Помощь в написании студенческих работ
Антистрессовый сервис

Исследование и разработка устройства адаптивного сжатия данных на основе динамической реконфигурации программируемых логических интегральных схем

Диссертация: Исследование и разработка устройства адаптивного сжатия данных на основе динамической реконфигурации программируемых логических интегральных схем
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Из вышесказанного следует, что разработка устройства, которое обеспечивает оптимальный выбор алгоритма и высокую степень сжатия в режиме реального времени (on-line) для любых типов передаваемых данных в каналах связи, является актуальной задачей в области телекоммуникации. Цель работы —? увеличение объема передаваемых данных при существующей пропускной способности каналов связи путем уменьшения… Читать ещё >

Исследование и разработка устройства адаптивного сжатия данных на основе динамической реконфигурации программируемых логических интегральных схем (реферат, курсовая, диплом, контрольная)

Содержание

  • СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ
  • ГЛАВА 1. АНАЛИЗ МЕТОДОВ СОКРАЩЕНИЯ ИЗБЫТОЧНОСТИ 12 ПЕРЕДАВАЕМЫХ ДАННЫХ В УСТРОЙСТВАХ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ
    • 1. 1. Основные характеристики каналов связи и передаваемой 12 информации в устройствах вычислительной техники
    • 1. 2. Обзор существующих методов компрессии данных
    • 1. 3. Анализ элементной базы и устройств вычислительной 34 техники, предназначенных для сжатия данных
    • 1. 4. Постановка задач диссертационной работы
  • ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ УСТРОЙСТВА АДАПТИВНОГО СЖАТИЯ ДАННЫХ НА ОСНОВЕ ДИНАМИЧЕСКОЙ РЕКОНФИГУРАЦИИ ПЛИС
    • 2. 1. Разработка основных принципов построения устройства 41 адаптивного сжатия данных
    • 2. 2. Исследование математической модели устройства адап- 48 тивного сжатия данных для изображений
      • 2. 2. 1. Выбор линейного преобразования данных
      • 2. 2. 2. Выбор дискретного косинусного преобразования 50 данных
      • 2. 2. 3. Выбор параметров адаптивного дискретного коси- 56 нусного преобразования
      • 2. 2. 4. Управление потерями в алгоритме компрессии изо- 59 бражений
      • 2. 2. 5. Общий алгоритм сжатия изображенйй
    • 2. 3. Обобщенный алгоритм работы динамически реконфигу- 66 рируемого устройства компрессии данных
    • 2. 4. Выводы по главе
  • ГЛАВА 3. АЛГОРИТМЫ (МЕТОДИКА) ПРОЕКТИРОВАНИЯ АДАПТИВНЫХ УСТРОЙСТВ СЖАТИЯ ДАННЫХ
    • 3. 1. Построение обобщенной структуры адаптивного устрой- 71 ства сжатия информации
    • 3. 2. Режим реального времени для реализации алгоритмов 74 компрессии/декомпрессии видеоинформации
    • 3. 3. Разработка математических критерий применения и вы- 76 бора ПЛИС для динамически реконфигурируемого компрессора данных
      • 3. 3. 1. Временные критерии эффективного применения 76 аппаратного сжатия на динамически реконфигурируемые ПЛИС
      • 3. 3. 2. Критерии оценки логической емкости динамиче- 80 ски реконфигурируемого устройства
      • 3. 3. 3. Критерии выбора элементной базы (ПЛИС) в за- 82 висимости от временных параметров системы
    • 3. 4. Разработка методики проектирования адаптивного уст- 85 ройства сжатия изображений
    • 3. 5. Синтез модели адаптивного устройства сжатия данных на 97 примере видеоизображений для этапа адаптивного дискретного косинусного преобразования на языке VHDL (
    • 3. 6. Выводы по главе
  • ГЛАВА 4. РЕЗУЛЬТАТЫ АПРОБАЦИИ АДАПТИВНОГО УСТРОЙСТВА СЖАТИЯ ДАННЫХ НА ОСНОВЕ ДИНАМИЧЕСКОЙ РЕКОНФИГУРАЦИИ ПЛИС
    • 4. 1. Программная реализация дискретного косинусного пре- 107 образования
    • 4. 2. Результаты моделирования алгоритма в среде MATLAB
    • 4. 3. Результаты разработки VHDL-описаний для АДКП
    • 4. 4. Результаты натурного эксперимента 118 4.3. Выводы по главе

Актуальность проблемы. В настоящее время все большее распространение получают вычислительные устройства для сжатия данных. Это объясняется развитием телекоммуникационной и вычислительной техники, что ведет к росту объемов передаваемой информации. По мере увеличения потребности в системах передачи данных пользователи все чаще сталкиваются с проблемами, обусловленными недостаточной пропускной способностью линий связи LAN-WAN, т.к. для этой цели довольно широко используются обычные коммутируемые телефонные каналы, обеспечивающие скорость передачи данных до 28,8 Кбит/с [1].

