基于事件的卷積算法研究及事件型卷積處理器設計.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計處理器設計ResearchonEventbasedConvolutionAlgithmDesignofEventbasedConvolutionProcess學科專業(yè)：微電子學與固體電子學研究生：盧成業(yè)指導教師：姚素英教授天津大學電子信息工程學院學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、會產生巨大的數據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據冗余，具有超高速，實時性的特點。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圖像傳感器相適應的處理單元，對其輸出事件進行有效的處理。本文研究基于A

3、ER視覺傳感器的事件卷積算法，搭建了一個包含多個卷積模塊的識別系統(tǒng)，最后設計了一個小尺寸卷積處理器。本文首先簡要分析了AER視覺系統(tǒng)的基本原理，對AER方式和AER視覺傳感器的基本原理進行了分析，介紹了兩種脈沖神經元模型，引出了基于事件的卷積算法，對事件卷積處理器的基本結構進行了分析。然后根據事件卷積算法原理，建立了基于事件的仿真模型，對基于事件的卷積算法進行了仿真，并且搭建了一個包含兩層卷積計算的識別系統(tǒng)，在該識別系統(tǒng)中利用Gab卷積

4、核來實現(xiàn)特征提取，利用脈沖神經網絡對提取的特征進行了分類識別。最后，完成了一個3232的小尺寸事件卷積處理器的設計，設計了2bit的3232的RAM陣列來存儲所需的卷積核，在累加陣列中，采用7bit的二進制計數器代替?zhèn)鹘y(tǒng)的加法器來實現(xiàn)卷積核的累加操作。本文在Matlab上對事件卷積算法和本文搭建的識別系統(tǒng)進行了仿真，仿真結果表明，本文搭建的事件卷積模型，對于輸入事件實現(xiàn)了特征的提取。對MNIST樣本庫的仿真結果顯示，本文搭建的識別系統(tǒng)識

5、別率可以達到90.57%。在Cadence中對本文設計的3232的小尺寸卷積處理器進行了仿真，在SMIC0.18μm工藝下，每個卷積單元的面積為37.540μm2，仿真結果表明該卷積處理能夠根據輸入事件，讀取相應的卷積核，經過卷積核的移位最終實現(xiàn)特征提取，對于每個事件輸入輸出的最小的延時為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現(xiàn)事件信息的特征提取，適用于高速AER視覺系統(tǒng)應用領域。關鍵詞：AER