學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
11 results
Search Results
Item 以管線化GHA電路實作棘波分類之硬體架構設計(2012) 陳昊本論文針對快速棘波分類設計了一套專用的架構，並於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算。同時，利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了加速執行時間與運算速度，針對GHA架構進行了管線化設計，使各單元運算能併行運作，提升產能輸出，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低資源消耗(area cost)與高輸出產能(throughput)的優點。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構，並於嵌入式System-On-Programmable-Chip (SOPC) 平台中進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低資源消耗與高速計算的優點。Item 應用於棘波分類之硬體架構實現(2012) 李偉豪本論文針對快速棘波分類設計了一套專用的架構，並於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低area cost與高輸出產量的優點。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構，並於嵌入式System-On-Programmable-Chip (SOPC) 平台中進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低area cost與高速計算的優點。Item 多通道棘波分類系統之低功率ASIC電路設計(2014) 柯奇恩; KE,Chi-En本論文針對目前現有的棘波分類系統設計架構，並使用ASIC電路設計方式來實現此架構。本論文採用Nonlinear Energy Operator (NEO) 來偵測棘波，並搭配Generalized Hebbian Algorithm (GHA)演算法將偵測到的棘波進行特徵擷取。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路。因此，本論文所提出的架構同時擁有較低的晶片面積，以即使用了台積電90奈米製程和對於功率消耗優化之技術，使得在功率消耗的這部分也有良好的表現。最後由於使用了多通道的訊號輸入，本論文在棘波分類系統的吞吐量能有大幅的提升。Item 透過區域網路建立跨平台整合之離線棘波分類系統(2014) 李光耀近年來有關大腦活動情形的研究越來越熱門，目前也提出了許多有關腦波訊號處理的相關研究。本論文於不同平台上實現了一套跨平台的棘波分類系統，因此在這透過區域網路建立一個跨平台的棘波分類系統，將不同平台所讀取的棘波序列傳送至現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 開發板中進行運算，以節省棘波分類軟體所運行的時間。在這使用MATLAB讀取大量的棘波序列(Spike Train)，再透過區域網路將棘波訊號傳送到晶片網路(Network-On-a-Chip , NoC)平台所開發的棘波分類系統中。 本論文所提出之架構與現有軟體做比較，從實驗數據結果可以得知其效能遠優於一般軟體的棘波分類系統，使得本系統架構在棘波分類應用上更具有優勢，因此，可以說本論文所設計的跨平台棘波分類系統是一項有實際需求且有效率的電路架構設計。 關鍵字： FPGA、棘波分類、棘波序列、區域網路、NoCItem 在NoC上實現OSort演算法之硬體架構設計(2014) 徐雅姿本論文針對棘波分類法則實現一套硬體架構，以提供大量資料快速運算。棘波排序是研究生物大腦及發展腦機介面(BMI, Brain Machine Interface)的基礎，棘波排序主要分為三個步驟：棘波偵測、特徵擷取以及分群，棘波分類則包含特徵擷取與分群部分，本論文採用OSort演算法將棘波偵測所採集到的數位訊號進行分類。 OSort演算法是一個模板比對（Template Matching）的非監督式分群法則，與其他棘波分類演算法相比，如PCA和K-means、小波轉換和SPC、GHA和FCM等等，不需做複雜的降低資料維度（Dimensionality Reduction）運算，更適用於即時分類；不用以分類指標（Cluster Validity Index）來計算最佳群集數，即可自動決定群集個數；不若於其他演算法需要一段時間的離線訓練（Offline Training），可立刻獲得棘波分類結果。 本論文保留OSort演算法核心的概念，簡化較消耗硬體資源的設計，並適用於多數的採樣數據做高速運算，透過Altera公司的系統開發工具使用NoC（Network on Chip）架構，實現並驗證於現場可程式化邏輯閘（FPGA, Field Programmable Gate Array）上，實驗結果證明，本論文所提出的棘波分類硬體架構具有一定精確度及高速運算的優點。 