Задача увеличения эффективности использования пропускной способности каналов удаленного доступа — одна из основных в телекоммуникационных и информационно-вычислительных технологиях. При этом возможны следующие способы решения данной задачи:

1) переход на новые каналы связи с большей пропускной способностью;

2) сжатие (компрессия) данных при их передаче по низкоскоростным каналам.

Первый вариант требует весьма значительных материальных затрат, т. е. задача повышения эффективности использования обычных телефонных линий остается очень актуальной, что требует разработки новых подходов к сжатию.

Алгоритмы сжатия данных могут быть реализованы:

1) программно,.

2) аппаратно,.

3) аппаратно-программно.

Программные продукты, предназначенные для сжатия данных, используются в основном для экономии места на магнитных носителях и не пригодны для работы в режиме on-line [2]. Такое программное обеспечение используется в режиме off-line — по линиям связи передаются уже предварительно сжатые данные.

На сегодняшний день только устройства аппаратного сжатия данных могут обеспечить работу в приложениях в режиме реального времени [3] (когда компрессия и передача данных по сети происходит практически одновременно). В то же время существенным недостатком большинства аппаратных устройств является их ориентация на работу только с каким-либо одним видом приложений или типом данных. Такой подход дает эффективные результаты, когда область применения системы заранее известна (например, передача речи, изображений и т. п). Однако если тип информации, передаваемой по каналу связи, предсказать нельзя, то подобный вариант неэффективен для многих приложений. Таким образом, возникает задача выбора алгоритма сжатия данных в зависимости от типа передаваемой информации.

Появление динамически реконфигурируемых ПЛИС позволяет разрешить проблемы, связанные со значительными аппаратными затратами при реализации многих алгоритмов. В этих микросхемах была реализована идея программируемой архитектуры, позволяющая использовать гибкость программного подхода и скорость жесткой логики одновременно.

Из вышесказанного следует, что разработка устройства, которое обеспечивает оптимальный выбор алгоритма и высокую степень сжатия в режиме реального времени (on-line) для любых типов передаваемых данных в каналах связи, является актуальной задачей в области телекоммуникации.

Цель работы —? увеличение объема передаваемых данных при существующей пропускной способности каналов связи путем уменьшения их избыточности за счет изменения структуры устройства сжатия для различных типов данных на основе динамической реконфигурации ПЛИС.

Для достижения поставленной цели в работе необходимо решить следующие основные задачи:

1. Провести анализ современных методов сжатия данных на основе программных и аппаратных средств. Определить эффективность их применения для данных различного типа.

2. Разработать и исследовать метод адаптивного сжатия данных, основанный на динамической реконфигурации аппаратных средств.

3. Разработать методику проектирования адаптивного устройства сжатия на основе ПЛИС.

4. Исследовать эффективность применения новых методов, а также разработать устройство адаптивного сжатия данных в компьютерных системах передачи видеоизображений.

Научная новизна Разработаны:

1. Обобщенная структура устройства адаптивного сжатия данных на основе динамической реконфигурации ПЛИС.

2. Алгоритм функционирования адаптивного устройства сжатия данных.

3. Новый алгоритм компрессии изображений с возможностью адаптации к параметрам сжимаемых данных.

4. Новый алгоритм расчета дискретных преобразований, позволяющий адаптироваться к параметрам обрабатываемых данных.

5. Методика проектирования вычислительного устройства для выполнения адаптивного дискретного косинусного преобразования.

6. Методика проектирования адаптивного устройства сжатия данных для обработки видеоизображений.

Практическая ценность работы.

1. Результаты работы могут быть использованы для передачи изображения фотографического качества в режиме реального времени в устройствах вычислительной техники и систем управления.

2. Разработанный алгоритм расчета адаптивных преобразований позволяет сократить время обработки информации (в системах сжатия и ЦОС).

