در سال‎هاي گذشته با توجه به نياز بشر براي افزايش سرعت پردازش و كاهش توان، استفاده از شتاب‎دهنده‎هاي FPGA مرسوم شده است. شتاب‎دهنده FPGA سخت افزاري است كه به عنوان كمك پردازنده در كنار هسته اصلي (CPU) قرار مي‎گيرد و به تسريع عمليات كمك مي‎كند. بخشي از پردازش سيگنال را دسته‎بندي كننده‎ها تشكيل مي‎دهند كه به عنوان ابزاري دقيق و سريع براي دسته‎بندي و پردازش سيگنال‎ها مورد استفاده قرار گرفته‎اند. دو دسته‎بندي كننده معروف SVM و شبكه عصبي است. اگرچه شبكه‎هاي عصبي داراي دقتي كمتر از SVM ها هستند، اما ساختار و معماري آنها به نحوي است كه مي‎توانند به سرعت بيشتري براي محاسبه دست پيدا كنند. در اين پايان‎نامه يك شبكه عصبي بصورت شتاب‎دهنده براي كمك به پردازش سيگنال‎هاي ECG روي FPGA پياده مي‎شود. اين كمك پردازنده با ابزار سنتز سطح بالا (HLS) مدل شده و در مقايسه با شتاب‎دهنده مشابه SVM ، 394 برابر توان عملياتي دارد. اين كار 5 ميليون سيگنال ECG را در ثانيه دسته‎بندي مي‎كند.

1397/06/14

FPGA Accelerator Designing for ECG Classification and System on Chip (SoC) Implementation

9/5/2018 12:00:00 AM

In recent years due to the increasing demand of high speed processing, the usage of FPGA accelerator became popular. FPGA accelerator is a hardware which helps CPU and accelerates the process. Classification is a part of signal processing which known as an accurate and fast tool for signal processing. There are two major types of classifiers: SVM and Neural Networks. Although neural networks reach lower accuracy compare to SVM, but their architectures are suitable for parallel processing and reach more speed. In this thesis we used a neural network as an accelerator which helps CPU to classify ECG signals. This accelerator made by High Level Synthesis tool and it has 394 times more processing power compare to similar accelerator.