fpga算法
‘壹’ 学习fpga需要多久多少程度才能搞到图像处理和图像算法
FPGA范围比较广，从编程到制版到调试到生产都可以算到里面。既然你是想搞算法，我就帮你尽量跳过FPGA费时费力不出成绩的底层钻研阶段。
如果你只是想做算法而不是做应用，只需要了解FPGA的优势和实现原理，10-30天学习FPGA基础语法，这部分跟C比较相似应该能很快入门，这时候你差不多就了解FPGA跟CPU的区别和优势了，然后把重点放在算法研究上。根据算法复杂度研究时间不定。
比如图像处理，FPGA的优势在于可以一个时钟周期处理多个点或者矩阵，这时候你的算法就要偏向于怎么让不同点或者矩阵之间的运算尽量独立没有前后相关性。速度上4Ghz的CPU一次处理16个点速度就是64G点每秒，FPGA看资源如果一次可以处理1000点，200MHZ的速度就是200G点每秒，这图像处理速度的优势就出来了。而且CPU可能还要跑系统还有宕机风险，FPGA说多快就多快，稳定高效能长时间运行。
之前我们做4K视频的采集和预处理，FPGA很轻松就实现了。设计的时候最好找个高手听一下你的设计方案，帮忙做一下时序约束和PipeLine规划，这样保证你的算法尽量稳定，或者干脆点你算法完成直接找人给你写代码，你把代码看懂之后再慢慢调参数就行了。
直接根据自己需求买个成品板卡，这样上面的外接器件什么的都有现成example可以使用，比如DDR控制、视频输入输出、引脚约束这之类的，你可以直接用板卡资料，不需要浪费时间去自己调试，专心做算法。
‘贰’ 一个搞fpga的人有没有必要看一下算法导论之类的算法书
你如果不想搞系统设计，只帮别人做做验证之类的底层工作，可以不去看算法之类的书，只要你甘心不做高层、不向上爬。但如果你想逐步提高到系统设计工程师的话，早晚还是要看算法之类的书的。
‘叁’ 学习FPGA算法和IC设计要多长时间该怎么去学
学习这种东西，最好是在公司或者研究所里的项目。首先明确一点，就是IC分宏观的设计和微观的设计，比如说做一个宏观的项目，设计一个简单的秒表，那么你可以用FPGA来实现，这东西属于IC的范畴，但不是说你会这么点微末的东西就说你是搞IC的了。IC设计千万别说是搞IC得，因为它真的是太难了，如果想学，我推荐你去智芯融上他们的FPGA&IC设计培训，跟着老师系统学习，快速掌握技术要领。
‘肆’ 急求 FPGA实现算法有关的电子书！！
《数字滤波器的MATLAB与FPGA实现》
作者：高亚军编着
出 版 社：电子工业出版社
http://proct.dangdang.com/proct.aspx?proct_id=22634388
《基于FPGA的数字信号处理》
作者：高亚军编着
出 版 社：电子工业出版社
http://proct.dangdang.com/proct.aspx?proct_id=22603281
这两本书不错，可以参考参考。严重推荐！！！
‘伍’ FPGA算法实现工程师（RTL工程师）是做什么的
通信算法DSP啥的做的人很多，而且学历都很高，竞争很激烈，无线通信好些
‘陆’ 用FPGA来做pid算法控制好吗
误差输出16位，输入10位，这里多少位多少位都是输入输出的量化精度，就是说你这个PID控制模块输入的传感器采样数据是位宽为10位的数据，控制输出为位宽为16位的数据。
‘柒’ FPGA如何实现算法
我个人认为 FPGA的算法实现与C的算法有一定关联 但有区别 有些黄金算法在硬件语言描述时很费力，不一定好用 也只有理论联系实践，从实践中来到实践中去，
‘捌’ 阿里巴巴招fpga算法工程师吗
FPGA的开发门槛不高的。因为小规模的FPGA开发相当简单，会写VHDL、VERILOG就可以。但是现在FPGA在往SOC的方向发展，里面集成CPU、高速串行接口、DSP模块等等。一个非常专业的FPGA设计者必须具备系统级的概念。简单的说，这里面任何一个方向你掌握得很好就可以拿高薪了。比如高速串行接口，我了解国内真正的专家不多的。
‘玖’ 如何用fpga实现算法的硬件加速
首先，利用传统的软件技巧来优化算法，然后将其转向定制指令以加速算法。我们将讨论不同实现方法的性能比较和折衷。
CRC算法可用来校验数据在传输过程中是否被破坏。这些算法很流行，因为它们具有很高的检错率，而且不会对数据吞吐量造成太大影响，因为CRC校验位被添加进数据信息中。但是，CRC算法比一些简单的校验和算法有更大的计算量要求。尽管如此，检错率的提高使得这种算法值得去实施。
一般说来，发送端对要被发送的消息执行CRC算法，并将CRC结果添加进该消息中。消息的接收端对包括CRC结果在内的消息执行同样的CRC操作。如果接收端的结果与发送端的不同，这说明数据被破坏了。
CRC算法是一种密集的数学运算，涉及到二元模数除法(molo-2 division)，即数据消息被16或32位多项式(取决于所用CRC标准)除所得的余数。这种操作一般通过异或和移位的迭代过程来实现，当采用16位多项式时，这相当于每数据字节要执行数百条指令。如果发送数百个字节，计算量就会高达数万条指令。因此，任何优化都会大幅提高吞吐量。
