摘要

本文介紹了Advanced Micro Devices, AMD公司如何基于可重構(gòu)FPGA設(shè)備自定義激光探測(cè)解決方案，替代傳統(tǒng)的儀器配置，通過靈活且可定制的FPGA設(shè)備Moku提供更高效和靈活的激光探測(cè)技術(shù)。文中結(jié)合多個(gè)案例研究探討了使用Moku平臺(tái)簡(jiǎn)化實(shí)驗(yàn)設(shè)置、部署鎖相放大器和雙boxcar平均器提升信號(hào)質(zhì)量、并通過Moku的神經(jīng)網(wǎng)絡(luò)及云編譯功能優(yōu)化實(shí)時(shí)信號(hào)處理。Moku將信號(hào)生成、測(cè)試分析、控制調(diào)節(jié)等多種功能集成于一臺(tái)設(shè)備，支持用戶快速部署自定義HDL代碼，該方案集成度高、硬件投資成本低、配置簡(jiǎn)潔，且支持高度自定義和先進(jìn)的信號(hào)處理技術(shù)。

01

引言

目前，激光探測(cè)（laser probe, LP）技術(shù)及其衍生應(yīng)用的整合通常高度依賴原始設(shè)備制造商（original equipment manufacturer , OEM）提供的解決方案。然而，這些整體方案普遍缺乏靈活度與泛化性，并且通常存在知識(shí)產(chǎn)權(quán)等方面的限制，與供應(yīng)商之間協(xié)調(diào)所需的法律和財(cái)務(wù)流程通常復(fù)雜且耗時(shí)，這不僅極大地阻礙了企業(yè)實(shí)際生產(chǎn)中技術(shù)創(chuàng)新的進(jìn)程，也影響科研院所之間在該領(lǐng)域的研究合作。FPGA（現(xiàn)場(chǎng)可編程門陣列）是一種可由用戶編程和重新配置的集成電路，適用于高速并行處理和實(shí)時(shí)數(shù)據(jù)處理應(yīng)用?，F(xiàn)代FPGA通常集成硬件和軟件IP核心，增強(qiáng)了其功能，支持嵌入式處理器、射頻信號(hào)處理和AI加速等應(yīng)用。FPGA的部分重構(gòu)能力使得用戶能夠構(gòu)建低延遲、定制的測(cè)試配置，簡(jiǎn)化布線并減少信號(hào)損耗。此外，F(xiàn)PGA支持動(dòng)態(tài)熱插拔，允許在不干擾其他儀器的情況下添加或刪除功能。

昊量光電代理的Liquid Instruments的Moku設(shè)備是一款基于FPGA技術(shù)開發(fā)的高性能測(cè)試測(cè)量平臺(tái)，集成了多達(dá)15種專業(yè)測(cè)試測(cè)量?jī)x器功能，如示波器、鎖相放大器、信號(hào)發(fā)生器等。其采用先進(jìn)的ADC混合技術(shù)，顯著提升了設(shè)備底噪性能，確保了更加精確的測(cè)量結(jié)果，尤其低頻噪聲表現(xiàn)出色。Moku支持多儀器并行，能夠同時(shí)運(yùn)行最多八個(gè)儀器，儀器間在時(shí)鐘總線上高度同步，減少額外的噪聲并提高了實(shí)驗(yàn)效率。這種高度集成的設(shè)計(jì)大大簡(jiǎn)化了實(shí)驗(yàn)配置，減少了硬件連接復(fù)雜度，同時(shí)提升了信號(hào)處理的可靠性。此外，Moku的云編譯功能，即可編程特性讓用戶可以根據(jù)具體需求定制儀器功能和測(cè)試流程，無論是在實(shí)時(shí)數(shù)據(jù)處理、波形生成，還是在信號(hào)分析與實(shí)時(shí)處理中，都能靈活應(yīng)對(duì)各種挑戰(zhàn)。通過軟件定義儀器的方式，Moku為激光測(cè)探技術(shù)提供了易于操作、精準(zhǔn)靈活、可自定義的解決方案。

