[发明专利]一种基于神经网络的频率识别系统

说明书

本发明属于集成电路领域，具体涉及一种基于神经网络的频率识别系统。本发明利用神经网络模块，对包含频率信息的样本进行处理，样本训练结束后，神经网络模块保存当前状态，在后续对输入频率识别时，不需要重复查找过程，直接输出其初略范围目标编码Cbit，完成对频率的快速识别。本发明可用于锁相环电路中，经校正后即可获得准确的输出频率。

技术领域

本发明属于集成电路领域，具体涉及一种基于神经网络的频率识别系统。

背景技术

频率识别，即对一个频段内的单个频率进行粗略划分，并识别出其所属初略范围，以使得电路可以对其进行快速识别。频率识别时，首先对该频段内粗略划分的频率进行编码，整个过程就是从一个顺序的序列中寻找到相应的目标编码，自然最有效率的查找方式为二分法，当然顺序查找等其他方式同样可以完成这一任务。

在使用二分法查找时，我们提供一个初始值，与输入频率进行比较，然后进行多次二分查找，获取其所在频率范围。

对于顺序序列查找，由于要遍历所有的频率范围，速度上则要比二分法查找更慢一些，等同于增加了对频率进行初步识别的时间。

对顺序序列进行二分法查找是最有效率的方式，但在于初始频率相差比较大的时候，需要重复性的执行多次二分法查找，限制了识别时间进一步缩短的可能性。

使用传统的查找方法，当我们多次识别时，每次识别都需要重复一次查找过程，这样增加了对频率进行识别的总时间。

发明内容

针对上述存在问题或不足，为了完成对一个频段内的频率进行初步识别，快速分类，本发明提供了一种基于神经网络的频率识别系统，利用神经网络处理与之前状态有关的数据，对包含频率信息的样本进行训练，实现对频率的分类，最终获取频率所在初略范围的目标编码。

该基于神经网络的频率识别系统，如图1所示，包括神经网络模块、采样模块、多路复用器和监督学习信息采集模块。

所述采样模块有两个输入信号：采样时钟fclk和被采样信号fin，采样模块将采集的fin 转换成一串由0和1构成的序列Serial data，即神经网络模块能进行处理的信号并输出；其输出接神经网络模块的输入。

所述监督学习信息采集模块有两个与采样模块相同的输入信号：采样时钟fclk和被采样信号fin；其输出信号为fin所在初略范围目标编码Cbit，与神经网络模块的输入相连；采用二分查找的方式，确定fin对应的Cbit，为神经网络模块提供训练目标，通过控制器实时对神经网络模块的训练与输出进行对比与监督。

所述神经网络模块，有两个输入信号：由采样模块输出的Serial data和监督学习信息采集模块输出的Cbit；有两个使能端EN_TRAIN和EN_OUT，用于切换神经网络模块的工作状态；其输出信号为神经网络模块训练完成后的目标输出Train；并通过控制器与神经网络进行数据通信，显示训练进程和准确率；神经网络模块的输出接多路复用器的输入S2。

所述多路复用器有两个输入信号：S1和S2，其中S1的输入信号由外部提供记为DataIn， S2的输入信号为Train；有一个使能端EN和一个信号选择端Con，当Con＝1时选择S1，实现对目标编码的外部写入，当Con＝0时选择S2，由神经网络模块写入进行选择；其输出信号为最终的输出Cbit。

进一步的，所述神经网络模块在EN-TRAIN使能时，将采样模块得到的serial data和 Cbit同时输入到神经网络模块当中，其中serial data主要包含信息为：上升沿位置、下降沿位置和当前频率所在的位置，Cbit数据用于最终检验网络是否训练出有效结果；当满足监督学习后正确率的要求时，EN-OUT使能，输出最终的目标输出。

进一步的，所述神经网络为循环神经网络，采用的模型是长短时记忆模型LSTM。

其工作流程为：