国产深度学习推理框架嵌入式适用性研究

随着端侧AI应用的不断丰富及深度学习技术的不断渗入,端侧深度学习模型部署需求日益增长。各机构研发出不同的AI推理框架来实现深度学习模型部署的高性能全景统一目标,通过接入多训练框架利用多硬件资源的方式来进行推理性能的加速。选择四个典型的国产深度学习推理框架,分别从设计原理、落地实现和特殊优化方式三个维度进行介绍与对比,并通过实验验证性能、支持精度、硬件支持这三个衡量指标对比探究四个框架是否适用于航空领域任务需求。     

一种嵌入式处理器间SPI总线通信优化方法

SPI(Serial Peripheral Interface,串行外设接口)作为一种全双工的同步通信总线,常用于嵌入式处理器间的通信.提出一种在P2020处理器与基于Xilinx K7 FPGA芯片的软核处理器间的SPI总线通信优化方法.利用SPI总线双向同步传输的特点,提出一种简易且有效的通信协议保证通信质量;根据SPI总线两端处理器的时钟频率,设置SPI总线波特率,提升数据传输速率;同时,考虑SPI总线两端处理器的处理频率的差异,设置合理数据传输延迟,保证数据传输的正确性和稳定性.实验结果表示,该SPI总线通信方法在上述平台中能够达到750KB/S的通信速率,能够满足多种嵌入式平台的数据传输需求.     

基于态势评估及DDPG算法的一对一空战格斗控制方法

已有的空中格斗控制方法未综合考虑基于专家知识的态势评估及通过连续性速度变化控制空战格斗的问题。基于深度确定性策略梯度（DDPG）强化学习算法,在态势评估函数作为强化学习奖励函数的基础上,设计综合考虑飞行高度上下限、飞行过载以及飞行速度上下限的强化学习环境;通过全连接的载机速度控制网络与环境奖励网络,实现DDPG算法与学习环境的交互,并根据高度与速度异常、被导弹锁定时间以及格斗时间设计空战格斗结束条件;通过模拟一对一空战格斗,对该格斗控制方法在环境限制学习、态势评估得分以及格斗模式学习进行验证。结果表明：本文提出的空战格斗控制方法有效,能够为自主空战格斗进一步发展提供指导。