面向心电检测的混合多模卷积神经网络加速器设计

来源：电子与信息学报杂志2023年第1期北京时间：

作者：刘冬生, 魏来, 邹雪城, 陆家昊, 成轩, 胡昂, 李德建, 赵旭, 蒋曲明

单位：1.华中科技大学光学与电子信息学院 武汉 4300742.国家电网电力工业芯片设计与分析技术重点实验室，北京智芯微电子科技有限公司 北京 1000003.楚天龙股份有限公司 东莞 523000

摘要：随着医疗资源日益匮乏以及人口老龄化日趋严重，心血管疾病已对人类健康造成了极大的威胁。具有心电(ECG)检测的便携式设备能有效降低心血管疾病对患者的威胁，因此该文设计了一种面向心电检测的混合多模卷积神经网络加速器。该文首先介绍了一种用于心电信号分类的1维卷积神经网络(1D-CNN)模型，随后针对该模型设计了一种高效的卷积神经网络(CNN)加速器，该加速器采用了一种多并行展开策略和多数据流的运算模式完成了卷积循环的加速和优化，能在时间上和空间上高度复用数据，同时提高了硬件资源利用率，从而提升了硬件加速器的硬件效率。最后基于Xilinx ZC706硬件平台完成了原型验证，结果显示，所设计卷积神经网络加速器消耗的资源为2247 LUTs, 80 DSPs。在200 MHz的工作频率下，该设计的整体性能可达到28.1 GOPS，并且硬件效率达到了12.82 GOPS/kLUT。

关键词：卷积神经网络, 心电信号分类, 卷积循环展开, 硬件实现

基金资助：国家自然科学基金(62134002)，国家重点研发计划(2021YFA0715502)，湖北省重点研发项目(YFYB2020000413)，东莞引进创新科研团队计划(201760712600139)