黃文吉賴聖穎2019-09-052015-8-262019-09-052013http://etds.lib.ntnu.edu.tw/cgi-bin/gs32/gsweb.cgi?o=dstdcdr&s=id=%22GN060047040S%22.&%22.id.&http://rportal.lib.ntnu.edu.tw:80/handle/20.500.12235/106554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。主成份分析可程式化系統晶片棘波分類FCMGHAFPGANOC