春和景明

首先，利用MATLAB实现了传统的AOA室内定位方法。然后，利用Python及TensorFlow训练神经网络并利用神经网络预测AOA。神经网络的预测结果比传统AOA方式更加准确。最后，利用集成学习将传统AOA定位方式与神经网络融合，进一步提高了准确度。（提升了10cm左右）。

实现了机器人机械爪抓取和放置物体的demo。实现了物体的自动识别与机械臂的运动规划，实现了机器人的即时导航与定位功能。在仿真平台上实现了机械爪的抓取和放置，并实现了人机协同。最终的机器人既可独立完成抓取任务，也可以在人工辅助下完成抓取任务。

计算出行人移动的方向和速度，开发出能显示行人移动方向的APP。并设计出了利用位移和姿态角计算运动方向的算法。 数据测试：获取运动传感器所得数值，进行数学解算得到行人移动的方向和速度； 进行实验反复验证，并根据情况修改，直到误差在允许范围内为止。 实验验证：利用手机传感器测运动方向，研发出能显示行人移动方向的APP。

本项目开发出基于人脸检测与跟踪算法的远程驾驶系统。驾驶员通过脸部的细微运动即可远程控制车辆的行驶，解放了双手。项目的核心是基于 AdaBoost 算法的人脸检测与跟踪技术以及基于 TCP-SOCKET 的远程通信技术。项目的关键技术难点在于人脸检测的准确性、判别算法的鲁棒性和通信系统的实时性。项目很好地满足了这几点要求。

在这个项目中，我们三人一组，主要实现的功能是利用Vivado软件操作平台在ZedBoard-zynq-7000c484开发板平台上实现卷积神经网络算法优化的目标。 通过上述优化，在相同硬件资源条件下，最终实现的运算速度比传统计算快183倍，比硬件优化方法快20%。这个项目获得了全国集成电路创新创业大赛二等奖。 我们的总体设计方法是这样的，首先在 C++平台上实现卷积核算法和反卷积算法，然后通过 vivado HLS 仿真进行总线带宽、pipeline、内部缓存、计算单元等方面硬件的优化，仿真波形和实际相符后，生成相应的 IP 核，vivado 导入 IP 核和 zynq7000 进行实物仿真，经过验证正确后烧入 fpga。图像从电脑端通过串口输入开发板，由于片内缓存不足以一次性存储1024个channel的150*150的图像，所以采用动态缓存的办法，Zynq 边对图像进行卷积处理，边从特征 cache 读取图像数据，一个 channel 处理完成后立即输出至 SDSDRAM（输出数据量较小），并空出相应的缓存资源供后续 channel的图像使用。我们将开发板的 8 个 LED 设置为输出结果，板上运行时，可通过 LED判断输出波形。