一文详解：基于FPGA的脉冲耦合神经网络的硬件实现

Allevi

一文详解：基于FPGA的脉冲耦合神经网络的硬件实现

8 K" l8 ^5 ^% ?+ I0 f" w/ k% r

摘要：针对脉冲耦合神经网络(PCNN)具有神经元脉冲同步激发、适合硬件实现的特点，提出了一种基于FPGA的PCNN实时处理系统。系统设计了时钟分频、串口通信、串并转换、PCNN结构和VGA显示等功能模块，利用Verilog语言完成各个模块的硬件描述，并在ModelSIM10.0c环境下进行了仿真，最后在ALTEra CvcloneII开发平台上对系统进行了验证。实验结果表明，该系统完成了PCNN的FPGA实现，实时性较好。

人工神经网络在智能控制、模式识别、图像处理等领域中应用广泛。在进行神经网络的应用研究时，人们可以将神经网络模型或算法在通用的计算机上软件编程实现，但很多时间浪费在分析指令、读出写入数据等，其实现效率并不高。软件实现的缺点是并行程度较低，因此利用软件实现神经网络的方法无法满足某些对数据实时处理要求较高的场合(如工业控制等领域)。

目前实现大规模、实时性要求高的神经网络，传统的软件算法实现方法显示出其难以满足速度等要求的不足。此外，在构建神经网络时必然需要考虑硬件实现问题。由于神经网络具有并行计算的特点和功能，可以有效发掘算法本身的并行特性，提出高效的硬件电路结构，从而完成神经网络的硬件实现。

脉冲耦合神经网络(Pulse Coupled Neural Network，PCNN)是新一代的神经网络，在研究猫等哺乳动物的视觉神经元时，根据其脉冲同步发放的工作原理所提出的。目前，P CNN理论仍在发展中，由于其独特的并行性能，在图像分割与平滑、边缘检测与细化、决策与优化等领域应用广泛。当前的研究重点在于模型的优化和软件的实现，而相关的硬件实现在国内并不多见，PCNN并行结构的特性为硬件实现提供了可能

游客，如果您要查看本帖隐藏内容请回复

helendcany

看看。

斩龙骑士

？