【正文】 200和FPGA互相數(shù)據傳輸通過一個SPI控制模塊完成，在本設計中，采用Verilog編程實現(xiàn)，定義了三組狀態(tài)機，完成狀態(tài)跳變的。//狀態(tài)機 parameter idle=539。b00001,write_cmd=539。b00010,write_adr=539。b00100, write_data=539。b01000,read_data=539。b10000, shift7=339。b111,shift6=339。b110,shift5=339。b101,shift4=339。b100, shift3=339。b011,shift2=339。b010,shift1=339。b001,shift0=339。b000, shift07=339。b111,shift06=339。b110,shift05=339。b101,shift04=339。b100, shift03=339。b011,shift02=339。b010,shift01=339。b001,shift00=339。b000。MBF200的讀寫兩個狀態(tài)分成WRITE，READ。其中又分寫命令，寫地址，讀數(shù)據幾種狀態(tài)。所以定義了write_data，write_cmd，write_adr，read_data四個狀態(tài)機。傳輸數(shù)據的難點在于SPI模式輸入要將并行數(shù)據轉換為串行模式，輸入又要將串行數(shù)據轉換為并行。在本設計中，用兩組狀態(tài)機，和兩個移位task來分別實現(xiàn)。具體程序見附錄1。 指紋數(shù)據存儲軟件實現(xiàn)本設計中，數(shù)據采集入FPGA后，由于FPGA內部RAM太小，所以必須臨時存儲至開發(fā)板自帶的512MbDDR SDRAM中。當SDRAM芯片開始上電的時候，時鐘信號也要相應給出，SDRAM的第一個命令必須在時鐘穩(wěn)定后的100us才能給出，在此期間所有控制信號處于無效狀態(tài)。一般在上電過程中需設置MR，主要包括突發(fā)長度、突發(fā)類型、CAS延遲等信息在MR存儲信息當中，CAS代表的時間事當列地址給出后，SDRAM需要多少個時鐘周期才能在數(shù)據線上給出數(shù)據。突發(fā)讀寫長度是指在行地址、列地址分別給出后，SDRAM可以在不連續(xù)提供地址的情況下，最多可以讀多少數(shù)據。SDRAM上電后使用前必須要經過一段初始化操作才可以使用。這個操作過程是標準的過程。這個過程如下 　　　　A: 預充電　　　　B: 自動刷新 　　　　C: 裝載寄存器　　　　D: 讀寫之后就是要設置SDRAM的模式寄存器，這個寄存器里一般設置了burst長度，CAS，burst類型，操作模式，還有是設置SDRAM是工作在單個讀 寫操作還是burst操作下。而這個寄存器的設置也是通過地址線來設置的，所以在發(fā)出Load Mode Register命令后要做一個操作可是使得在SDRAM的地址線上出線的值就是你要設置的值。 指紋圖像預處理軟件實現(xiàn) 指紋圖像的規(guī)一化圖9 指紋圖像歸一化流程圖 指紋圖像的分割圖10 圖像分割軟件流程圖 指紋圖像的二值化圖11 指紋圖像二值化軟件流程圖 指紋圖像的細化圖12 指紋圖像的細化軟件流程圖 MicroBlaze處理核的嵌入由于本系統(tǒng)涉及大量的算法和運算，利用基本的加減乘除很難實現(xiàn)，而且會花費很多的時間。而Spartan3E系列FPGA內部能嵌入一個32位的RISC處理器，此處理器完全可以實現(xiàn)這些運算，提高系統(tǒng)的執(zhí)行效率，降低系統(tǒng)的開發(fā)難度。藏鋒者專業(yè)網絡安全免費論文：首先在EDK中生成一個Microblaze處理器，再添加需要的SPI控制器、SRAM、SDRAM、FLASH等外圍IP核，下載到FPGA中后在SDK中進行軟件編寫和調試，實現(xiàn)系統(tǒng)的運算功能。 指紋圖像的特征點提取本系統(tǒng)將兩種細化算法有機結合，形成了一種綜合的細化算法。先使用快速細化算法進行初步細化，細化后的紋線有一定寬度；對初步細化后的指紋圖像再使用改進的OPTA 算法進一步細化，使得除分叉點外其它地方基本保持單像素寬；對改進的OPTA 算法細化后的紋線進行修正，增加幾個模板，在分叉點處一一判斷，改變其中某幾點的像素值，其為單像素寬。 