3. Разработанная методика проектирования адаптивного устройства сжатия информации позволяет сократить время выхода сложных электронных изделий на рынок.

Методы исследования.

Для решения поставленных научных задач в работе используются методы вычислительной математики, дифференциального исчисления, теории множеств, кибернетики, теоретической и прикладной электроники, теории программирования и математической логики. При обработке экспериментальных данных применяются статистические методы. Апробация результатов работы.

Основные научные и практические результаты исследований по теме диссертации докладывались на:

• II международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (2001 г., Новочеркасск);

• Всероссийской научно-технической конференции «Электроника» (2001 г., Москва, 2 доклада);

• Всероссийской научно-технической конференции «Реконфигурируемые электронные средства в системах обработки информации» (25—27 апреля 2002 г., Владимир);

• Российской научно-технической конференции по атмосферному электричеству;

• Международной научно-технической конференции «Перспективные технологии в системах передачи информации-2003» (2003 г., Владимир-Суздаль).

Реализация и внедрение результатов исследования адаптивного устройства сжатия информации — внедрено на ОАО «Владимирское конструкторское бюро радиосвязи», а также в учебном процессе кафедры «Информатика и защита информации». Объем и структура работы.

Диссертация состоит из введения, четырех глав и заключения, а также списка литературы и приложений. Работа изложена на 134 страницах печатного текста и содержит список литературы из 120 наименований (на 10 страницах).

4.5. Выводы по главе 4.

Экспериментальные исследования, проведенные в главе 4, полностью подтвердили эффективность предлагаемых подходов, а именно: необходимость аппаратного сжатия и адаптации к параметрам изображения. Разработанный макетный образец может быть использован как основа для проектирования промышленных устройств.

Заключение

.

Теоретические и экспериментальные исследования, выполненные в диссертационной работе, позволили получить следующие результаты:

1. Проведен анализ современных методов сжатия данных на основе программных и аппаратных средствопределены их преимущества и недостатки.

2. Впервые разработана и исследована структура устройства адаптивного сжатия данных, основанная на динамической реконфигурации аппаратных средств.

3. Разработана методика проектирования адаптивного устройства сжатия на основе ПЛИС, позволяющая сократить время выхода сложных устройств вычислительной техники и управления на рынок.

4. Разработан новый алгоритм расчета дискретного преобразования, позволяющий адаптироваться к параметрам обрабатываемых данных.

5. Разработан новый алгоритм сжатия изображения с возможностью управления потерями и адаптации к параметрам сжимаемых данных.

6. Результаты диссертационной работы были использованы при проектировании цифровой платы сопряжения с проводной линией железнодорожной радиостанции технологической связи.

7. Результаты диссертационной работы были использованы в учебном процессе кафедрой «Информатика и защита информации» для подготовки студентов по специальности" Комплексная защита объектов информатизации".

Направлениями будущих исследований являются:

1. Экспериментальное исследование различных алгоритмов расчета прямых тригонометрических функций для уменьшения времени вычисления дискретного косинусного преобразования.

2. Исследование дискретного wavelet-преобразования, разработка адаптивного дискретного wavelet-преобразования и его аппаратная реализация.

3. Исследование, разработка и аппаратная реализация алгоритмов, адаптирующихся к параметрам звуковой информации.

4. Разработка метода, позволяющего производить комплексную адаптацию к параметрам аудио/видеоданных.

