一种基于嵌入式GPU的数字信号处理系统及方法技术方案

一种基于嵌入式GPU的数字信号处理系统及方法，涉及信号处理领域。传感器的数据上传至大规模现场可编程逻辑阵列，大规模现场可编程逻辑阵列采集和整理传感器上传的数据并发送至嵌入式GPU，嵌入式GPU接收数据并对数据进行深入处理，经嵌入式GPU处理后的结果通过对外接口传输至其他系统，并通过片上存储器存储处理结果；电源转换模块接入标准电源后转换成各个模块需要的电源。本发明专利技术提高了数据处理性能和效率，降低了系统体积和功耗，提高了人机交互友好性和系统可靠性，并兼容深度学习网络结构框架，可实现基于卷积神经网络的大数据处理、感兴趣数据提取和挖掘以及海量数据搜索等功能。功能。功能。

【技术实现步骤摘要】
一种基于嵌入式GPU的数字信号处理系统及方法


[0001]本专利技术涉及信号处理
，具体涉及一种基于嵌入式GPU的数字信号处理系统及方法。

技术介绍

[0002]目前，现有嵌入式数字信号处理方法通常采用大规模现场可编程逻辑阵列和数字信号处理器相结合的形式，提高了信号处理能力，降低了系统体积和功耗，提高了系统可靠性。随着大数据时代的到来，影音数据、雷达数据等各传感器数据量剧增，对嵌入式处理器的处理能力的要求也越来越高。而现有基于大规模现场可编程逻辑阵列和数字信号处理器的嵌入式数字信号处理方法主要弊端在于人机接口欠丰富、并行多线程处理时调试复杂、处理平台与通用计算机平台差异性大，导致了平台的开发复杂度高、开发周期长、显示和交互灵活性欠佳，已无法满足越来越高的信号处理要求。
[0003]随着边缘计算技术的发展，GPU(图形处理器)成为了信号处理中最为常见的方式之一，尤其在图像处理和网络数据处理领域，图像分辨率越来越高，数据量越来越大，嵌入式处理器的处理压力也越来越大。嵌入式GPU近几年发展迅速，以英伟达为首的一众公司在该领域投入了大量的精力，研制了多款产品，面向汽车电子和工业应用等领域。然而，对于一些大容量数据处理领域，GPU的标准模式无法满足高速、大容量数据的输入。

