfy the real-time requirements for terrain matching and target recognition of the new generation of cruise missiles.

Key words: normalized product correlation, parallel computing, hardware acceleration

李红军, 郭阳, 贾润. 归一化积相关算法加速方法研究及FPGA实现[J]. 计算机工程与科学.

LI Hong-jun, GUO Yang, JIA Run.

A hardware acceleration method for the normalized

product correlation algorithm and its FPGA implementation

[J]. Computer Engineering & Science.

[1]	秦文强, 吴仲城, 张俊, 李芳, . 基于异构平台的卷积神经网络加速系统设计[J]. 计算机工程与科学, 2024, 46(01): 12-20.
[2]	周理, 赵祉乔, 潘国腾, 铁俊波, 赵王. 基于RISC-V的图卷积神经网络加速器设计[J]. 计算机工程与科学, 2023, 45(12): 2113-2120.
[3]	吴超, 卫谦, 周俊伟, 李会民, 孙广中. 基于异构计算平台的背景噪声预处理并行算法[J]. 计算机工程与科学, 2023, 45(10): 1711-1719.
[4]	王鑫, 彭健. 基于HYB格式SpMV在新一代申威架构上的实现与优化[J]. 计算机工程与科学, 2023, 45(10): 1754-1762.
[5]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[6]	王玉雷, 谢凯亮, 陈思贇, 胡杰, 常胜. 卷积神经网络硬件加速的通用性设计[J]. 计算机工程与科学, 2023, 45(04): 577-581.
[7]	臧照虎, 李晨, 王耀华, 陈小文, 郭阳. 面向众核系统的层次化栅栏同步机制[J]. 计算机工程与科学, 2022, 44(11): 1901-1908.
[8]	张勇, 张曦, 万云博, 何先耀, 赵钟, 卢宇彤. 非结构有限体积CFD计算的网格重排序优化[J]. 计算机工程与科学, 2022, 44(10): 1721-1729.
[9]	陈浩敏, 姚森敬, 席禹, 张凡, 辛文成, 王龙海, 任超. YOLOv3-tiny的硬件加速设计及FPGA实现[J]. 计算机工程与科学, 2021, 43(12): 2139-2149.
[10]	范培勤, 过武宏, 韩梅, 唐帅, 张驰, . 水声环境特征参数并行预报方法研究[J]. 计算机工程与科学, 2021, 43(11): 1920-1925.
[11]	龚昊, 刘莹, 冯建周, 赵仁良, 冷佳旭, . 基于GPU加速的脉冲多普勒雷达信号处理[J]. 计算机工程与科学, 2021, 43(07): 1141-1149.
[12]	焦育威, 王鹏, 辛罡, . 基于采样尺度自适应的多尺度量子谐振子优化算法并行化[J]. 计算机工程与科学, 2021, 43(07): 1200-1209.
[13]	俞茂学, 贾东宁, 魏志强, 许佳立, 马广浩. 一种基于国产异构众核处理器的C++智能源码转换框架[J]. 计算机工程与科学, 2021, 43(06): 997-1005.
[14]	丁哲昭, 储根深, 胡长军, 李扬. 基于申威众核处理器的圣维南求解程序的并行与优化[J]. 计算机工程与科学, 2021, 43(05): 820-829.
[15]	萧嘉乐, 梁东宝, 陈弟虎, 粟涛. 基于FPGA的高效可伸缩的MobileNet加速器实现[J]. 计算机工程与科学, 2021, 43(04): 628-633.