本文为美国东北大学（作者：Scott Michael Bailie）的硕士论文，共81页。

增量聚类是将动态流数据样本无监督地分类到相关的组（称为类别）中，该过程只对每个数据样本使用一次，因此它适用于低延迟解决方案的实时问题。其中一个应用是电子战（EW）系统中雷达脉冲流的分选。给定一个雷达信号流的组合，尝试根据接收信号的特性识别单个雷达辐射源。本文针对雷达脉冲分选的问题，在现场可编程门阵列（FPGA）上实现了一种增量聚类算法。介绍了一种改进的进化数据增量聚类算法ICED，并对其在FPGA中的具体实现进行了讨论。实验结果表明，该算法适用于电子战脉冲分选的实时要求。最终的设计提供了一个16种类别的分选实现，它消耗了Xilinx Virtex-5 SX95T FPGA的70%资源，并且需要420ns的处理延迟，从而实现了软件的39x加速。

Incremental clustering is the unsupervised classification of dynamic streaming data samples into related groups called clusters. The process considers each data point only once so it is applicable to real-time problems requiring low latency solutions. One such application is the deinterleaving of radar pulse streams in an electronic warfare (EW) systems. Given a single stream of combined radar signals deinterleaving attempts to identify individual radar emitters based on characteristics of the received signal. This thesis focuses on implementing an incremental clustering algorithm on a fieldprogrammable gate array (FPGA) for the purposes of radar pulse deinterleaving. We introduce ICED, an algorithm for the I ncremental C lustering of Evolving Data, and discuss the details of implementing it in an FPGA. Experimental results show the applicability of the algorithm to the real-time requirements of EW pulse deinterleaving. The resulting design provides a 16 cluster implementation that consumes 70% of a Xilinx Virtex-5 SX95T FPGA and requires a processing latency of 420ns, resulting in a 39x speedup over software.

1 引言

2 项目背景

2.1 电子战系统

2.2 分选方法

2.3 聚类方法

2.4 相关工作

2.5 结论

3 ICED算法

3.1 系统I/O

3.2 算法参数

3.3 算法细节

3.4 结论

4 FPGA实现

4.1 实现目标

4.2 布线布局

4.3 主要模块组件

4.4 结论

5 结果

5.1 实验设置

5.2 结果

5.3 结论

6 结论与未来工作展望

6.1 结论

6.2 未来工作展望

6.3 总结 

下载英文原文地址：

http://page2.dfpan.com/fs/blcdj2a2112981677c7/ 

更多精彩文章请关注微信号：