【技术实现步骤摘要】
基于FPGA移动机器人脉冲神经网络走廊场景分类方法
[0001]本专利技术涉及一种用硬件实现的基于FPGA移动机器人脉冲神经 网络走廊场景分类方法，属于脉冲神经网络
技术介绍
[0002]人工神经网络(Artificial Neural Networks，ANNs)，是智能技术的 重要方面。当前，基于神经网络的应用大多处于计算机仿真阶段，很 多应用算法没有通过硬件实现，无法在实际应用中使用以发挥神经网 络并行、高速计算的优势，因此神经网络的硬件实现是基于神经网络 相关应用实用化的关键环节。目前，神经网络的硬件实现方法逐渐成 为人们研究的热点。
[0003]迄今为止，有学者把人工神经网络的发展分为了三代，其中第三 代神经网络为脉冲神经网络(Spiking Neural Networks，SNNs)。该网 络通过使用独立的尖脉冲(Spikes)传递信息，并且可以将时空信息融 于神经网络的计算和神经元间的数据交换之中。由于脉冲神经网络使 用脉冲编码(Spike Encode)，使得该网络能够工作在离散时间，比前 ...
【技术保护点】
【技术特征摘要】
1.一种基于FPGA移动机器人脉冲神经网络走廊场景分类方法，其特征是，所述方法利用安装在移动机器人上的超声传感器实时测量不同走廊场景下移动机器人周围的环境信息，然后将超声传感器测量的信息输入到利用FPGA实现的脉冲神经网络走廊场景分类器中，由设置在脉冲神经网络走廊场景分类器中的脉冲神经网络对超声传感器测量的信息进行脉冲编码和场景识别，通过脉冲神经网络的脉冲输出模式来判断移动机器人所处的走廊场景。2.根据权利要求1所述的一种基于FPGA移动机器人脉冲神经网络走廊场景分类方法，其特征是，所述超声传感器设置多个，它们在移动机器人本体外侧同一水平面上均匀分布，对移动机器人所处的环境进行全方位探测。3.根据权利要求1或2所述的一种基于FPGA移动机器人脉冲神经网络走廊场景分类方法，其特征是，所述脉冲神经网络包括输入层、隐含层和输出层，各层的具体结构如下：输入层：包括s
n
×
n个输入神经元，其中s
n
为每次超声传感器采集测量信息的个数，n为超声传感器的测量组数，输入层神经元到隐含层神经元的连接权值均为w1(i1,j1)＝1，其中j1为输入层神经元序号，j1＝1,...,s
n
×
n，i1为隐含层神经元序号，i1＝1,...,s
n
×
n
×
n
i
，n
i
为待分类走廊场景个数；隐含层：包括s
n
×
n
×
n
i
个隐含层神经元，隐含层神经元到输出层神经元的连接权值均为w2(i2,i1)＝1，其中i2为输出层神经元序号，i2＝1,...,n
i
；输出层：包括n
i
个神经元，输出层采用“赢者通吃，胜者为王”的原则，只要有一个输出神经元的激活潜能超过点火阈值发出脉冲，其他神经元就不会再点火。4.根据权利要求3所述的一种基于FPGA移动机器人脉冲神经网络走廊场景分类方法，其特征是，在脉冲神经网络的输入层，由输入时延编码模块将超声传感器测量的信息处理成脉冲时延编码，完成脉冲神经网络输入层的计算；在脉冲神经网络的隐含层，由均值与方差运算模块计算出脉冲时延编码的均值与方差，运算出的方差传递给浮点开方模块完成开方运算，将输入时延编码模块、均值与方差运算模块和浮点开方模块的输出信号传输给隐含时延编码模块，完成脉冲神经网络隐含层的计算；在脉冲神经网络的输出层，由膜潜能计算模块将隐含时延编码模块输出的时延编码输入脉冲IAF神经元模型进行运算，完成脉冲神经网络输出层的计算；场景类别输出模块根据输出层神经元的脉冲输出实现走廊场景的分类。5.根据权利要求4所述的一种基于FPGA移动机器人脉冲神经网络走廊场景分类方法，其特征是，所述输入时延编码模块的FPGA硬件实现方法如下：输入传感器信息的脉冲时延编码为：其中，T
win
为时间窗长，x
ij
(m)为超声传感器在第i个场景的第j组测量信息中第m个超声传感器的测量数据，max(x)为超声传感器的最大测量范围，D
ij
(m)为输出的脉冲时延编码；脉冲神经网络的输入为：D
ik
＝[d
ik d
i(k+1)
,...,d
i(k+p
‑
1)
]
T
其中，i为待分类走廊场景序号，i＝1,2,...,n
i
，k为某走廊场景中输入数据的组数，p为
在某走廊场景中采用连续时刻的超声传感器信息的组数，d
ik
为超声传感器测量信息的脉冲时延编码；输入时延编码模块的FPGA硬件实现步骤如下：用FPGA适用的硬件描述语言编程：首先把x
ij
(m)扩大2
10
倍，然后除...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。