指紋圖像的特征點提取指紋圖像特征點提取具體算法流程如圖9所示，其中去偽算法又分為去除偽端點、去除小孔、去除毛刺、去除絞線差連等幾部分。圖13 指紋圖像提取 特征值分類采集到的指紋圖像經過二值化后灰度值均由0，1表示。對各個像素進行8鄰域分析，可以將圖像點分為兩組，分類函數(shù)如下所示：function y=lei(x,a,b)%像素點分類for i=1:a for j=1:b if x(i,j)=1 if (i=aamp。amp。j=b) if value(x(i1,j))+value(x(i1,j1))+value(x(i1,j))+value(x(i,j1)) +value(x(i,j))+value(x(i,j+1))+value(x(i,j1))+value(x(i,j))+value(x(i,j+1))1 x(i,j)=2。 %分叉類 if value(x(i1,j))+value(x(i1,j1))+value(x(i1,j)) +value(x(i,j1))+value(x(i,j))+value(x(i,j+1))+value(x(i,j1))+value(x(i,j))+value(x(i,j+1))1 x(i,j)=1。 %端點 else x(i,j)=0。 %非特征點 end end end else x(i,j)=0。 end ende ndy=x其中value為定義的一個函數(shù)，當i,j有一個小于等于零時，返回值為0，當i,j大于零，返回x(i,j)。 去除偽端點去除偽端點用到了((sqrt((ik)*(ik)(jl)*(jl)))D)amp。amp。 Ang ( i , j)θ( i , j)的條件作為判斷，當兩個條件均滿足時可以認為所判斷出來的特征點為一條指紋脊線上的斷點，均認為是偽端點，剔除。其中Ang ( i , j ) 為兩特征點i、j 的連線與水平坐標軸方向的夾角(弧度) ,θ( i , j ) 為特征點i、j 所在的局部鄰域的紋線方向(弧度)。 去除小孔去除小孔的判定可以將判斷閾值縮小，當兩特征點之間的距離小于此閾值則認為兩特征值之間為小孔，特征值為偽，兩個特征值均去掉。具體函數(shù)與去除偽端點類似。 去除毛刺對細節(jié)特征點集Ω中任一紋線端點i ∈P1和任一分叉點j ∈P2 , 如果它們之間的距離小于D3 ,且有紋線連接該兩點, 則認為該兩點為偽特征點,予以刪除。對細節(jié)特征點集Ω中任一紋線端點i ∈P1和任一分叉點j ∈P2， 如果它們之間的距離小于D4 ,且有紋線連接該兩點, 并且Δθπ/4, 則認為該兩點為偽特征點,予以刪除。 指紋圖像匹配在本設計中，我們在極坐標下進行指紋圖像的特征點匹配，具體的極坐標細節(jié)匹配算法步驟如下:(1) 對每一個i (1 i M) 和每一個j (1 j N) ,尋找與其最近的兩個細節(jié)點, 　看是否分別構成標準系下矢量三角形。如果能夠構成，則轉到步驟(2)。(2) 看這兩個矢量三角形是否全等 ,即式(1) 、(2) 、(3) 、(4) 均成立,則找到一對參照點,用式(5) 將輸入細節(jié)點與模板細節(jié)點都分別相對于參照點轉換到極坐標系中。(3) 將極坐標中的模板細節(jié)點和輸入細節(jié)點按極角遞增的方向排序,并連接成串,表示如下:P = { ( rP1 , eP1 ,θP1 ) , . . . , ( rPM, ePM,θPM) }Q = { ( rQ1, eQ1,θQ1) , . . . , ( rQN, eQN,θQN) }其中( rP3 , eP3 ,θP3 ) 和( rQ3 , eQ3 ,θQ3 ) 表示對應的極半徑、極角和相對于參照點的細節(jié)點方向。(4) 匹配串PPi 和j找出匹配分數(shù), 記錄為m2score[ i ][ j ] ,然后轉回步驟(1) 。(5) 找出m2score[ i ][ j ] 中最大值, 把它當作輸入細節(jié)點集與模板細節(jié)點集的匹 配分數(shù)。如果匹配分數(shù)高于一個預先設定的閾值,則認為輸入圖像與模板圖像是來自同一個指紋,否則認為它們來自不同的指紋。 指紋圖像匹配的程序流程圖如下圖：圖1