[发明专利]一种面向卷积神经网络的双相系数可调模拟乘法计算电路

说明书

本发明公开了一种面向卷积神经网络的双相系数可调模拟乘法计算电路，属于计算、推算、计数的技术领域。该乘法计算电路包括电流型网络数模转换模块、双相系数可调模拟乘法阵列、流水线型模数转换模块和计算单元控制模块，采用离散时间电路结构实现神经网络层的乘法计算，并新增了有符号乘数设计提供正向控制和负向控制，能实现带符号位的乘法，提供更宽范围的电压幅度。

技术领域

本发明公开了一种面向卷积神经网络的双相系数可调模拟乘法计算电路，涉及数模混合集成电路技术，属于计算、推算、计数的技术领域。

背景技术

当今卷积神经网络的卷积层已经存在很多较好的优化设计，在功耗、面积和能效方面效果显著。例如，在数据存储方面运用了量化、压缩等方法，实现了卷积神经网络的二值化；在计算电路方面采用异或非门作为近似乘法器进行卷积运算等。因此，在缩减网络层以及数字电路领域对卷积层的进一步优化设计已经到达了瓶颈期，卷积神经网络的计算量和参数量大，对硬件加速器的要求较高，想要进一步优化，降低卷积运算的功耗，节省电路成本，有很多研究提出了将模拟电路与数字电路结合在一块芯片中的方案。比如用模拟乘法器替代数字乘法器。但与数字乘法器相比，传统模拟乘法器并未充分利用CMOS工艺的缩放比例，在实际中乘法电路设计较为困难，为了达到可靠的精度，对数模转换电路要求较高。因此无法充分利用模拟电路的优势，能降低的计算功耗十分有限。

发明内容

为了解决现有神经网络卷积层的进一步优化设计已经到达了瓶颈期的问题，本发明提供了一种面向神经网络的双相系数可调模拟乘法电路，能将乘法运算中的数字信号转换为模拟信号，采用了离散时间电路的方案设计模拟乘法计算电路，可以降低非规则网络层的计算功耗，实现高线性度的稳健性，双相系数开关电路的设计可以宽频率响应调谐范围。

本发明为实现上述发明目的采用如下技术方案：面向神经网络的双相系数可调模拟乘法器包括电流型网络数模转换模块、双相系数可调模拟乘法阵列、流水线型模数转换模块和计算单元控制模块。电流型网络数模转换模块将从存储模块中读取的特征数据转换为模拟电压，将模拟电压作为双相系数可调模拟乘法阵列的输入电压。计算单元控制模块从存储模块中读取权重数据，结合卷积核大小控制双相系数可调模拟乘法阵列中模拟乘法单元的开关状态，完成系数和工作状态的设置。双相系数可调模拟乘法阵列为由模拟乘法单元组成的阵列，用于实现神经网络中各种网络层的乘法运算。流水线型模数转换模块将双相系数可调模拟乘法阵列的输出电压转换为数字信号。最后将流水线型模数转换模块输出的数字信号存储在存储模块中。

本发明采用上述技术方案，具有以下有益效果：

（1）本专利提出的一种面向卷积神经网络的双相系数可调模拟乘法计算电路采用离散时间电路结构实现神经网络层的乘法计算，并新增了有符号乘数设计提供正向控制和负向控制，能实现带符号位的乘法，提供更宽范围的电压幅度。

（2）双相系数可调模拟乘法阵列多个系数可调模拟乘法电路单元构成，每个系数可调模拟乘法电路单元由双相采样和保持缓冲电路和开关控制的模拟乘法电路组成，双相采样和保持缓冲电路将输入的模拟电压转换为有符号的乘数，通过控制模拟乘法电路中的开关切换电路结构调节乘法系数，以表征有符号乘数的模拟电压为模拟乘法电路的输入电压，叠加模拟乘法电路输出的模拟电压即可实现系数在0到1之间、精度为2^-6的乘法，在低电源电压下也能保持低功耗和高线性度。

（3）电流型网络数模转换模块将输出信号端预充电到模拟电压与输入数值成比例，以此达到数模转换的目的，具有很好的线性度和失配度，采用多路复用器为每个数据生成一个输入脉冲，减少面积开销和信号路由。

（4）流水型模数转换模块采用的是并行结构，可以同时对多个采样数据进行处理，信号处理速度高，在保持高精度的同时所需功耗低，并具有良好的线性度和低失调特点，因此能够实现高速及高分辨率的转换。

附图说明

图1为本发明的整体架构示意图。