在Turbo EPON的ONU端,其下行数据流传输高达2.5 Gb/s。本文介绍了Turbo EPON ONU MAC控制器的逻辑框图和CRC32的校验原理,采用CRC32的硬件并行方案来实现ONU中高速数据传输的校验,然后用Modelsim进行了仿真。仿真结果证明了该设计方案...在Turbo EPON的ONU端,其下行数据流传输高达2.5 Gb/s。本文介绍了Turbo EPON ONU MAC控制器的逻辑框图和CRC32的校验原理,采用CRC32的硬件并行方案来实现ONU中高速数据传输的校验,然后用Modelsim进行了仿真。仿真结果证明了该设计方案的可实现性,实现数据的无差错高速传输。该设计方案的逻辑工作速率可以达到2 G,与常用的串行CRC32校验相比,在增加面积很有限的基础上,提高了校验速度。同时,也为下一步Turbo EPON ONU MAC控制芯片的设计研究作了一定的准备。展开更多
文摘在Turbo EPON的ONU端,其下行数据流传输高达2.5 Gb/s。本文介绍了Turbo EPON ONU MAC控制器的逻辑框图和CRC32的校验原理,采用CRC32的硬件并行方案来实现ONU中高速数据传输的校验,然后用Modelsim进行了仿真。仿真结果证明了该设计方案的可实现性,实现数据的无差错高速传输。该设计方案的逻辑工作速率可以达到2 G,与常用的串行CRC32校验相比,在增加面积很有限的基础上,提高了校验速度。同时,也为下一步Turbo EPON ONU MAC控制芯片的设计研究作了一定的准备。
文摘现有的光流估计网络为了获得更高的精度,往往使用相关性成本量和门控循环单元(gate recurrent unit,GRU)来进行迭代优化,但是这样会导致计算量大并限制了在边缘设备上的部署性能。为了实现更轻量的光流估计方法,本文提出局部约束与局部扩张模块(local constraint and local dilation module,LC-LD module),通过结合卷积和一次轴注意力来替代自注意力,以较低的计算量对每个匹配特征点周边区域内不同重要程度的关注,生成更准确的相关性成本量,进而降低迭代次数,达到更轻量化的目的。其次,提出了混洗凸优化上采样,通过将分组卷积、混洗操作与凸优化上采样相结合,在实现其参数数量降低的同时进一步提高精度。实验结果证明了该方法在保证高精度的同时,运行效率显著提升,具有较高的应用前景。