在本文中，我們將通過多個(gè)案例研究，展示基于Moku實(shí)現(xiàn)的可重構(gòu)集成方案及其相較于傳統(tǒng)方式的改進(jìn)之處。首先，我們將介紹頻域映射的兩種替代實(shí)現(xiàn)方式，通過一臺(tái)Moku替代傳統(tǒng)方案中使用多臺(tái)儀器的復(fù)雜設(shè)置：一種是使用Moku的鎖相放大器，可直接在本地振蕩器和鎖相環(huán)之間直接切換，輸出高信噪比信號(hào)，減小掃描區(qū)域并提升掃描速度；另一種是使用Moku的Python API及云編譯功能實(shí)時(shí)部署雙boxcar平均器，輕松在更復(fù)雜背景噪聲下捕獲門控窗口內(nèi)的所有信號(hào)分量。隨后，我們將探討如何使用雙boxcar平均器實(shí)現(xiàn)該方法。之后，我們會(huì)提供一種基于Moku鎖相放大器的定制解決方案，以提高信號(hào)質(zhì)量。最后，我們將研究人工智能，特別是通過Moku提供的神經(jīng)網(wǎng)絡(luò)（neural network, NN）功能，在實(shí)時(shí)信號(hào)處理過程中改進(jìn)激光探針信號(hào)采集的應(yīng)用方案。本文介紹的解決方案能夠與任何配備低噪聲激光和適當(dāng)帶寬探測(cè)器的商用激光掃描顯微鏡（laser scanning microscope, LSM）兼容。如圖1所示，大多數(shù)商用LSM都至少提供一個(gè)光子探測(cè)器輸出，它能將被測(cè)件（device under test, DUT）的電激勵(lì)反射以電信號(hào)形式傳輸出來；一個(gè)用于將信號(hào)轉(zhuǎn)換為灰度圖像像素的模擬輔助輸入；以及一個(gè)用于激光系統(tǒng)同步的外部同步輸入。

圖1：商用激光掃描顯微的外部輸入/輸出接口，采用默認(rèn)的激光探測(cè)和頻域映射配置。

LSM廠商默認(rèn)提供的低頻和中頻配置通常需要與示波器和頻譜分析儀等獨(dú)立儀器搭配使用，以實(shí)現(xiàn)相應(yīng)的技術(shù)。如時(shí)域映射的實(shí)現(xiàn)還需要一個(gè)具有boxcar平均功能的鎖相放大器，這通常作為附加選項(xiàng)提供?；贛oku的可重構(gòu)集成方案將大大簡(jiǎn)化這一設(shè)置，只需要一個(gè)可重構(gòu)FPGA設(shè)備，即Moku，和兩個(gè)物理連接：一個(gè)連接到光子探測(cè)器輸出，另一個(gè)連接到模擬輔助輸入，如圖2所示。在這種配置下，由于LSM軟件的限制，不會(huì)使用激光同步。一旦硬件連接建立，這些儀器可以完全通過軟件界面進(jìn)行切換。接下來我們將更詳細(xì)地討如何通過Moku實(shí)現(xiàn)可自定義的激光探測(cè)方案。

圖2：與原始設(shè)備制造商的默認(rèn)配置相比，簡(jiǎn)化了激光探測(cè)技術(shù)的實(shí)現(xiàn)（已劃掉部分）。部署單個(gè)可重構(gòu)FPGA設(shè)備Moku可以取代所有三個(gè)獨(dú)立的測(cè)量?jī)x器（頻譜分析儀、示波器和鎖相放大器）。