關鍵字： 可程式化系統晶片、棘波分類、OSort、FPGA、NoCItem 使用Network on chip技術實現棘波分類硬體系統之研究(2013) 賴聖穎本論文針對目前現有的棘波分類系統設計架構，並使用Network on chip技術於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。且對GHA電路稍作修改使的原本在高雜訊干擾下無法正確分類的問題成功解決，GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低area cost與高輸出產量的優點。加上採用Network on chip(NOC)技術，使本論文之棘波分類系統執行速度大為提升。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構並進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低area cost與高速計算的優點。Item 以競爭性學習法則為基礎之多通道棘波分類電路設計(2017) 陳志昌; Chen, Chih-Chang本論文研究的目的在於設計並合成出可以植入於腦部內的植入式多通道棘波分類電路，提出的電路架構能夠處理多通道的腦波資料，所支援的功能包含棘波偵測、特徵擷取以及棘波分類，並具有低面積、低功耗的優勢以及良好的分類效果。根據植入生物體內的需求，電路的面積及功耗都是需要著重考量的部分，因為完成後的晶片會接觸到大腦，面積如果過大會壓迫到腦部，而功耗如果太高會導致晶片溫度過高而傷害到大腦，造成腦神經或是細胞組織受損。 本研究所提出的架構是基於NEO演算法則做為棘波偵測器和Peak Detection and Area Computation(PDAC)演算法做為特徵擷取器，並使用非監督式學習演算法Competitive Learning透過特徵資料做學習，學習完之後交給Nearest Neighbor Classifier做棘波分類使用。在架構設計上透過運算單元的共享，並將64通道的棘波分類系統電路架構於ASIC Flow上實作，使用90nm製程做電路的實現，並於電路設計中導入Clock Gating技術來降低電路動態功耗，完成低面積、低功耗的多通道棘波分類電路。 最後於論文後方與其他現有的架構做比較，證明以競爭性學習法則為基礎的棘波分類系統有著良好的面積及功耗表現，且具有不錯的分類效果。Item 可執行快速特徵擷取之多通道低功率棘波分類電路設計(2016) 張元俊; Chang, Yuan-Jyun本研究旨在於設計與合成一可植入於腦部之棘波分類晶片。根據植入於腦部的需求，晶片體積過大則會壓迫腦部，晶片功耗太高則會提高晶片溫度，如此必然會傷害到腦內細胞，因為以上兩個原因，此晶片設計將會著重於其面積以及功耗。 本研究提出以NEO運算法則為基底的棘波偵測器和以本論文提出之特徵擷取法則為基底的特徵擷取器，並藉由共享架構上的運算單元，進而設計出低功率、低面積的電路架構。本研究亦將電路實作於ASIC流程上，相較FPGA開發，ASIC在調整晶片的面積及功耗顯得更有彈性。為了降低功耗，本研究亦導入clock gating技術，進一步降低晶片的耗電量。 本論文於最後提出電路架構之分析，根據分析結果，選出數組參數進行面積及功耗分析。證明本研究設計之晶片比起其他現有的架構，有著非常突出的面積及功耗表現，並有著與現有架構差不多的分類效果。本論文也會簡單討論使用本架構之特徵擷取法與現有之PCA演算法、GHA演算法與Zero crossing演算法比較。Item 基於正規化關聯值與OSort演算法之棘波分類系統在FPGA之實現(2015) 賴柏佑; Lai Po-Yu本論文希望能在FPGA(Field Programmable Gate Array)開發平台上實現棘波分類硬體系統。棘波分類分為三大步驟，棘波偵測、特徵擷取以及分類。此類系統最大的困難點在於，如何正確的偵測到棘波序列中的棘波，以及正確的分類所得到之棘波。特別是在高雜訊的環境之下，很可能會因為雜訊而產生誤判的情形 本論文提出以正規化關聯值(Normalized Correlator)與OSort演算法組合而成之棘波分類系統。棘波偵測選用正規化關聯值是因為這個法則在各種強度的雜訊環境之下都有很不錯的表現，較不易受到雜訊的影響。而後面特徵擷取與分類則是選用OSort演算法，這個演算法不僅可以一次完成兩個步驟，而且還不需要指定分類的群集數量，是非常具有彈性，且準確度高的演算法，甚至還可以用於即時分類。 本論文最後的成果與效能評估，可證明本系統具備正確偵測並且分類棘波的能力。以軟體Matlab程式於個人電腦上運算，並與本論文所實現之系統的結果做比對驗證，可以確保其正確性，並且驗證硬體效能比起軟體運算的效能還要好。Item 棘波分類系統 軟體實作之研究(2015) 吳承祐; Wu, Cheng-You本論文針對快速棘波分類設計了一套專用的軟體系統。本論文採用Generalized Hebbian Algorithm (GHA)來擷取棘波的特徵值，搭配Fuzzy C-Means(FCM)演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。本軟體系統的開發是以Matlab為基礎，並利用開發套件強大的圖形顯示功能以利棘波分類之效能評估及觀察。