华南理工大学学报（自然科学版）
華南理工大學學報（自然科學版）
화남리공대학학보（자연과학판）
JOURNAL OF SOUTH CHINA UNIVERSITY OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2012年
6期
48-55
,共8页
祝晓平%韩业强%郝耀耀%王东%陈耀武
祝曉平%韓業彊%郝耀耀%王東%陳耀武
축효평%한업강%학요요%왕동%진요무
脑-机接口%锋电位%分类算法%神经网络%现场可编程门阵列
腦-機接口%鋒電位%分類算法%神經網絡%現場可編程門陣列
뇌-궤접구%봉전위%분류산법%신경망락%현장가편정문진렬
为了实现便携式实时处理的实用型脑-机接口(BMI),提出了一种基于概率神经网络(PNN)的锋电位信号实时分类算法,并完成了该算法基于现场可编程门阵列(FPGA)的实现.该算法通过训练数据的快速导入完成PNN的训练,再由PNN实现锋电位的分类工作.文中通过调用FPGA片上DSP48Es资源实现单精度浮点的乘加运算,采用并行流水结构加速向量间距离的计算,通过查找表和坐标旋转数字计算方法完成PNN激活函数的准确逼近.实验结果表明,在完成高达93.82％准确率的情况下,基于FPGA的PNN实现方法比基于Matlab的方法快47.43倍,达到了便携式实时处理的设计要求.
為瞭實現便攜式實時處理的實用型腦-機接口(BMI),提齣瞭一種基于概率神經網絡(PNN)的鋒電位信號實時分類算法,併完成瞭該算法基于現場可編程門陣列(FPGA)的實現.該算法通過訓練數據的快速導入完成PNN的訓練,再由PNN實現鋒電位的分類工作.文中通過調用FPGA片上DSP48Es資源實現單精度浮點的乘加運算,採用併行流水結構加速嚮量間距離的計算,通過查找錶和坐標鏇轉數字計算方法完成PNN激活函數的準確逼近.實驗結果錶明,在完成高達93.82％準確率的情況下,基于FPGA的PNN實現方法比基于Matlab的方法快47.43倍,達到瞭便攜式實時處理的設計要求.
위료실현편휴식실시처리적실용형뇌-궤접구(BMI),제출료일충기우개솔신경망락(PNN)적봉전위신호실시분류산법,병완성료해산법기우현장가편정문진렬(FPGA)적실현.해산법통과훈련수거적쾌속도입완성PNN적훈련,재유PNN실현봉전위적분류공작.문중통과조용FPGA편상DSP48Es자원실현단정도부점적승가운산,채용병행류수결구가속향량간거리적계산,통과사조표화좌표선전수자계산방법완성PNN격활함수적준학핍근.실험결과표명,재완성고체93.82％준학솔적정황하,기우FPGA적PNN실현방법비기우Matlab적방법쾌47.43배,체도료편휴식실시처리적설계요구.