代码列表1中的CRC函数有两个自变量(消息指针和消息中的字节数)，它可返回所计算的CRC值(余数)。尽管该函数的自变量是一些字节，但计算要逐位来执行。该算法并不高效，因为所有操作(与、移位、异或和循环控制)都必须逐位地执行。
列表1：逐位执行的CRC算法C代码。
/*
* The width of the CRC calculation and result.
* Modify the typedef for a 16 or 32-bit CRC standard.
*/
typedef unsigned char crc;
#define WIDTH (8 * sizeof(crc))
#define TOPBIT (1 << (WIDTH - 1))
crc crcSlow(unsigned char const message[], int nBytes)
{
crc remainder = 0;
/*
* Perform molo-2 division, a byte at a time.
*/
for (int byte = 0; byte < nBytes; ++byte)
{
/*
* Bring the next byte into the remainder.
*/
remainder ^= (message[byte] << (WIDTH - 8));
/*
* Perform molo-2 division, a bit at a time.
*/
for (unsigned char bit = 8; bit > 0; "bit)
{
/*
* Try to divide the current data bit.
*/
if (remainder & TOPBIT)
{
remainder = (remainder << 1) ^ POLYNOMIAL;
}
else
{
remainder = (remainder << 1);
}
}
}
/*
* The final remainder is the CRC result.
*/
return (remainder);
}
1.传统的软件优化
图3：带CRC外围电路和DMA的系统模块示意图。
让我们看一下如何利用传统的软件技巧来优化CRC算法。因为CRC操作中的一个操作数，即多项式(除数)是常数，字节宽CRC操作的所有可能结果都可以预先计算并存储在一个查找表中。这样，通过一个读查找表动作就可让操作按逐个字节执行下去。
采用这一算法时，需要将这些预先计算好的值存储在存储器中。选择ROM或RAM都可以，只要在启动CRC计算之前将存储器初始化就行。查找表有256个字节，表中每个字节位置包含一个CRC结果，共有256种可能的8位消息(与多项式大小无关)。
列表2示出了采用查找表方法的C代码，包括生成查找表crcInit()中数值的代码。
列表2：采用查找表方法的CRC算法C代码。
crc crcTable[256];
void crcInit(void)
{
crc remainder;
/*
* Compute the remainder of each possible dividend.
*/
for (int dividend = 0; dividend < 256; ++dividend)
{
/*
* Start with the dividend followed by zeros.
*/
remainder = dividend << (WIDTH - 8);
/*
* Perform molo-2 division, a bit at a time.
*/
for (unsigned char bit = 8; bit > 0; "bit)
{
/*
* Try to divide the current data bit.
*/
if (remainder & TOPBIT)
{
remainder = (remainder << 1) ^ POLYNOMIAL;
}
else
{
remainder = (remainder << 1);
}
}
/*
* Store the result into the table.
*/
crcTable[dividend] = remainder;
}
} /* crcInit() */
crc crcFast(unsigned char const message[], int nBytes)
{
unsigned char data;
crc remainder = 0;
/*
* Divide the message by the polynomial, a byte at a time.
*/
for (int byte = 0; byte < nBytes; ++byte)
{
data = message[byte] ^ (remainder >> (WIDTH - 8));
remainder = crcTable[data] ^ (remainder << 8);
}
/*
* The final remainder is the CRC.