Показать весь текст

Список литературы

  1. В.Г., Олифер Р. А. Компьютерные сети. Принципы, технологии, протоколы. — СПб.: Издательство «Питер», 2000. — 672 с.
  2. Практическая передача данных: Модемы, сети и протоколы. Ф. Дженнингс- перев. С англ. Мир, 1989.
  3. Nelson М. The Data Compression Book// New York: M&T Books, 1992
  4. Птачек M Цифровое телевидение. Теория и техника / Пер. с чешек, под ред. Л. С. Виленчика. М.: Радио и связь, 1990. -528 с.
  5. Held, Gilbert, Data Compression: Technigues and Applications, Hardware and Software Consierations, second edition, john Willey & Sons, New York, 1987.
  6. M.K. Stillman The market for Data Compression Products// San Jose: Electronic Trend Publications, 1994.
  7. В.И. Передача данных. Элементы теории информации. Кодирование. Каналы связи: Учеб. пособие Пенза: ПТУ, 2000. — 86 с.
  8. Ф. Практическая передача данных: Модемы, сети и протоколы / Пер. с англ. М.: Мир, 1989. — 456 с.
  9. Н.К. Основы теории кодирования и передачи информации: Учеб. пособие для студентов. М.: Радио и связь, 1999. — 120 с.
  10. Shannon С.Е., Weaver W. The Mathematical Theory of Communication. I Jrbana: University of Illinois Press, 1949. 456 p.
  11. В.Д., Полтырев Г. Ш. Курс теории информации. М.: Наука, 1982.-342 с.
  12. Abramson A. Information Theory and Coding. New York: McGraw-Hill, 1963.-566 p
  13. Storer J. A. Data compression: Methods and Theory. Rockville: Computer Science Press, 1988. — 312 p.
  14. Lynch T.D. Data Compression Technigues and Applications. Belmont: Lifetime Learning Publications, 1985. — 478 p.
  15. Data Compression. White paper // Gandalf Technologies Inc., February 1995. -10 p.
  16. Data book. Matsushita Electric Industrial Co. — 2002.
  17. Д., Ратушняк А., Смирнов M., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. — М.: ДИАЛОГ-МИФИ, 2002.
  18. Н. А. Методы сжатия данных в вычислительных системах. — СПб.: БХВ, 1994.-326 с.
  19. Williams R. Adaptive Data Compression, Kluwer Boston, MA, 1990, pp.30−44.
  20. M.W. Marcellin, M.J. Gormish, A. Bilgin, M.P. Boliek. An Overview of JPEG-2000. Proc. of IEEE Data Compression Conference, pp. 523−541, 2000.
  21. ISO/IEC FCD15444−2. jpeg 2000 image coding system: extensions Jpeg 2000 part ii final committee draft, 7 december 2000.
  22. Fraunhofer Institut fuer Integrierte Schaltungen: Jahresbericht 2002.
  23. Fraunhofer Institut fuer Integrierte Schaltungen: Jahresbericht 2000.
  24. Смирнов,. Ресурсы PC: наиболее полное руководство.
  25. Д., Ван Райпер У. Энциклопедия форматов графических файлов: пер. с англ. Киев: Издательская группа BHV, 1997. — 672 с.
  26. Nelson, Mark R., The Data Compression Book, M&T Book, Redwood City, 1991.
  27. Ashdown L. PCX Graphics // С Users Journal, 1991, v.5, № 8. pp. 89−96.
  28. Azer S. Working With PCX Files //Microcornucopia, 1988, №.42, — pp.42−52.
  29. Charlap D. The BMP File Format: Part I // Dr. Dobb’s Journal, v.20, № 228, 1995.-pp. 201−212.
  30. Luse M.D. BMP File Format // Dr. Dobb’s Journal, v.9, № 219, 1994. -pp. 18−22.
  31. TIFF Revision 6.0, Final. — Aldus Corporation Developer’s Desk, 1992. -368 p.
  32. TIFF Developer’s Manual. Greeley: Hewlett-Packard Company, 1988. -246 p.
  33. Ю. Сети ЭВМ: Протоколы, стандарты, интерфейсы: Пер. с англ. -М.: Мир, 1990.-346 с.
  34. J.Ziv and A.Lempel. A universal algorithm for sequential data compression. IEEE Transactions on Information Theory. Vol. IT-23, N.3, May 1977.
  35. Storer J.A., Szymanski T.G. Data Compression via Textual Substitution // Journal ACM, v. 29, № 4, 1982. pp. 928−951.