02

頻域映射解決方案

頻域映射通常用于將激光圖像與模具布局對(duì)齊以及確保精準(zhǔn)聚焦，這一技術(shù)對(duì)于實(shí)現(xiàn)最佳的信號(hào)采集至關(guān)重要。首先，我們使用可重構(gòu)FPGA設(shè)備Moku上部署的軟件定義鎖相放大器來實(shí)現(xiàn)頻域映射。該鎖相放大器提供了可以生成與DUT同步脈沖信號(hào)精確對(duì)齊的正弦波的鎖相環(huán)（phase-locked loop, PLL）。如圖3所示，如果需要相位信息，可以將DUT同步脈沖直接連接到Moku；否則，使用內(nèi)部振蕩器就足夠了。具體配置需要在內(nèi)部振蕩器或PLL模塊中設(shè)置所需的實(shí)驗(yàn)頻率，并選擇直角或極坐標(biāo)系輸出，這取決于是否需要相位信息或是否僅需要解調(diào)幅度的頻域映射，如圖4所示。最終輸出的結(jié)果是具有高信噪比（signal-to-noise ratio, SNR）的頻域映射信號(hào)，本方法支持快速掃描，并減少了掃描區(qū)域。

圖3：可重構(gòu)FPGA設(shè)備與LSM之間的物理硬件連接

圖4：用于頻率映射技術(shù)的Moku鎖相放大器配置?？稍诒镜卣袷幤骱玩i相環(huán)之間切換，以輸出幅度或相位信息。因此，通過觀察實(shí)時(shí)的頻域映射掃描結(jié)果來實(shí)時(shí)調(diào)整光學(xué)焦點(diǎn)，可以實(shí)現(xiàn)最佳的光學(xué)聚焦效果。圖5（上部）展示了在聚焦操作過程中捕獲的連續(xù)頻域映射圖像。要達(dá)到最佳聚焦效果，P型和N型活躍區(qū)域都必須呈現(xiàn)出其全局的最大對(duì)比度值。在圖5（下部）中，給出了從圖5（上部）虛線矩形區(qū)域繪制的對(duì)比度圖。該圖定量地描繪了P型和N型活躍區(qū)域的對(duì)比度變化。圖像編號(hào)4符合最佳聚焦的標(biāo)準(zhǔn)，因?yàn)樗故镜腜型和N型活躍區(qū)域都具有全局最大的對(duì)比度。這種統(tǒng)計(jì)方法在未來的自動(dòng)化流程中具有潛在的應(yīng)用價(jià)值。

圖5：焦距調(diào)節(jié)過程中的頻域映射圖像序列。圖像編號(hào)4的聚焦效果最佳。

應(yīng)當(dāng)指出的是，當(dāng)目標(biāo)頻率是周期性的（例如時(shí)鐘信號(hào)或基于HHLL的扁平化掃描信號(hào)）且占空比約為 50% 時(shí)，頻域映射性能達(dá)到最佳。偏離50%的占空比會(huì)引入額外的諧波，對(duì)系統(tǒng)性能產(chǎn)生負(fù)面影響，并降低整體信噪比。

另外，利用軟件定義的雙boxcar平均器（Moku提供了Python API控制面板以及云編譯部署控制實(shí)現(xiàn)該功能）也可以實(shí)現(xiàn)頻域映射。在時(shí)域中，基線boxcar設(shè)置在時(shí)鐘信號(hào)的零電平位置，脈沖boxcar設(shè)置有效時(shí)鐘位置，如圖6所示。根據(jù)測(cè)試模式的長(zhǎng)度、頻率和允許的激光功率，在超過2000次的平均下，雙boxcar平均器能獲得良好的信噪比，并且可以實(shí)現(xiàn)較快的掃描速率。圖7展示了不同頻域映射實(shí)現(xiàn)方式所獲得結(jié)果的比較。總體而言，與鎖相放大器方法相比，當(dāng)背景信號(hào)更復(fù)雜時(shí)，如圖8所示，它捕獲了門控窗口內(nèi)的所有信號(hào)分量，而鎖相放大器方法僅捕獲目標(biāo)頻率處的信號(hào)分量。用戶可以根據(jù)其具體目標(biāo)選擇合適的頻域映射方法。