*/
return (remainder);
} /* crcFast() */
整个计算减少为一个循环，每字节(不是每位)有两个异或、两个移位操作和两个装载指令。基本上，这里是用查找表的存储空间来换取速度。该方法比逐位计算的方法要快9.9倍，这一提高对某些应用已经足够。如果需要更高的性能，可以尝试编写汇编代码或增加查找表容量以挤出更多性能来。但是，如果需要20、50甚至500倍的性能提高，就要考虑采用硬件加速来实现该算法了。
表1：各种规模的数据模块下CRC算法测试比较结果。
2.采用定制指令方法
CRC算法由连续的异或和移位操作构成，用很少的逻辑即可在硬件中简单实现。由于这一硬件模块仅需几个周期来计算CRC，采用定制指令来实现CRC计算要比采用外围电路更好。此外，无须涉及系统中任何其它外围电路或存储器。仅需要一个微处理器来支持定制指令即可，一般是指可配置微处理器。
当在硬件中实现时，算法应该每次执行16或32位计算，这取决于所采用的CRC标准。如果采用CRC-CCITT标准(16位多项式)，最好每次执行16位计算。如果使用8位微处理器，效率可能不太高，因为装载操作数值及返回CRC值需要额外的周期。图2示出了用硬件实现16位CRC算法的内核。
信号msg(15..0)每次被移入异或/移位硬件一位。列表3示出了在64KB数据模块上计算CRC的一些C代码例子。该实例是针对Nios嵌入式处理器。
列表3：采用定制指令的CRC计算C代码。
unsigned short crcCompute(unsigned short *data_block, unsigned int nWords)
{
unsigned short* pointer;
unsigned short word;
/*
* initialize crc reg to 0xFFFF
*/
word = nm_crc (0xFFFF, 1); /* nm_crc() is the CRC custom instruction */
/*
* calculate CRC on block of data
* nm_crc() is the CRC custom instruction
*
*/
for (pointer = data_block; pointer < (data_block + nWords); pointer ++)
word = nm_crc(*pointer, 0) return (word);
}
int main(void)
{
#define data_block_begin (na_onchip_memory)
#define data_block_end (na_onchip_memory + 0xffff)
unsigned short crc_result;
unsigned int data_block_length = (unsigned short *)data_block_end - (unsigned short
*)data_block_begin + 1;
crc_result = crcCompute((unsigned short *)data_block_begin, data_block_length);
}
采用定制指令时，用于计算CRC值的代码是一个函数调用，或宏。当针对Nios处理器实现定制指令时，系统构建工具会生成一个宏。在本例中为nm_crc()，可用它来调用定制指令。
在启动CRC计算之前，定制指令内的CRC寄存器需要先初始化。装载初始值是CRC标准的一部分，而且每种CRC标准都不一样。接着，循环将为数据模块中的每16位数据调用一次CRC定制指令。这种定制指令实现方式要比逐位实现的方法快27倍。
3.CRC外围电路方法
如果将CRC算法作为硬件外围电路来实现，并利用DMA将数据从存储器转移到外围电路，这样还可以进一步提高速度。这种方法将省去处理器为每次计算而装载数据所需要的额外周期。DMA可在此外围电路完成前一次CRC计算的时钟周期内提供新的数据。图3示出了利用DMA、CRC外围电路来实现加速的系统模块示意图。
在64KB数据模块上，利用带DMA的定制外围电路可获得比逐位计算的纯软件算法快500倍的性能。要知道，随着数据模块规模的增加，使用DMA所获得的性能也随之提高。这是因为设置DMA仅需很少的开销，设置之后DMA运行得特别快，因为每个周期它都可以传递数据。因此，若只有少数字节的数据，用DMA并不划算。
这里所讨论的所有采用CRC-CCITT标准(16位多项式)的算法都是在Altera Stratix FPGA的Nios处理器上实现的。表1示出了各种数据长度的测试比较结果，以及大致的硬件使用情况(FPGA中的存储器或逻辑单元)。
可以看出，算法所用的硬件越多，算法速度越快。这是用硬件资源来换取速度。
‘拾’ 如何用数字IC/FPGA实现算法
主要内容包括：
1. 为什么很多人觉得学习FPGA很困难，以及HDL学习的一些误区；
2. 软件和硬件在算法实现上的区别；
3. 通过具体例子详细讲解了从算法的行为级建模向RTL级建模的转换思想和底层电路的实现；
4. 学习资料推荐。都是做数字前端的一些经典书籍，对比较盲目的同学或不知道选什么资料的同学会有很大帮助