基于 FPGA 的移动机器人 SNNs 走廊场景分类器

来源：计算机技术与发展杂志2023年第12期北京时间：

作者：王睿轶;';王秀青;';刘万明;王永吉5;叶晓雅;'

单位：1. 河北师范大学 计算机与网络空间安全学院,河北 石家庄 050024;2. 河北省网络与信息安全重点实验室,河北 石家庄 050024;3. 河北省供应链大数据分析与数据安全工程研究中心,河北 石家庄 050024;4. 河北师范大学 中燃工学院,河北 石家庄 050024;5. 中国科学院 软件研究所,北京 100190

摘要：神经形态芯片是类脑计算的重要研究内容之一,神经网络的硬件实现是神经形态芯片实现的基础。 具有生物似真性的脉冲神经网络( Spiking Neural Networks,SNNs),通过尖脉冲( Spikes)?传递时空信息,更适于用硬件实现,是实现类脑计算的主要工具之一。 该文提出一种基于 FPGA 的移动机器人 SNNs 走廊场景分类器:将移动机器人超声传感器信息进行脉冲编码后输入到 SNNs 走廊场景分类器中,通过 FPGA 分类器的脉冲输出模式来判断机器人所处的走廊场景,从而提高机器人的环境感知能力和自主性。 详细讨论了脉冲积分点火神经元模型的 FPGA 实现原理,以及基于此神经元模型的SNNs 走廊场景分类器的硬件实现方案,仿真及实验结果证明了所提基于 FPGA 的移动机器人 SNNs 走廊场景分类器的有效性。 所提走廊场景分类器不受光照条件的影响,需要的传感器测量信息少,FPGA 硬件资源占有率低( LE 的利用率仅10% ),分类速度快、准确率高,适于实际应用。 该研究不仅可以提高移动机器人的环境感知能力和自主性,而且为硬件实现 SNNs 提供了有益参考。

关键词：脉冲神经网络;积分点火神经元模型;脉冲编码;现场可编程门阵列;移动机器人;超声传感器