طراحی شتاب دهنده FPGA برای دسته‎بندی سیگنال‎های ECG و پیاده‎سازی بصورت سیستم روی تراشه

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 70

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECME20_007

تاریخ نمایه سازی: 7 اسفند 1402

چکیده مقاله:

در سال‎های گذشته با توجه به نیاز بشر برای افزایش سرعت پردازش و کاهش توان، استفاده از شتاب‎دهنده‎های FPGA مرسوم شده است. شتاب‎دهنده FPGA سخت افزاری است که به عنوان کمک پردازنده در کنار هسته اصلی (CPU) قرار می‎گیرد و به تسریع عملیات کمک می‎کند. بخشی از پردازش سیگنال را دسته‎بندی کننده‎ها تشکیل می‎دهند که به عنوان ابزاری دقیق و سریع برای دسته‎بندی و پردازش سیگنال‎ها مورد استفاده قرار گرفته‎اند. دو دسته‎بندی کننده معروف SVM و شبکه عصبی است. اگرچه شبکه‎های عصبی دارای دقتی کمتر از SVM ها هستند، اما ساختار و معماری آنها به نحوی است که می‎توانند به سرعت بیشتری برای محاسبه دست پیدا کنند. در این پروژه یک شبکه عصبی بصورت شتاب‎دهنده برای کمک به پردازش سیگنال‎های ECG روی FPGA پیاده می‎شود. این کمک پردازنده با ابزار سنتز سطح بالا (HLS) مدل شده و در مقایسه با شتاب‎دهنده مشابه SVM ، ۳۹۴ برابر توان عملیاتی دارد. این کار ۵ میلیون سیگنال ECG را در ثانیه دسته‎بندی می‎کند.

کلیدواژه ها:

سنتز سطح بالا (HLS) ، پردازش ECG ، دسته‎بندی کننده SVM

نویسندگان

سید فرید تراب جهرمی

دانشجوی دکترا مهندسی برق دانشگاه شیراز

سید مجتبی حسینی نسب لنگری

دانشجوی کارشناسی ارشد دانشگاه شیراز

حمزه قائدی

دانشجوی کارشناسی ارشد دانشگاه شیراز