圖6：藍(lán)色線條表示無時(shí)鐘信號(hào)向量的顯示波形。

紅色線條表示存在有效時(shí)鐘信號(hào)向量的顯示波形。黃色陰影區(qū)域分別是基線boxcar（較低）和脈沖boxcar（較高）。

圖7：不同頻域映射實(shí)現(xiàn)方式的對(duì)比圖

圖8：采用雙boxcar平均器得到的頻域映射結(jié)果往往比使用鎖相放大器得到的結(jié)果更為豐富。

03

時(shí)域映射解決方案

使用可重構(gòu)FPGA設(shè)備Moku來實(shí)現(xiàn)時(shí)域映射的解決方案時(shí)，無需對(duì)圖3所示的硬件連接進(jìn)行任何更改，僅將部署的軟件定義儀器從鎖相放大器切換到雙boxcar平均器模塊即可。配置脈沖boxcar來捕獲所需信號(hào)的位置以及基線boxcar在沒有信號(hào)的位置。最后，將激光像素延遲與boxcar平均時(shí)間對(duì)齊，如圖9所示。

圖9：時(shí)域映射的時(shí)域波形圖示例。觸發(fā)信號(hào)（藍(lán)色）由測(cè)試設(shè)備提供?；€boxcar（低的黃線）設(shè)置在無信號(hào)的位置，而脈沖boxcar（高的黃線）則設(shè)置在需要捕獲信號(hào)的位置。時(shí)域映射在追蹤非周期性信號(hào)或低占空比周期性信號(hào)（例如由壓縮掃描模式生成的信號(hào)）的晶體管時(shí)域動(dòng)態(tài)特性方面特別有效。圖10展示了將時(shí)域調(diào)制應(yīng)用于待測(cè)試的掃描單元的情況，其中輸入緩沖器位于SI處，輸出緩沖器位于SO處。從掃描單元的輸出部分開始檢測(cè)到缺失的時(shí)域映射信號(hào)，并一直延伸到SO緩沖器B。使用激光探測(cè)進(jìn)一步檢查這一異常情況，發(fā)現(xiàn)掃描單元的輸出出現(xiàn)了不隨激勵(lì)信號(hào)翻轉(zhuǎn)的現(xiàn)象。

圖10：正常元件和故障元件上顯示的時(shí)域映射結(jié)果圖像。

對(duì)比正常元件，故障元件上從掃描單元輸出區(qū)到輸出緩沖器B的時(shí)域映射信號(hào)缺失。故障元件的激光探測(cè)信號(hào)在掃描單元輸出處用“+”標(biāo)記，表明其出現(xiàn)輸出不隨激勵(lì)信號(hào)翻轉(zhuǎn)的現(xiàn)象。時(shí)域映射還在探針精確定位方面表現(xiàn)出了極大的價(jià)值，它提供了一種比耗時(shí)的傳統(tǒng)多點(diǎn)采集方法更快的替代方案，并且能夠緩解當(dāng)探測(cè)激光波長(zhǎng)與成像激光波長(zhǎng)不一致時(shí)所導(dǎo)致的問題。然而，時(shí)域映射的處理速度本質(zhì)上較慢，需要至少三個(gè)數(shù)量級(jí)的平均周期。通常，時(shí)域映射是使用一個(gè)縮小的掃描窗口來執(zhí)行的，建議優(yōu)化測(cè)試圖案的長(zhǎng)度獲得最大效率。

04

自定義解決方案示例—移動(dòng)平均濾波器

接下來，我們將具體展示如何通過在Moku上部署一種定制解決方案來滿足特定的測(cè)量需求。具體而言，我們通過Moku的多儀器并行模式，同時(shí)部署了鎖相放大器與自定義的實(shí)時(shí)移動(dòng)平均濾波器，通過它們協(xié)同工作實(shí)現(xiàn)簡(jiǎn)易的頻域映射方案。在多儀器并行模式下，用戶可以部署最多8種儀器同時(shí)運(yùn)行，根據(jù)實(shí)驗(yàn)需求，用戶可以靈活配置所需儀器，且儀器在時(shí)鐘總線上高度同步。如圖11所示，該實(shí)現(xiàn)方式所需的自定義算法通過云編譯模塊部署。本方案使用的兩個(gè)儀器之間的數(shù)據(jù)交互與同步，通過FPGA的內(nèi)部互連結(jié)構(gòu)進(jìn)行配置儀器之間無需額外任何物理連線，從而確保低延時(shí)信號(hào)傳輸。