  36. Ziv J., Lempel A. Compression of individual Sequences via Variable-Rate Coding // IEEE Transsaction on Information Theory, v.24, № 5, 1978. pp. 978−988.
  37. Montgomery B. LZW Compression Used to Encod/Decod a GIF File. -New York: Manuscript Inc., 1988. 240 p.
  38. Welch T. A. A Technique for High-Performance Data Compression // Computer, v.17, № 6, 1984. pp. 368−376.
  39. A.B. Свойства кодов Хаффмана и эффективные методы декодирования префиксных кодов. Новосибирск: Изд-во РАН, 1997. -348 с.
  40. Д.Мастрюков Сжатие по Хаффмену// «Монитор», NN 7 — 8, 1993.
  41. Tanaka Н. Data Structure of Huffman Codes and Its Application to Efficient Encoding and Decoding // IEEE Trans. Inform. Theory v. 33, № 1, 1987. -pp. 154−156.
  42. Facsimil Coding Shemes and Coding Control Functions for Grup4 Facsimil Apparatuse Recommendation. The international Telegraph and Telephone Consutative Committetee (CCITT), Geneva, Switzerland, 1985.
  43. Hamilton E. JPEG File Interchange Format. Version 1.2. San Jose: C-Cube Microsystems Inc., 1992. — 346 p.
  44. Д.С. Ватолин. MPEG стандарт ISO на видео в системах мультимедиа // Открытые системы, № 2, 1995. — С. 12−24.
  45. Cleary G., Teahan W.J., Witten I.H. Unbounded Length Contexts for PPM // Data Compression Conference, 1995.-pp. 12−24.
  46. Cleary J.G., Witten I.H. Data compression using adaptive coding and partial string matching //IEEE Trans. Communications, v.4, № 3, 1984.-pp396−402.
  47. Moffat A. Implementing the PPM Data Compression Scheme // IEEE Trans. Comm., v. 38, № 11, 1990.-pp. 1917−1921.
  48. У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. Кн. 1 и 2.-312 и 480 с.
  49. Steven W. Smith. The Scientist and Engineer’s Guide to Digital Signal Processing: California Technical Publishing, San Diego, California 1999.
  50. Habibi A., Wintz P.A. Image coding by linear transformation and block quantization // IEEE Trans. Commun. Tech. 1971. — V. COM-19. — № 1. -P.50−63
  51. Rao K.R., Yip P. Discrete cosine transform algorithms, advantages, applications. — London: Academic Press inc., 1990
  52. E., Боянов К., Беляева О. Методи и средства за компрессия на изображения // Автоматика и информатика.-1994.-28, № 3.-стр.З-14.
  53. Enomoto Н., Shibata К. Orthogonal transform coding system for television signals // IEEE Trans. Electromagnetic Compatibility. 1971. — Special issue on Walsh functions. -V. EMC-13. -13. — P. 11−17.
  54. Ahmed N., Natarajan Т., Rao K.R. On image processing and a discrete cosine transform // IEEE Trans. Computers. -1974. V. C-23 — № 1.- P.90−93
  55. Применения цифровой обработки сигналов: Пер. с англ. / Под ред. Э.Оппенгейма. М: Мир, 1980. — 552 с.
  56. Wallace G.K. The JPEG algorithm for image compression standard // Communications of the ACM. 1991. -V.34. -4. — P. 30−44.
  57. Wallace G.K. Overview of the JPEG (ISO/CCITT) still image compression: image processing algorithms and techniques // Proceedings of the SPIE. -1990. -V.1244. P. 220−233.
  58. Kurosaki M., Waki H. A JPEG-compliant colorimage compression/decompresssion LSI // Mitshubisi Elec. Adv. -1994. -V.68, Sept.-P. 17−18.
  59. Pratt W.K., Chen W.H., Welch L.R. Slant transform image coding // IEEE Trans. Commun. -1974. -V. COM-22. P. l075−1093.
  60. Ахмед H., Pao К. Ортогональные преобразования при обработке цифровых сигналов: Пер. с англ. М.: Связь, 1980. — 248
  61. Hung А.С. Image compression: the emerging standard for color images // IEEE Computing Futures. 1989. — Inagural issue. — P. 20−29.
  62. M., Икономопулос А., Кошер M. Методы кодирования изображений второго поколения // ТИИЭР. 1985. -Т.73. — № 4. — С. 59
