2026年研一新生被分到「FPGA+高光谱图像异常检测」课题，师兄只留下一块紫光同创PG2L和几篇论文，前三个月该按什么节奏补算法和硬件两条线？

先说结论吧：前三个月别纠结先啃论文还是先跑板子，这两件事的优先级其实不一样。硬件那条线要的是「尽快有正反馈」，算法那条线要的是「持续不断的小输入」，所以节奏上应该是硬件先冲刺两周，算法从第一天开始慢炖。

具体点讲，第一到第二周，你的目标只有一个：把PG2L的工程模板跑起来，点亮LED、跑通串口打印，然后找个现成的摄像头模块（DVP或MIPI都行）把图像采进DDR，再通过HDMI或屏幕显示出来。这一步别追求高光谱，普通灰度图甚至彩条测试图都算成功。为什么先干这个？因为FPGA的挫败感主要来自工具链——综合报错、时序不收敛、IP核配置，这些坑跟你做不做高光谱没关系，早踩早踏实。

这里有个常见误区：很多新生一上来就想在FPGA上搭CNN，结果卡在「图像怎么进FPGA」这一层，两个月过去还在调时钟。硬件信心的建立必须靠可见的、能跑通的小闭环，而不是一上来就啃大系统。

算法线就轻松点，每周精读一篇高光谱异常检测的论文，重点是搞懂MRF那套建模思路和CNN做特征提取的分工，然后用Python（numpy或者PyTorch都行）在公开数据集上复现个简化版，哪怕只是跑通一个检测指标。别指望三个月就复现顶会，能画出流程图、说清每一步在算什么，就已经赢过很多人了。

到第三个月，两条线开始汇合：把Python里训练好的小网络做定点化，用HLS或者手写RTL映射到FPGA上，哪怕只映射一层卷积，也是里程碑。

顺带提个风险：如果导师催进度，别硬扛，早点把「采集通路已通」这个阶段性成果汇报出去，比闷头搞算法强。你手上这块板子的摄像头接口是DVP还是MIPI，这个会直接影响你前两周的工作量，方便说一下吗？

最后补一句，转行者或者跨方向的同学常问投入产出，其实这个课题前三个月的产出不是论文，是「你能独立把一个图像从传感器搬到屏幕」的能力，这个能力后面做任何视觉FPGA项目都吃香。

先说结论：别把「啃论文」和「跑板子」当成二选一，它们的正确关系是——硬件那条线用来给你回血，算法那条线用来给你续命。前三个月如果只啃论文，你会在第三周开始怀疑自己不适合读研；如果只跑板子，三个月后你能点亮屏幕但讲不清自己在检测什么。

我的建议是前两周集中火力做一件事：把PG2L的图像通路跑通。目标具体到可验收——摄像头（DVP或MIPI都行）采图进DDR，再从HDMI或LCD出图，哪怕只是彩条或灰度图都算过。为什么先做这个？因为FPGA的挫败感八成来自工具链：综合报错、约束写错、IP核配置对不上、时序不收敛，这些坑跟你做不做高光谱毫无关系，早踩早踏实。而且一旦屏幕上出现画面，你后面所有学习都有了正反馈锚点。

算法这边从第一天就开始慢炖，但节奏要轻：每周精读一篇论文，重点不是公式推导，而是搞清楚三件事——输入是什么数据、异常判据是什么、为什么需要MRF这种后处理。读完用Python在公开高光谱数据集上复现一遍，先不管性能，能跑出可视化结果就行。

这里有个常见误区要提醒：很多人想直接在FPGA上搭CNN，结果两个月卡在「图怎么进FPGA」这一层。更现实的风险是，你复现的Python模型和最终要映射的定点模型差距巨大，所以第三个月开始做定点化和层映射时，要留出返工时间。替代做法是先在MATLAB或PyTorch里把量化误差分析做掉，再上板。

你现在的PG2L是哪个型号、板载DDR多大？这直接决定你能不能跑中等规模的CNN。

先说个容易被忽略的点：你师兄只留板子和论文，说明这个课题在组里基本是零起步，那前三个月最该防的不是「学得慢」，而是「卡死在一个点上出不来」。所以我建议两条线用完全不同的考核标准——硬件线用「能不能跑起来」验收，算法线用「能不能讲清楚」验收，别拿同一个标准去衡量。