移動(dòng)平均濾波器的實(shí)現(xiàn)原理由以下公式給出

其中，x(t) 為離散時(shí)間序列輸入信號(hào)，y(t) 為輸出信號(hào)，n 為連續(xù)信號(hào)的樣本數(shù)量。該方程通過HDL代碼實(shí)現(xiàn)，并編譯成比特流文件，然后即可通過云編譯器進(jìn)行部署。

圖11：Moku多儀器并行的串聯(lián)配置。鎖相放大器的輸出A被連接到云編譯器的輸入A，該云編譯器部署了移動(dòng)平均濾波器的自定義算法。

這種濾波器計(jì)算量較小，僅需要一個(gè)累加器、一個(gè)減法器和一個(gè)移位運(yùn)算。因此，它時(shí)延非常低，非常適合實(shí)時(shí)應(yīng)用。如圖12的實(shí)際測(cè)量結(jié)果所示，示例中實(shí)現(xiàn)的移動(dòng)平均濾波器的輸入與輸出之間的延遲量測(cè)量值為 224納秒，相當(dāng)于312.5 MHz FPGA的時(shí)鐘的70個(gè)時(shí)鐘周期。

圖12：在基于50MHz FPGA的系統(tǒng)時(shí)鐘下，鎖相放大器和移動(dòng)平均濾波器的輸入與輸出之間的延遲約為222納秒。紅線表示輸入，藍(lán)線表示移動(dòng)平均濾波器的輸出。這種移動(dòng)平均濾波器能將噪聲幅度降低到原始值的根號(hào)下2的n次方倍。在我們的實(shí)現(xiàn)中，n = 8，因此噪聲幅度應(yīng)降低至1/16，即相當(dāng)于信號(hào)幅度增加到其原始值的16倍。在圖13展示的結(jié)果中，移動(dòng)平均濾波器的輸出和輸入分別被測(cè)得為360 mV和22 mV，約為16.4倍，符合理論預(yù)期。借助移動(dòng)平均濾波器提供的更高的信噪比，可以降低激光功率，或者通過減少像素停留時(shí)間來實(shí)現(xiàn)更快的掃描速度，同時(shí)保持相當(dāng)?shù)妮敵鼋Y(jié)果。

圖13：增加移動(dòng)平均濾波器后輸出與鎖相放大器原始輸出的對(duì)比；輸出電壓分別為360 mV和22 mV。

05

基于神經(jīng)網(wǎng)絡(luò)的降噪方案實(shí)現(xiàn)

FPGA的可重構(gòu)和并行處理架構(gòu)非常適合神經(jīng)網(wǎng)絡(luò)處理。它提供了低延遲的推理性能，適用于各種實(shí)時(shí)信號(hào)處理應(yīng)用，例如信號(hào)降噪、分類和閉環(huán)控制。接下來，我們使用自編碼器這類神經(jīng)網(wǎng)絡(luò)來進(jìn)行信號(hào)降噪，并通過Moku將其部署到其他儀器（如示波器、鎖相放大器和boxcar平均器）輸入之前的一級(jí)進(jìn)行前端信號(hào)處理。自編碼器是一種神經(jīng)網(wǎng)絡(luò)類型，旨在高效地學(xué)習(xí)輸入數(shù)據(jù)的壓縮表示。它通過采用一種網(wǎng)絡(luò)架構(gòu)來將數(shù)據(jù)壓縮至更小的編碼空間表示，然后將其重構(gòu)回原始輸入大小，從而完成這一任務(wù)。

5.1 自編碼器

在將一串時(shí)間序列數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)之前，會(huì)使用一個(gè)包含32個(gè)數(shù)據(jù)點(diǎn)的滑動(dòng)窗口將其轉(zhuǎn)換為32個(gè)并行數(shù)據(jù)的格式。如圖14所示，我們配置了一個(gè)四層的自編碼器。前三層的編碼空間大小分別設(shè)置為16-2-16，每層均使用Tanh函數(shù)，而最后一層則采用線性函數(shù)，解碼后的數(shù)據(jù)匯聚為單輸出。該自編碼器是使用隨機(jī)生成的均值為零、服從正態(tài)分布的白噪聲數(shù)據(jù)進(jìn)行訓(xùn)練的。