  63. Woods J.W., Huang T.S. Picture bandwidth compression by linear transformation and block quantization // Picture bandwidth compression / Ed.: Huang T.S., Tretiak O.J. New York: Gordong and Breach, 1972. -P.555−573.
  64. У., Кэйн Д., Эндрюс X. Кодирование изображений посредством преобразования Адамара // ТИИЭР. 1969. — Т.57. — № 1. — С. 66−77.
  65. .И., Ефимов А. В., Скворцов В. А. Ряды и преобразования Уолша: Теория и применения. М.: Наука, 1987. — 344 с.
  66. С.К., Корыстны А. В., Родин В. А. Об одной реализации метода сжатия отображений с помощью нелинейной аппроксимации сумм Фурье-Хаара // Теор. функций и прибл.: Тр. 7-й Саратов, зим. шк. (1994 г.). Ч. 2.- Саратов: Изд.-во СГУ, 1995.
  67. Rao K.R., Narasimhan М.А., Revuluri К. Image data processing by Hadamard-Haar transform // IEEE Trans. Computers. 1975. — V. C-23. — '9. — P. 888−896
  68. Gottlieb D., Shu C.-W., Solomonoff A., Vandeven H. On the Gibbs phenomenon I: Recovering exponential accuracy from the Fourier partial sum of a nonperiodic analytic function, J. Comput. Appl. Math., v. 43, 1992, pp. 81−92.
  69. Е.П. Цифровая схемотехника. СПб.: БХВ-Санкт-Петербург, 2000. — 528 с.
  70. В.Н. Проектирование ПЛИС на VHDL: Учеб. Пособие. -Владимир: Владимир, гос. ун-т., 2000. 120 с.
  71. В.В. Проектирование функциональных узлов цифровых систем на программируемых логических устройствах. Минск. Билоруская наука, 1996. — 136 с.
  72. В.В., Васильев А. Г. программируемые логические интегральные схемы и их применение -Минск: Билоруская наука- 1998.
  73. В.В. Сложность реализации устройств логического управления на ПЛИС.//Известия РНА. Теория и Системы управления.-1995, № 5,с.248−256.
  74. В.В.Соловьев. Проектирование цифровых систем на основе программируемых логических интегральных схем. Москва 2001.
  75. Digital Library.- Altera, 2002.
  76. Data Book and design Guide.-Xilinx, 2002.
  77. А.А. Реконфигурирование устройства ПЛИС в системе // Сборник тезисов Всероссийской научно-технической конференции
  78. Реконфигурируемые электронные средства в системах обработки информации", 2002. С. 32−33.
  79. А. В. NASA Ames Research Center. Image Compression Using the Discrete Cosine Transform // Mathematica Journal, 4(1), 1994, p. 81−88.
  80. А.И., Улахович Д. А., Яковлев JI.А. Алгоритмы и процессоры цифровой обработки сигналов. — СПб.: БХВ-Петербург, 2001. 464 с.
  81. Lee B.G. FCT A fast cosine transform // Proc. IEEE ICASSP. -1984. — P. 28A3.1−28A3.4.
  82. Hauque M.A. A two-dimensional fast cosine transform // IEEE Trans. ASSP. -1985. V. 33. — l6. — P.1532−1538.
  83. Duhamel P., Guillemont C. Polynomial transform computation of 2-D DCT //Proc. ASSP'90. 1990. — P.1515−1518.
  84. Cho N., Lee S. Fast algorithm and implementation of 2-D discrete cosine transform // IEEE Trans. Circuits and Systems. 1991. -V.38. — P.297−305.
  85. Duh W.J., Wu J.L. Implementing the Discrete Cosine Transformation by Using CORDIC Techniques // Proceedings the International Symposium on VLSI Technology, Systems and Applications, Taipei, Taiwan, 1989, p. 281 285.
  86. Feig E., Winigrad S. Fast Algorithms for the Discrete Cosine Transform// IEEE Transactions on Signal Processing, v. 40, N 9, 1992. p. 2174−2193.
  87. Remote Compression Bridges. A report from National Software Testing Laboratories Inc.//Communication Analyst. Datapro on CD-ROM, 1995.
  88. Lohscheller H. A subjectively adapted image communication system. IEEE Trans. Commun. COM-32 (Dec. 1984), pp. 1316−1322.
  89. Gregory K. Wallace. The JPEG Still Picture Compression Standard// IEEE Transactions on Consumer Electronics. December 1991.
