[发明专利]一种基于FPGA用于光神经网络的高速数据传输方法

权利要求书

1.一种基于FPGA用于光神经网络的高速数据传输方法，其特征在于，包括以下步骤：

S1、对每次输入的原始数据，在帧头进行特征标记，使ADC采样后根据特征标记进行有效数据判断；具体方法为：

定义输入的原始数据为宽度和高度都是28个像素点的数字图片，即一张输入图片有784个有效像素点，在每一张输入图片的第1个像素点前插入4个像素点的帧头特征数据作为ADC采样后的有效输出数据判别；

S2、对步骤S1获得的数据进行末尾补0，使得相邻输入到DAC中的数据隔离；具体方法为：

定义DAC具有4个通道，每个通道的输入数据位宽为256bit，进行末尾补0的方法为，在每1张图片788个像素点之后补充27×4＝108个数值为0的像素点数据，即每1张图片一共896个像素点数据作为输入数据；

S3、对补0后获得的数据进行位宽拓展，位宽拓展是以DAC和ADC的采样率匹配光神经网络的高速数据传输为目的；具体方法为：

对896个点的数据均进行位宽拓展，从8bit拓展成16bit，其中原始的8bit数据放在16bit的高8bit位；

S4、将位宽拓展后的数据输入DAC，经DAC转换后进行光神经网络卷积计算；具体方法为：

通过DMA传输，将896个16bit的数据从PS端DDR存储器传输到FPAG可编程硬件逻辑端，当PS端读取DMA控制模块的BUSY信号为低电平时，表示最后1个数据已经传输到FPAG可编程硬件逻辑端缓存中，此时启动DAC使能，开始将数据缓存发送给DAC进行数模转换功能，启动ADC使能信号，进行ADC采样数据处理并启动DMA从PS端到FPAG可编程硬件逻辑端的数据传输，当PS端读取DMA控制模块的DONE信号为高电平时，表示PS端DDR中已存放了ADC采样的788个有效像素点数据，之后通过DAC进行数模转换，经DAC转换后进行光神经网络卷积计算；

S5、ADC对光神经网络卷积计算结果进行采样，输出ADC的转换结果，并通过特征标记判断是否为有效数据。