基于RISC--V的脑电信号分类SOC设计实现
脑电信号是一种使用电生理指标记录大脑在活动时大量神经元同步发生突触后电位经总和后形成的信号，研究脑电信号的分类可以帮助人们更好地理解人类大脑的工作原理，从而促进脑科学的发展。脑电信号的分类需要高性能的处理器来快速处理数据并对其进行分类，而传统的处理器指令集架构存在复杂度高、代码密度低、商业授权贵等问题。近些年发展起来的新型精简指令集架构RISC-Ⅴ不仅免费、开源、结构简单，而且具有低功耗和高性能的特点，可以满足脑电信号分类的处理需求。因此，研究如何将脑电信号分类与RISC-Ⅴ的优点相结合，对推进脑机系统的发展具有重要意义。 本文针对结构紧凑、泛化能力强的脑电信号分类算法EEGNet进行分析，结合开源的RISC-Ⅴ处理器，设计实现了一种脑电信号分类SOC。针对分类算法，首先对算法训练后的权重数据进行量化处理，以提高计算速度;然后从硬件资源利用的角度对算法进行一系列优化，而在循环计算实现方面，根据各层循环的特点进行时序优化，以降低计算延迟;最后根据总线协议对算法进行接口综合，生成脑电信号分类算法模块。在此基础上进行软硬件协同设计，在硬件层面以RISC-Ⅴ处理器作为控制端，采用AXI总线挂载算法模块，同时对调试模块以及数据传输模块进行设计。在软件层面构建RISC-Ⅴ交叉编译及调试环境，以及集编译环境与调试为一体的嵌入式开发环境。最后，将SOC部署在FPGA上。 为验证本文方法的有效性，本文采用了 PhysioNet上发布的公开脑电信号数据集对本文所实现的分类算法模块以及本文所构建的SOC进行了实验验证。实验结果表明，量化前的分类算法的分类准确率为64.94％,量化后的分类算法的分类准确率为64.86％,准确率下降仅有0.08％。同时，本文所设计实现的脑电信号分类SOC处理3秒时间的脑电运动信号数据仅需0.14秒，相较于分类算法模块在ZYNQ平台下的计算速度提升约3.5倍，同时具有低功耗和资源利用量小的优势，能够满足实时处理脑电信号数据的需求。
脑电信号;分类算法;精简指令集架构;循环计算
北京化工大学
硕士
计算机技术
尤枫;尹志刚
2023
中文
TN911.7
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）