  90. А.А. Применение динамически реконфигурируемых ПЛИС для аппаратного сжатия информации в каналах связи // Сборник трудов Всероссийской научно-технической конференции «Электроника», 2003. -С. 32−33.
  91. Микроконтроллеры PIC16C8X. Архитектура, программирование и применение: Учеб. пособие / С. И. Малафеев, А. А. Малафеева, B.C. Мамай и др.- Владим. гос. ун-т- Владимир, 1999. — 180 с.
  92. А.А. Интеллектуальная аппаратная модель сжатия на базе динамических реконфигурированных схем // Всероссийский научно-технический журнал «Проектирование и технология электронных средств». N2, 2002. — С. 53−54.
  93. А.А. Применение ДР ПЛИС и перспективы их развития // Сборник научных трудов преподавателей, аспирантов и магистрантов «Электроника, информатика и управление», вып. 3. Владимир: ВлГУ, 2002.-С. 61−63
  94. Д.В., Руфицкий М. В., Слик А. А. Сжатие данных на базе динамически реконфигурируемых вычислителей // Всероссийский научно-технический журнал «Проектирование и технология электронных средств». N4, 2001. — С. 10−12.
  95. А.А. Аппаратное сжатие информации на базе динамически реконфигурируемых ПЛИС // Материалы II Международной научно-практической конференции"Компьютерные технологии в науке, производстве, социальных и экономических процессах", 2001. С35−37.
  96. А.А. Статический алгоритм Хаффмана на основе динамически реконфигурируемых вычислителей // Сборник тезисов Всероссийской научно-технической конференции «Реконфигурируемые электронные средства в системах обработки информации», 2002. С. 7−8.
  97. Д.В., Слик А. А. Аппаратная защита звуковой информации в каналах связи // Сборник трудов Всероссийской научно-технической конференции «Электроника», 2002. С. 35−36.
  98. Д. В., Руфицкий М. В. Оптимизация выполнения функций с помощью реконфигурируемого сопроцессора // Сборник трудов Всероссийской научно-технической конференции «Электроника», 2002.- С. 22−23.
  99. А. А., Руфицкий М. В., Федотов М. Ю. Математические основы проектирования динамически реконфигурируемых систем обработки информации // Сборник трудов Всероссийской научно-технической конференции «Электроника», 2002, — С.53−54.
  100. М.В., Федотов М. Ю. Оценка эффективности применения динамически реконфигурируемого сопроцессора // электроника, информатика и управление: Сб. науч. тр. Вып.2-Владимир, 2001.-С. 59−64.
  101. JPEG File Interchange Format, September, 1992.
  102. M.B., Слик A.A., Филиппов А. К. Адаптивное дискретное косинусное преобразование // Сборник трудов пятой международной научно-технической конференции «Перспективные технологии в средствах передачи информации», 2003. С. 23−25.
  103. М.В., Слик А. А., Филиппов А. К. Анализ методов расчета дискретного косинусного преобразования для реализации на электронно-вычислительных средствах // Российская конференция по атмосферному электричеству, Владимир 2003. С. 45−48.
  104. Рабинович 3. JL, Раманаускас В. А. Типовые операции в вычислительных машинах. Киев: Техника, 1980. — 264 с.
  105. В.Д., Смолов В. Б. Аппаратурная реализация элементарных функций в ЭЦВМ. Л.: Изд-во ЛГУ, 1975. — 96 с.
  106. Smith W. The Scientist and Engineer’s Guide to Digital Signal Processing.- San Diego: California Technical Publishing, 1999. p. 650.
  107. JI. А. Обработка сигналов на цифровых процессорах. Линейно-аппроксимирующий метод. — М.: Горячая линия Телеком, 2001.-112с.
  108. С.В., Данилин С. Н., Яковлев А. В. Оптимизация алгоритмов обработки цифровой информации // Сборник докладов 3-ей международной конференции «Цифровая обработка сигналов и ее применения», Санкт-Петербург, 2000. Т.1.
