一个图象识别神经网络的全硬件实现.pdfVIP

q嘴年旃12巷第2期 测试技术学报 V0112N021998 蝗垒；垡坠：_塑坚坠望婴堕望竺掣攀磐婴堡坚婴望些型垦：』塑螋 T∽；、江’ 、} 一种图象识别神经网络的全硬件实现 马惠敏沈煜郑链王克勇 (北京理工大学机电工程系100081) 捕 要：本文介绍了神经网络的全硬件实现方法．采用数字脉冲形式，设计了 一个全硬件实现的神经网络图象识别系统，提供了数字脉冲神经元电路的设计 疗法。网络分为三层，采取屡内有互连的前向、组台式网络结构，不同层中的 神经元不同。同一层中也有不同的神经元，它们之间存在相互连接。该神经嗣 络能对二值图象进行大规模并行处理，提取圈象的边缘特{匠、角特征和组块特 征，实现图象模式识别。本论文中以导弹为例，用该神经网络对弹目交会时的 飞机图象进行模式识别分类。 关键宇：神经网络。硬件实现，图象识别，模式识别，成象引信 1 神经网络的硬件实现方法 按照神经网络模型和联结机制，可用电子器件或光学器件、生物器件实现 神经网络，以大规模集成电路实现最为成熟。神经网络的实现可分为全硬件实 现和虚拟实现两种。目前神经网络的实现一般都采用虚拟实现，但它都脱离不 开计算机，对于体积小、速度极快的应用场合不可能带着计算机，因此必须采 用全硬件实现。全硬件实现真正体现了神经网络的并行机制，具有缀高的运算 速度，能满足某些领域实时应用的需要，例如战场环境下的实时图象处理。美 国国防高级研究计划局、空军科研办公室等纷纷向大公司投资就是证明。 全硬件实现是指物理上的处理单元及通讯通道与一个具体应用闯题的神经 网络模型中的神经元及连接一对应，每一神经元及每一连接都有与之对应的 物理器件。这种器件可以是数字式的，也可以是模拟的器件。全硬件实现的最 大优点是处理速度快且可满足实时性要求，缺点是各处理单元问的连接方式难 以改变。因此全硬件实现往往在专用神经阿络中采用，缺乏通用性、灵活性和 可编程性。…种可能的折衷办法是在全硬件实现中允许连接权值可变，这样可 构成部分通用的神经网络。 VLSI技术的迅速发展为实现神经嚼络提供了一条可能的途径。整个神经 网络电路的设计主要分为神经元电路和网络联结电路两部分。硬件实现的中心 问题是连续可调权值的实现问题。神经网络vLsI实现又可分为模拟的、数孚 !篮望丝塑! ．二致圈薹蠼型!主墨鲤塑盐全熊盐壅盥!马墨熟笺! 123 的、数模混台的和光电的。 神经刚络的基本连接单元既是运算部件义是存储部件，它的复杂性和占用 的芯片面积由运算和存储两部分共同决定。模拟电路受噪声的影响大，即使单 个器件的运算精度足够商，当}十算系统完成整个计算时，由于二误差在计算中不 断积累，最终计算结果受噪声的影响很大，阂此这种电路难以制成～般的大规 模计算系统。为保证整个网络的稳定性，可采用数宁的方法来实现图象处理神 经网络。 2图象识别神经网络设计 本论文研究的神经嘲络处理器是用于实时一二值圈苏序列的，为．r使网络电 路具有一定的通用性，获得最佳性能代价比+降低网络电路复杂度，对网络按 功能进行了划分。币同层的神经兀分别承扫 定的任务，共同实现罔象模式识 别。 将神经网络的圈象识别划分为边缘提取、特征提取、模式分类二：个处理过 程，目标图象汉别神经『斓络信号流图如图1所月：。这样的责任分I。，将复杂的 图象识别过程巾的大肇任务分配到各个部分，大大简化了网络电路的复杂度， 具有较高的性能代价比，是‘种较为合理、易于电路实现的方案。 o。图募边菇疆最。B一特征提最i矗矗一‘一旗式j溪：里一 阁L神经M络图象处理器信号流图 A：：：值图象 B：图象边缘特Ⅱ (1：目标特柚：D：目标分类 神经嘲络的结构设计主璺包括节点级设计和网络级设计。节点级设计要决 定使用fl-／a样的节点或处理元索，即决定输入类型、组合方式和传递函数，要 确定神经元的j／O特性，包括神经元的闽值；网络级设计要确定网络的拓扑结 构和有关网络参数，主要考虑的项目有神经网络的层数、层间连接方式、层内 神经