基于事件的卷積算法研究及事件型卷積處理器設(shè)計(jì).pdf

1、基于基于事件事件的卷積算法的卷積算法研究研究及事件事件型卷積卷積處理器設(shè)計(jì)處理器設(shè)計(jì)ResearchonEventbasedConvolutionAlgithmDesignofEventbasedConvolutionProcess學(xué)科專業(yè)：微電子學(xué)與固體電子學(xué)研究生：盧成業(yè)指導(dǎo)教師：姚素英教授天津大學(xué)電子信息工程學(xué)院學(xué)院二零一六年十一月I摘要傳統(tǒng)的圖像傳感器采用基于“幀掃描”的采樣方式。隨著CMOS圖像傳感器分辨率和幀頻的提高，意味著

2、會(huì)產(chǎn)生巨大的數(shù)據(jù)量和較高的傳輸功耗，限制了視覺系統(tǒng)的處理速度。人們通過對(duì)生物視覺系統(tǒng)的研究，提出了一種仿生的AER（AddressEventRepresentationAER）視覺傳感器，AER圖像傳感器可以有效的降低數(shù)據(jù)冗余，具有超高速，實(shí)時(shí)性的特點(diǎn)。AER圖像傳感器的輸出只包含事件的地址信息和屬性，傳統(tǒng)的一些處理方式并不適用于AER圖像傳感器，因此需要研究與AER圖像傳感器相適應(yīng)的處理單元，對(duì)其輸出事件進(jìn)行有效的處理。本文研究基于A

3、ER視覺傳感器的事件卷積算法，搭建了一個(gè)包含多個(gè)卷積模塊的識(shí)別系統(tǒng)，最后設(shè)計(jì)了一個(gè)小尺寸卷積處理器。本文首先簡(jiǎn)要分析了AER視覺系統(tǒng)的基本原理，對(duì)AER方式和AER視覺傳感器的基本原理進(jìn)行了分析，介紹了兩種脈沖神經(jīng)元模型，引出了基于事件的卷積算法，對(duì)事件卷積處理器的基本結(jié)構(gòu)進(jìn)行了分析。然后根據(jù)事件卷積算法原理，建立了基于事件的仿真模型，對(duì)基于事件的卷積算法進(jìn)行了仿真，并且搭建了一個(gè)包含兩層卷積計(jì)算的識(shí)別系統(tǒng)，在該識(shí)別系統(tǒng)中利用Gab卷積

4、核來實(shí)現(xiàn)特征提取，利用脈沖神經(jīng)網(wǎng)絡(luò)對(duì)提取的特征進(jìn)行了分類識(shí)別。最后，完成了一個(gè)3232的小尺寸事件卷積處理器的設(shè)計(jì)，設(shè)計(jì)了2bit的3232的RAM陣列來存儲(chǔ)所需的卷積核，在累加陣列中，采用7bit的二進(jìn)制計(jì)數(shù)器代替?zhèn)鹘y(tǒng)的加法器來實(shí)現(xiàn)卷積核的累加操作。本文在Matlab上對(duì)事件卷積算法和本文搭建的識(shí)別系統(tǒng)進(jìn)行了仿真，仿真結(jié)果表明，本文搭建的事件卷積模型，對(duì)于輸入事件實(shí)現(xiàn)了特征的提取。對(duì)MNIST樣本庫(kù)的仿真結(jié)果顯示，本文搭建的識(shí)別系統(tǒng)識(shí)

5、別率可以達(dá)到90.57%。在Cadence中對(duì)本文設(shè)計(jì)的3232的小尺寸卷積處理器進(jìn)行了仿真，在SMIC0.18μm工藝下，每個(gè)卷積單元的面積為37.540μm2，仿真結(jié)果表明該卷積處理能夠根據(jù)輸入事件，讀取相應(yīng)的卷積核，經(jīng)過卷積核的移位最終實(shí)現(xiàn)特征提取，對(duì)于每個(gè)事件輸入輸出的最小的延時(shí)為17ns，最大事件率為12.5Meps。綜上所述，基于事件的卷積算法能夠高效的實(shí)現(xiàn)事件信息的特征提取，適用于高速AER視覺系統(tǒng)應(yīng)用領(lǐng)域。關(guān)鍵詞：AER