HLS-LZ77 这是LZ77数据压缩算法的HLS实现的一个回购，LZ77数据压缩算法是第二个面向领域的定制计算冬季营（ 2021 Xilinx冬季营）的项目。 该项目正在开发中。 项目建议书 HLS-LZ77将使用Vivado HLS在Zynq-7000 FPGA上实现LZ77数据压缩算法。 该项目的实施将分为两个部分，即PS（处理系统）和PL（可编程逻辑）。 为了加快压缩进度，将在PL侧执行LZ77算法。 为了快速迭代，硬件开发需要使用HLS（高级综合）。 PS将负责人机交互。 该软件部分至少将在SDK中实现，其OS平台是独立的。 如果可能的话，软件也将在PetaLinux版本上实现。 PS和PL将通过AXI（高级可扩展接口）总线进行通信。 平台 ALinx AX7020 FPGA开发板（带有Zynq-7000系列XC7X020-2CLG400I） Vivado 2018

网页播放器(WMP)演示网页 沃安提供的网页播放器，支持以下格式: hls flv rtmp 此demo的在线演示， 播放器的调用代码全部在 index.html中

hlsdl 该程序将.m3u8播放列表（使用分段的MPEG-2传输流）转换为.ts视频。 它支持AES-128和SAMPLE-AES加密的解密。 要求 该程序需要libcurl和libcrypto库。 建造 Linux： make && make install && make clean Windows： ： 用法和选项 ./hlsdl [options] url -b ... Automatically choose the best quality. -W ... Choose largest width lower or equal than this. -H ... Choose largest height lower or equal than this. -A ... Select audio language. -v ... Verbose more info

P2P媒体加载器 P2P Media Loader是一个开放源代码JavaScript库，它使用现代Web浏览器（即HTML5视频和WebRTC）的功能通过P2P传递媒体并通过与许多流行HTML5视频播放器集成来进行播放。 它不需要任何Web浏览器插件或插件即可运行（请参阅）。 它允许创建点对点网络（也称为P2P CDN或P2PTV），以便在通过HLS或MPEG-DASH协议实时观看同一媒体流或VOD的用户（对等）之间共享流量。 它可以大大减少传统的CDN流量和成本，同时将媒体流交付给更多用户。 相关项目 tracker-高性能WebTorrent跟踪器 -Web的流torrent客户端 有用的链接 API文档 JS CDN npm软件包 主要特点 通过HLS或MPEG-DASH协议支持实时和VOD流 支持多个HTML5视频播放器和引擎： 引擎：Hls.js，Shaka Player 视频播放器：JWPlayer，Clappr，Flowplayer，MediaElement，VideoJS，Plyr，DPlayer，Player.js等 支持HLS和MPEG-DASH协议

使用 Nginx+FFmpeg搭建HLS直播转码服务器完整可用的 修复不可用连接.

基于ffmpeg自带的转码示例改造的hls转码代码

基于HLS的高效深度学习卷积神经网络FPGA实现方法项目全部数据.zip本文通过对现有相关研究的分析、总结和改进，给出了一系列在软件层面上如何构建和训练小巧高效且利于硬件加速的网络方法，在FPGA实现时如何减少资源、降低功耗及提高速度的方法，以及在HLS中如何增加设计灵活性、可移植性和可扩展性的方法，具有很好的实用价值。并结合这些方法构建和训练了一个网络，命名为EfficientNet，使用HLS在FPGA上对其进行了推断加速。通过与其他网络和平台的对比，验证了这些方法的有效性。本文的主要工作和贡献如下： 设计实现了一种轻量化的深度学习网络EfficientNet。针对传统网络参数量及计算量大且不利于硬件加速的问题，本文在保证精度的前提下，分析了以深度可分离卷积代替标准卷积、以步进代替池化、以平均池化代替全连接的方法，提出了尺寸不变通道增减交替的方法，并对这些方法进行了集成，从而构建了一个低复杂度的DCNN网络，并命名为EfficientNet。实验结果表明EfficientNet在公开的Flower_photos数据集上的分类精度为89.3%，相比Inception-v3，在参数量

16.1 FIR和IIR滤波器 在数字信号处理领域中，数字滤波器占有非常重要的地位。根据其计算方式可以分为FIR(有限脉冲响 应)滤波器，和IIR(无限脉冲响应)滤波器两种。 FIR滤波器根据如下公式进行计算： y[m] = b[0]x[m] + b[1]x[m− 1] + · · ·+ b[P ]x[n− P ] IIR滤波器根据如下公式(直接1型)进行计算： y[m] = b[0]x[m] + b[1]x[m− 1] + · · ·+ b[P ]x[m− P ] − a[1]y[m− 1]− a[2]y[m− 2]− · · · − a[Q]y[m−Q] 其中x是输入信号，数组a和b是滤波器的系数，y是滤波器的输出。我们可以把FIR滤波器看作是IIR滤 波器的一种特殊情况：当系数a都为0时就从IIR滤波器变为了FIR滤波器了。 根据FIR滤波器的计算公式我们可以知道，时刻m的输出y[m]由时刻m的输入x[m]以及之前的输入x [m-1] ... x[m-P]和滤波器的系数b[0] ... b[P]求乘积和而得。而IIR滤波器只不过是再减去之前的输出y [m-1] ... y[m-Q]和系数a[1] ... a[m-Q]的乘积和。 总之，数字滤波器的计算方法并不复杂，仅仅是数组对应元素的乘积和求和而已。然而其计算量对 于Python来说是相当大的：通常FIR滤波器的系数长度都上百，而CD音质的数字声音信号一秒钟有 44100个取样值，假设滤波器的长度是100，那么一秒钟需要计算4百万次以上的乘积和加法。这对于 Python这样的动态语言来说是很困难的。 199

c_ug1399-vitis-hls