圖14：一種基于時(shí)間數(shù)據(jù)滑動(dòng)窗口的四層自編碼器結(jié)構(gòu)?？紤]當(dāng)前使用的FPGA資源劃分，神經(jīng)網(wǎng)絡(luò)的輸入采樣率被設(shè)定在305 kSa/s，然而我們的測(cè)試設(shè)置和激光探頭探測(cè)器的帶寬不兼容，一定程度上限制了我們進(jìn)一步探索。不過，我們還是進(jìn)行了一系列軟件仿真測(cè)試，以研究自編碼器神經(jīng)網(wǎng)絡(luò)的行為。我們將具有正態(tài)分布的隨機(jī)生成的白噪聲，添加到振幅為 ±0.5 V 的方波中。

5.2 性能評(píng)估

為了評(píng)估噪聲抑制的性能，我們采用了標(biāo)準(zhǔn)差差異（standard deviation difference, SDD）這一指標(biāo)，它衡量的是處理后的信號(hào)與真實(shí)值之間的差異的標(biāo)準(zhǔn)差，而非使用均方誤差（mean square error, MSE）。相比于MSE，SDD在各種場(chǎng)景下能更一致地反映相對(duì)真實(shí)值的去噪結(jié)果。如圖15表明，MS給出的自編碼器性能與中值濾波器相差超過8倍（8.9975 vs 0.9347）。相比之下，SDD能更準(zhǔn)確地反映實(shí)際性能，這一數(shù)據(jù)顯示中值濾波器的 SDD 更低（越低越好），低于自動(dòng)編碼器（0.1551 vs 0.3814）。

圖15：中值濾波器與自編碼器在SDD和MSE評(píng)估指標(biāo)方面的比較。

5.3 偏移補(bǔ)償

在自編碼器的輸出結(jié)果中，與真實(shí)值相比觀察到有5個(gè)數(shù)據(jù)點(diǎn)的負(fù)偏移，如圖16所示。這種偏移僅在仿真環(huán)境中明顯可見，因?yàn)樵诜抡嬷形纯紤]任何延遲的處理。在實(shí)際應(yīng)用中，這種負(fù)偏移通?？梢院雎圆挥?jì)，因?yàn)閮x器的延遲會(huì)顯著更長(zhǎng)，并且無法獲得用于直接比較的真實(shí)數(shù)據(jù)。在本案例的研究中，我們始終補(bǔ)償了5個(gè)數(shù)據(jù)點(diǎn)的偏移。

圖16：自編碼器有負(fù)偏移的原始輸，以及補(bǔ)償后的版本。

5.4 采樣

為了測(cè)試自編碼器在不同采樣率或數(shù)據(jù)密度下的表現(xiàn)情況，我們將采樣率定義為在每個(gè)信號(hào)脈沖下所采集的樣本數(shù)量。在激光探測(cè)應(yīng)用中，采樣率通常設(shè)置在每個(gè)信號(hào)脈沖采集50個(gè)到200個(gè)樣本之間，以獲得可靠的分辨率用于分析，具體數(shù)值取決于測(cè)試設(shè)置的頻率以及示波器的性能。圖17所示的結(jié)果表明，自編碼器的性能在數(shù)據(jù)密度增加時(shí)提升，但到達(dá)400個(gè)采樣/脈沖時(shí)開始趨于穩(wěn)定。

圖17：不同采樣率下自編碼器的性能。采樣率越低，SDD值越小，性能越好。

5.5 噪聲水平

我們還針對(duì)不同的輸入噪聲水平對(duì)自編碼器進(jìn)行了仿真測(cè)試。噪聲基于不同標(biāo)準(zhǔn)差下的隨機(jī)正態(tài)分布定義并生成。圖18的結(jié)果表明，自編碼器在低噪聲條件下表現(xiàn)更佳，而當(dāng)噪聲水平升高時(shí)，其表現(xiàn)則開始急劇下降。

