论文部分内容阅读
近年来,中科院半导体所神经网络实验室从神经计算软硬件结合角度,利用我们提出的仿生模式识别技术,研究探索了一整套数学化表示、关键特征抽提和高维欧氏特征空间拟合逼近的方法,并将此方法成功运用于人脸模式识别领域,取得了一系列优异的研究成果。但是在人脸模式识别过程中,用于拍摄人脸的摄像头的成像质量并不理想。曲于受到背景光照等噪声影响,成像图像常会过亮或过暗,图像对比度下降。
这个问题反映在电路上,就是因为在视频成像系统当中,图像传感器输出的模拟信号常常会随着光照强弱而剧烈变化,输出电压可能很小,也可能很大。若电压过小,则后级模数转换时无法充分利高位的转换精度;若电压过大,则超出模数转换器的输入范围。两种情况都造成精度浪费。于是,图像传感器得到的模拟信号在进行模数转化时,常常只能利用到后继模数转换器(ADC)全部量程的一部分,达不到应有的转换位数要求,影响到了后继的模式识别算法处理。
在这个情况下,本文提出了一种改进的电荷耦合器件(charge couple device,简称CCD)成像系统。为了改善成像质量,保证后续信号处理的可靠性,该系统在传统CCD相机的基础上,改善了自动增益控制(automatic gain control,简称AGC)电路。自动增益电路的原理,就是根据前级输入信号幅度,动态的来反馈调节输入信号的大小,使得最终输出信号幅度稳定在某一幅度上。这样,通过动态调整模拟信号幅度,能最大程度保留原始信号信息,解决了光照影响的问题,改善了最终成像质量。与通过调整经模数转换后的数字信号的方法相比较,损失小而且速度快。
我们共设计了两种新型的大动态增益范围的视频AGC电路,这两种电路都具有集成度高,动态范围大的特点,适用于本论文所涉及的CCD成像系统。
最后,我们介绍了USB2.0的接口设计。USB2.0是一种流行的PC外设的高速接口,通过USB2.0接口实现与计算机相连,能满足数据的实时高速传输要求。