面向低功耗可穿戴设备的脉冲神经网络时间编码与硬件友好部署系统设计.docxVIP

PAGE2

面向低功耗可穿戴设备的脉冲神经网络时间编码与硬件友好部署系统设计

摘要

随着物联网与人工智能技术的深度融合，可穿戴设备对本地智能处理的能力提出了更高要求，但受限于电池容量与散热条件，传统人工神经网络（ANN）的高能耗成为制约其发展的关键瓶颈。脉冲神经网络（SNN）因其生物合理性及事件驱动的低功耗特性，成为边缘计算领域的研究热点。然而，现有SNN研究多集中于频率编码，存在推理延迟长、硬件资源利用率低等问题，难以直接适配资源极度受限的可穿戴设备。本课题旨在设计一种面向低功耗可穿戴设备的时间编码SNN模型，并提出硬件友好的稀疏脉冲计算与权重映射策略，以实现高效、低功耗的端侧推理。

本文首先分析了可穿戴设备的功耗痛点与SNN的编码机制，确立了以时间编码为核心的研究路线。其次，构建了基于时间到首次脉冲（TTFS）编码的SNN模型，利用脉冲时刻携带信息，显著降低了网络推理的时间步长。在总体设计阶段，提出了软硬件协同设计的系统架构，将算法特性与硬件约束紧密结合。详细设计阶段，重点攻克了时间编码下的梯度传播难题，设计了硬件友好的稀疏脉冲计算单元，并提出了基于索引压缩的权重映射策略，有效减少了片上存储资源占用与访存功耗。系统实现部分，在FPGA平台上完成了硬件加速器的部署与验证。测试结果表明，相较于传统ANN及频率编码SNN，本系统在保持识别精度的同时，推理功耗显著降低，推理速度明