基于概率神经网络的锋电位实时分类算法

摘要：

为了实现便携式实时处理的实用型脑-机接口(BMI),提出了一种基于概率神经网络(PNN)的锋电位信号实时分类算法,并完成了该算法基于现场可编程门阵列(FPGA)的实现.该算法通过训练数据的快速导入完成PNN的训练,再由PNN实现锋电位的分类工作.文中通过调用FPGA片上DSP48Es资源实现单精度浮点的乘加运算,采用并行流水结构加速向量间距离的计算,通过查找表和坐标旋转数字计算方法完成PNN激活函数的准确逼近.实验结果表明,在完成高达93.82％准确率的情况下,基于FPGA的PNN实现方法比基于Matlab的方法快47.43倍,达到了便携式实时处理的设计要求.

关键词：脑-机接口、锋电位、分类算法、神经网络、现场可编程门阵列

所属期刊栏目：40

分类号：TP183;Q189(自动化基础理论)

资助基金：国家自然科学基金资助项目61001172;浙江省自然科学基金资助项目Y2090707;浙江大学中央高校基本科研业务费专项资金资助项目2010QNA5026

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：48-55