  109. Baker P.W. Parallel Multiplicative Algorithms for Some Elementary Functions // IEEE Transactions on Computers, 1975, v. 24, № 3, p. 322−325.
  110. Дж.Р. Моделирование цифровых систем на языке VHDL/Пер. с анлг. М.: Мир, 1992. — 175 с.
  111. П.Н. Синтез логических схем с использованием языка VHDL. М.: СОЛОН-Р, 2002. — 384 с.
  112. ANSI/IEEE Std 1076−1987. IEEE Standard VHDL Language Reference Manual, New York: IEEE publication No. SHI 1957.
  113. ANSI/IEEE Std 1076−1993. IEEE Standard VHDL Language Reference Manual, New York: IEEE publication No. SHI6840.
  114. IEEE Standard Interpretations: IEEE Std 1076−1987, IEEE Standard VHDL Language Reference Manual // IEEE Std 1076/INT-1991, New York: IEEE publication No. SHI4894.
  115. ГОСТ P50 754−95. Язык описания цифровых систем VHDL. М.: Госстандарт, 1995.
  116. П.Н. Основы языка VHDL. Москва2000, изд."Солон-Р", 2000.
  117. Configurable Logic Design and Application Book. Atmel, 1999.
  118. Internet-издание книги: Lehmann G., Wunder В., Selz M. Schaltungsdesign in VHDL, Karlsruhe-Erlangen, 1994.
  119. A.H., Руфицкий M.B. Проектирование электронных средств на основе программируемых логических интегральных схем: классификация, технология изготовления, маршрут проектирования. -Владимир: ВлГУ, 2002. -112 с.
  120. Схема электрическая принципиальная макетного образца
  121. ФРАГМЕНТЫ ПРОГРАММЫ АДКП НА MATLAB. function imlclc-1.= imread ('plan.png')-1.= im2double (I)-1. N = 256−1. T = dctmtx (N) —
  122. PSNR1 = 10*logl0((65 025*al*a2)/w2)imshow (I), figure, imshow (I2) imwrite (I2,'varl .bmp') — imshow (I2), figure, imshow (D2) imwrite (D2,'varln.bmp')-1. T3 = dctmtx (8) —
  123. NB3 = blkproc (B3,8 8.,'Pl.*x', mask2)-13 =blkproc (NB3,8 8.,'P1 *x*P2', T3', T3)-1. D3=I-I3−1. C2 = max (D3)-1. MAX2 = max (C2)a3 = size (D3,l)-a4 = size (D3,2)-1. DA3 = D3. A2−1. E3 = sum (DA3)-w3 = sum (E3) —
  124. RMS2 = sqrt (sum (w3)/(a3 *a4)) PSNR2 = 10*logl0((65 025*a3*a4)/w3)imshow (D2), figure, imshow (I3) imwrite (I3,'var2.bmp') — imshow (I3), figure, imshow (D3) imwrite (D3,'var2n.bmp') —
  125. ФРАГМЕНТЫ ПРОГРАММЫ ДКП НА ЯЗЫКЕ VHDL.1. Для N=8 library IEEE-use IEEE. stdlogicl 164. all- use IEEE.stdlogicarith.all- entity dct8 isport (clk, reset, start: in stdlogic-
  126. IN STD LOGIC —: IN STD LOGIC —
  127. OUT STDLOGICVECTOR (2 DOWNTO 0) end component- component dctmul port (dataa datab result
  128. OUT STD LOGIC VECTOR (3 DOWNTO 0) mulend component component dct: port (dataa datab result)-end component- component dctcosl6 port (
  129. STD LOGIC VECTOR (11 DOWNTO 0) — IN STD LOGIC VECTOR (11 DOWNTO 0) — IN STD LOGIC-
  130. OUT STD LOGIC VECTOR (11 DOWNTO 0)1. STD LOGIC- IN STD LOGIC-
  131. Поз. обозн. Наименование Кол. Примечание1. Конденсаторы 1. С1 SR16−470 мкФ 11. SR16−100 мкФ 11. SR16−47 мкФ 21. Чип 0805 NPO 30pF ± 5% 101. Чип 0805 Y5V 0.1 OuF 401. Микросхемы
  132. DA1 КР142ЕН5А 1 7805 (ТО-220)1.2937ET-2.5 1 (Т0−220)1.3940IT-3.3 1 (Т0−220)
  133. DDI EP1K100QC208−3 1 (PQFP)1. ATmega8L-8PI (DIP)1. AT45DB081B-RC 1 (SOIC)
  134. AS4LC256K16E0−60JC 1 (SOJ)1. SN74HC244DW 1 (SOIC)1. SN74HC245DW 1 (SOIC)
  135. HG1 Индикатор светодиодный SA05 1
  136. Индикатор ЖК WH0802A 1 LM2465 (LM2070)1. Резисторы
  137. R1 Чип 0805 100 Ом ± 5% 20 RC-05−101JT
  138. Чип 0805 470 Ом ± 5% 10 RC-05−471JT
  139. Чип 0805 1 кОм ± 5% 10 RC-05−102JT
  140. Резисторная сборка HP 1−4-9 2.2 кОм 2 RA-A10−222J
  141. Резисторная сборка HP 1−4-9 470 Ом 1 RA-A10−471J
  142. Резисторная сборка HP 1−4-9 10 кОм 2 RA-A 10−103 J1. Подстроенный резистор 1
  143. Поз. обозн. Наименование Кол. Примечание
Заполнить форму текущей работой

Сессия? Спокойно!