[发明专利]基于FPGA的脑电信号快速分类方法、实现方法及装置有效
| 申请号： | 201811189859.6 | 申请日： | 2018-10-12 |
| 公开（公告）号： | CN109376843B | 公开（公告）日： | 2021-01-08 |
| 发明（设计）人： | 杨济民;郑文凯;刘丹华;刘杰 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 杨哲 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了种一种基于FPGA的脑电信号快速分类方法、实现方法及装置，在FPGA上构建适用于脑电信号分类的CNN网络结构模型硬逻辑，并将其中的卷积运算转换为矩阵乘法；建立CNN网络结构模型各层的IP核，采用同步数据流法将CNN网络结构模型中各层的IP核连接，并在相邻IP核之间插入AXI4‑Streaming寄存器片；接收脑电信号训练数据，将浮点型数据转换为预设位数的定点数，训练CNN网络结构模型，调整CNN网络结构模型权重值直至得到分类准确率最高的模型，并将训练好的模型参数存储于DDR存储器，得到实现脑电信号快速分类的FPGA，利用CNN网络结构模型进行脑电信号快速分类。 | ||
| 搜索关键词： | 基于 fpga 电信号 快速 分类 方法 实现 装置 | ||
【主权项】：
1.一种基于FPGA的脑电信号快速分类实现方法，其特征在于，该方法包括：在FPGA上构建适用于脑电信号分类的CNN网络结构模型硬逻辑，CNN网络结构模型依次包括输入层、卷积层、卷积层、池化层、卷积层、池化层、卷积层、池化层、两个全连接层和输出层，并将其中的卷积运算转换为矩阵乘法；建立CNN网络结构模型各层的IP核，采用同步数据流法将CNN网络结构模型中各层的IP核连接，并在相邻IP核之间插入AXI4‑Streaming寄存器片；接收脑电信号训练数据，将浮点型数据转换为预设位数的定点数，训练CNN网络结构模型，调整CNN网络结构模型权重值直至得到分类准确率最高的模型，并将训练好的模型参数存储于DDR存储器，得到实现脑电信号快速分类的FPGA；在FPGA的MCU端采用DMA驱动程序，实现在脑电信号快速分类时从DDR存储器中将训练好的模型参数传输至FPGA片上BRAM，利用CNN网络结构模型进行脑电信号快速分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811189859.6/，转载请声明来源钻瓜专利网。
