理论建立与效果展示
环境：Vivado2019.2。
Part：xcku040-ffva1156-2-i，内嵌DSP个数 1920个，BRAM 600个也就是21.1Mb。
说明：通过识别加高斯白噪声的正弦波、余弦波、三角波较简单的实例来利用FPGA实现一维CNN网络，主要是实现CNN网络的搭建。
也就是将下列数据传输至FPGA，识别出下面哪些是正弦波、余弦波、三角波，通过简单实例实践，在融会贯通，最终实现雷达辐射源调制方式识别。
实现流程：
训练参数：通过pytorch对10000个训练集进行训练获得训练参数，反向计算不在FPGA中实现。
数据产生：Matlab产生1000个测试集。
数据传输：通过Pcie高速总线将数据传输到FPGA中进行识别。
实践效果：信噪比在 -20~5dB之间识别率100%。
数据长度：100。
CNN网络：第一层卷积：1个通道，6个卷积核，卷积核元素为5。
CNN网络：池化。
CNN网络：第二层卷积：6个通道，16个卷积核，卷积核元素为5。
CNN网络：池化。
CNN网络：第三层卷积：16个通道，16个卷积核，卷积核元素为5。
CNN网络：全连接。
CNN时效：100M时钟下，一条长度为100的数据识别耗时239个时钟周期，也就是2390ns=2.39us（因为综合实践太长了，还没实现最优，网络中有可以优化的地方，可以控制在200个时钟周期，也就是2us左右，也就是长度为100的数据的第一个数据到达FPGA到波形识别完成耗时为2us）。
文章目录
正在写。。。