基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)研究.pdf

1、現(xiàn)代工程應(yīng)用正朝著大規(guī)模、復(fù)雜化的方向發(fā)展,同時(shí)環(huán)境的變化使得實(shí)際控制系統(tǒng)往往存在復(fù)雜性、非線性、時(shí)變性、不確定性等問題,控制系統(tǒng)設(shè)計(jì)時(shí)需要把外界環(huán)境、被控對(duì)象以及控制系統(tǒng)作為一個(gè)整體來(lái)進(jìn)行分析和設(shè)計(jì)。面對(duì)這些控制問題,基于傳統(tǒng)控制理論與方法往往難以獲得合適的控制器以滿足系統(tǒng)性能指標(biāo)要求,而神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)特性、非線性映射能力及自學(xué)習(xí)能力,為這類復(fù)雜控制問題提供了可能的解決方法。
　　神經(jīng)網(wǎng)絡(luò)固有的并行特性使其不適合在微處理

2、器上實(shí)現(xiàn),而可編程邏輯門陣列(FPGA)所具有的并行特性、豐富的嵌入式硬核乘加單元及存儲(chǔ)器資源,使其在神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)中得到了廣泛的應(yīng)用。本文以FPGA為硬件平臺(tái),研究神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)方法。神經(jīng)網(wǎng)絡(luò)非線性激勵(lì)函數(shù)及其導(dǎo)數(shù)是硬件實(shí)現(xiàn)的難點(diǎn)之一,常用的方法有查表法、分段線性近似、高階多項(xiàng)式近似及CORDIC算法等,這些方法無(wú)法同時(shí)兼顧面積(邏輯資源)、實(shí)時(shí)性和精度。本文提出采用表驅(qū)動(dòng)線性插值方法實(shí)現(xiàn)激勵(lì)函數(shù)及其導(dǎo)數(shù),該方法結(jié)合了查找表和線

3、性近似方法,能夠以較少的硬件資源實(shí)現(xiàn)高精度的激勵(lì)函數(shù)及其導(dǎo)數(shù)近似。
　　本文采用System Generator與ISE聯(lián)合設(shè)計(jì),用System Generator進(jìn)行系統(tǒng)建模,生成模型化的數(shù)字系統(tǒng),將設(shè)計(jì)轉(zhuǎn)換成硬件電路,最后在ISE中完成仿真、綜合、實(shí)現(xiàn)及芯片配置。以Xilinx Spartan-3E1600 FPGA為硬件平臺(tái),設(shè)計(jì)了激勵(lì)函數(shù)模塊、單神經(jīng)元模塊及固定結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò);并搭建基于神經(jīng)網(wǎng)絡(luò)的再勵(lì)學(xué)習(xí)系統(tǒng),包括脈沖編碼器