圖18：不同噪聲水平下自編碼器的性能表現(xiàn)。*SDD越低越好。

5.6 神經(jīng)網(wǎng)絡(luò)層數(shù)

針對(duì)自編碼器結(jié)構(gòu)，我們對(duì)不同的神經(jīng)網(wǎng)絡(luò)層數(shù)和編碼空間大小進(jìn)行了測(cè)試。結(jié)果表明，當(dāng)將編碼空間壓縮至最小允許尺寸（即2）時(shí)，自編碼器的表現(xiàn)會(huì)更好。隨著神經(jīng)網(wǎng)絡(luò)層數(shù)從3層增加到5層，性能也會(huì)有所提升，但當(dāng)層數(shù)從5層增加到7層時(shí)，性能則會(huì)下降。

圖19：不同神經(jīng)網(wǎng)絡(luò)層數(shù)和編碼空間大小下自編碼器的性能表現(xiàn)。*SDD越小越好。

5.7 方案對(duì)比

在高噪聲輸入環(huán)境下，將自編碼器與中值濾波器進(jìn)行對(duì)比測(cè)試，測(cè)試時(shí)采用均值為0、標(biāo)準(zhǔn)差為2的正態(tài)分布數(shù)據(jù)。測(cè)試結(jié)果表明，中值濾波器的表現(xiàn)明顯優(yōu)于平均濾波器（噪聲輸入情況）以及自編碼器。

圖20：自編碼器、均值濾波器和中值濾波器性能的比較。

5.8 實(shí)驗(yàn)總結(jié)

上述實(shí)驗(yàn)表明，自編碼器在數(shù)據(jù)密度高且噪聲水平低的情況下能夠表現(xiàn)良好。然而，當(dāng)輸入的正態(tài)分布噪聲標(biāo)準(zhǔn)差超過0.25時(shí)，自編碼器不再適合作為前端信號(hào)降噪的解決方案。在這種情況下，中值濾波器結(jié)合取平均的處理將更為合適，因?yàn)樗軌蜻m應(yīng)更廣泛的輸入數(shù)據(jù)密度和噪聲水平。未來的研究可以關(guān)注其他訓(xùn)練數(shù)據(jù)集或反饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)—例如循環(huán)神經(jīng)網(wǎng)絡(luò)。

結(jié)論

在此，特別感謝AMD工程師Zhi Hao Ko 提供的應(yīng)用研究及支持。本文通過展示了一種基于單臺(tái)自適應(yīng) FPGA 設(shè)備的激光探測(cè)技術(shù)的簡(jiǎn)易實(shí)現(xiàn)方案，并通過實(shí)際應(yīng)用案例進(jìn)行了驗(yàn)證。該 FPGA 平臺(tái)的功能不僅限于可重構(gòu)的測(cè)試與測(cè)量?jī)x器，更可作為高度可定制的信號(hào)處理解決方案，滿足多樣化和特定化的測(cè)試需求及推動(dòng)測(cè)試測(cè)量領(lǐng)域創(chuàng)新發(fā)展。

本文所展示的應(yīng)用實(shí)現(xiàn)僅是初步探索，未來該方案不僅可拓展至更復(fù)雜的光學(xué)故障定位技術(shù)，也為更廣泛的失效分析與測(cè)試方法提供了新的思路與實(shí)現(xiàn)路徑。基于實(shí)時(shí)神經(jīng)網(wǎng)絡(luò)（Live NN）的概念在信號(hào)處理領(lǐng)域依然具有巨大潛力。隨著Moku平臺(tái)采用更高性能的 FPGA 架構(gòu)，系統(tǒng)可進(jìn)一步提升采樣與處理能力。同時(shí)，未來可探索多種神經(jīng)網(wǎng)絡(luò)模型，以在精度與響應(yīng)速度上實(shí)現(xiàn)更優(yōu)表現(xiàn)。