技术实现思路

[0004]本专利技术的目的是提供一种基于嵌入式GPU的数字信号处理系统及方法，以现有嵌入式数字信号处理方法存在交互性差、接口灵活性差的问题。
[0005]本专利技术为解决技术问题所采用的技术方案如下：r/>[0006]本专利技术的一种基于嵌入式GPU的数字信号处理系统，包括：传感器、大规模现场可编程逻辑阵列、片上存储器、嵌入式GPU、电源转换模块和对外接口；所述传感器的数据上传至大规模现场可编程逻辑阵列，所述大规模现场可编程逻辑阵列采集和整理传感器上传的数据并发送至嵌入式GPU，所述嵌入式GPU接收数据并对数据进行深入处理，经嵌入式GPU处理后的结果通过对外接口传输至其他系统，并通过片上存储器存储处理结果；所述电源转换模块接入标准电源后转换成各个模块需要的电源，为各个模块供电。
[0007]进一步的，所述传感器为图像传感器或雷达传感器。
[0008]进一步的，所述传感器的数据通过USB、Cameralink、LVDS或者千兆网接口上传至大规模现场可编程逻辑阵列。
[0009]进一步的，所述大规模现场可编程逻辑阵列对数据进行缓存和预先处理工作。
[0010]进一步的，所述深入处理包括：大量数据的重组、感兴趣数据的挖掘、大量数据的计算和基于深度学习的数据处理工作。
[0011]进一步的，所述大规模现场可编程逻辑阵列通过高速的mPCIE接口或M.2接口将数据发送至嵌入式GPU。
[0012]进一步的，所述嵌入式GPU端加载开放式操作系统。
[0013]本专利技术的一种基于嵌入式GPU的数字信号处理方法，采用所述的一种基于嵌入式GPU的数字信号处理系统实现，该方法包括以下步骤：
[0014]所述大规模现场可编程逻辑阵列通过USB、Cameralink、LVDS或千兆网接口接入传感器的数据，所述大规模现场可编程逻辑阵列采集和整理传感器上传的数据并通过高速的mPCIE接口或M.2接口发送至嵌入式GPU，所述嵌入式GPU接收数据并对数据进行大量数据的重组、感兴趣数据的挖掘、大量数据的计算或基于深度学习的数据处理工作，经嵌入式GPU处理后的结果通过对外接口传输至其他系统，并通过片上存储器存储处理结果；所述电源转换模块接入标准电源后转换成各个模块需要的电源，为各个模块供电。
[0015]本专利技术的有益效果是：
[0016]本专利技术的一种基于嵌入式GPU的数字信号处理系统及方法，具备多类型异构传感器大数据处理能力，可完成多路图像数据、传感器数据、雷达数据、遥感遥测数据等同时实时或准实时处理，满足机载、车载、便携式等移动设备的使用条件要求。
[0017]本专利技术的一种基于嵌入式GPU的数字信号处理系统及方法，与现有嵌入式数字信号处理方法，提高了数据处理性能和效率，降低了系统体积和功耗，提高了人机交互友好性和系统可靠性，并兼容深度学习网络结构框架，可实现基于卷积神经网络的大数据处理、感兴趣数据提取和挖掘以及海量数据搜索等功能，且具有卷积神经网络优化能力，适用于人工智能算法的移植。
附图说明
[0018]图1为本专利技术的一种基于嵌入式GPU的数字信号处理系统的结构框图。
[0019]图中：1、传感器；2、大规模现场可编程逻辑阵列；3、片上存储器；4、嵌入式GPU；5、电源转换模块；6、对外接口。
具体实施方式
[0020]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]参见图1进行说明，本专利技术的一种基于嵌入式GPU的数字信号处理系统，主要包括：传感器1、大规模现场可编程逻辑阵列2、片上存储器3、嵌入式GPU 4、电源转换模块5和对外接口6。
[0022]本专利技术的一种基于嵌入式GPU的数字信号处理系统，其基本原理是通过大规模现场可编程逻辑阵列2完成大量数据采集、调度和缓存，并通过高速接口(mPCIE接口或M.2接口)传输给嵌入式GPU 4，并由嵌入式GPU 4完成数据的处理，包括大量数据的重组、感兴趣数据的挖掘、大量数据的计算以及基于深度学习的数据处理工作。本专利技术基于大规模现场可编程逻辑阵列2和嵌入式GPU 4的架构，具有接口数据速率高、处理能力强、可视化好、结构紧凑可靠等特点，可应对大数据量的环境。
[0023]其中，所说的传感器1与大规模现场可编程逻辑阵列2相连，大规模现场可编程逻
辑阵列2与嵌入式GPU 4通过mPCIE接口或M.2接口相连，嵌入式GPU 4分别与片上存储器3和对外接口6相连；电源转换模块5分别与传感器1、大规模现场可编程逻辑阵列2、片上存储器3、嵌入式GPU 4和对外接口6相连。
[0024]传感器1的数据通过USB、Cameralink、LVDS或者千兆网接口上传至大规模现场可编程逻辑阵列2，大规模现场可编程逻辑阵列2采集和整理传感器1上传的数据，必要时对数据进行缓存和预先处理工作；再通过高速的mPCIE接口或M.2接口发送至嵌入式GPU 4，嵌入式GPU 4接收数据并对数据进行深入处理，深入处理主要包括大量数据的重组、感兴趣数据的挖掘、大量数据的计算以及基于深度学习的数据处理工作；经过嵌入式GPU 4处理后的结果通过对外接口6传输至其他系统，并通过片上存储器3存储处理结果。
[0025]本专利技术的一种基于嵌入式GPU的数字信号处理系统，基于大规模现场可编程逻辑阵列2和嵌入式GPU 4的架构，关键点在于大规模现场可编程逻辑阵列2与嵌入式GPU 4的连接方式、数据交互方式和基本处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于嵌入式GPU的数字信号处理系统，其特征在于，包括：传感器、大规模现场可编程逻辑阵列、片上存储器、嵌入式GPU、电源转换模块和对外接口；所述传感器的数据上传至大规模现场可编程逻辑阵列，所述大规模现场可编程逻辑阵列采集和整理传感器上传的数据并发送至嵌入式GPU，所述嵌入式GPU接收数据并对数据进行深入处理，经嵌入式GPU处理后的结果通过对外接口传输至其他系统，并通过片上存储器存储处理结果；所述电源转换模块接入标准电源后转换成各个模块需要的电源，为各个模块供电。2.根据权利要求1所述的一种基于嵌入式GPU的数字信号处理系统，其特征在于，所述传感器为图像传感器或雷达传感器。3.根据权利要求1所述的一种基于嵌入式GPU的数字信号处理系统，其特征在于，所述传感器的数据通过USB、Cameralink、LVDS或者千兆网接口上传至大规模现场可编程逻辑阵列。4.根据权利要求1所述的一种基于嵌入式GPU的数字信号处理系统，其特征在于，所述大规模现场可编程逻辑阵列对数据进行缓存和预先处理工作。5.根据权利要求1所述的一种基于嵌入式GPU的数字信号处理系统，其特征在于，所述深入处理包括：大量数据...

【专利技术属性】
技术研发人员：王伟成，
申请(专利权)人：吉林大学，
类型：发明
国别省市：