硬件这条，前两周就干一件事：把PG2L的图采到显示的通路打通。摄像头DVP或MIPI都行，先出彩条或灰度图也算过。这一步的价值不在高光谱，而在于你会被迫踩完综合报错、约束写错、IP配置、时序不收敛这些坑，而这些坑跟你做不做异常检测毫无关系，越早踩越省事。屏幕亮起来那一刻，你后面才有正反馈撑着。

算法这条从第一天就慢炖，但节奏要轻：每周精读一篇论文，重点不是推公式，而是回答三个问题——输入是什么、输出是什么、中间靠什么假设成立。然后拿Python在公开高光谱数据集上复现一个小demo，哪怕只是把异常检测跑出个热力图。别急着上CNN+MRF，先跑通RX或简单的马氏距离检测，建立「数据长什么样」的直觉。

有个风险要提醒：很多新生一上来就想在FPGA上搭CNN，结果两个月还在调时钟，论文也没读进去。替代做法是第三个月再碰定点化映射，之前用Python验证算法逻辑，用MATLAB或numpy做量化仿真，确认精度掉多少能接受，再往板子上搬。

顺带问一句，你手上那几篇论文是偏算法综述还是具体方法实现？这决定了你复现的起点在哪。

最后补一点：高光谱数据维度高、波段多，PC上跑都得等，别指望一上来就实时。前三个月目标定成「通路通、论文懂、Python能复现」，比「FPGA上跑通CNN」现实得多。

先说个判断：这两条线不是并列关系，而是有先后依赖的，想清楚依赖在哪，节奏自然就出来了。

硬件那条线是地基。为什么？因为你后面所有算法工作，最终都要落到「图像怎么进FPGA、算完怎么出去」这件事上。如果这个通路没打通，算法复现得再漂亮也上不了板。所以前两周别想别的，就干一件事：把PG2L的图采到显示跑通。摄像头DVP或MIPI都行，先出彩条或灰度图就算过关。价值不在高光谱，而在于你会被迫踩完综合报错、约束写错、IP配置、时序不收敛这些坑——这些坑和你做不做异常检测毫无关系，越早踩越省事。屏幕亮起来那一刻，后面才有正反馈撑着。

算法那条线要的是持续的小输入，不能等硬件搞完再开始，那样你会断档两个月，回头论文更看不懂。但节奏要轻，别一上来就推公式。我的建议是每周精读一篇，重点回答三个问题：输入是什么、输出是什么、中间靠什么假设成立。然后拿Python在公开数据集上跑一遍，哪怕只是调用现成库、看结果图，也比纯看公式强。这一步的目的不是创新，是建立「这个算法在干什么」的直觉。

第三个月是关键转折点。这时候硬件通路通了，算法也有基本感觉了，再开始做定点化映射。为什么强调定点化？因为CNN+MRF里MRF那部分逻辑复杂、分支多，直接上FPGA很可能资源爆掉或者时序过不去。定点化会逼你重新想清楚每一步的数值范围，这个过程本身就是在做工程取舍。可以先在Python里模拟定点误差，确认精度掉得能接受，再往RTL走。

有个常见误区要提醒：很多人一上来就想在FPGA上搭CNN，结果卡在「图像怎么进FPGA」这一层，两个月过去还在调时钟。硬件信心的建立必须靠可验收的小目标，不是靠啃大工程。

你导师方向是遥感，组里只做过基带，说明你在组里算开荒。开荒阶段最该防的不是学得慢，是卡死在一个点上出不来。所以给自己设个止损线：某个坑超过三天没进展，先跳过去做别的，回头再收。

你现在板子上的摄像头接口是DVP还是MIPI？这个会影响你前两周具体怎么接。

别二选一。前两周死磕图像采集到显示这条通路，屏幕亮了你才有底气；论文从第一天起每周一篇慢慢炖，重点搞清输入输出和假设，别抠公式。第三个月再谈定点化和上板映射。两条线一个给正反馈一个给持续输入，节奏错开就不打架。你板子上摄像头是DVP还是MIPI？