簡易檢索 / 詳目顯示

回結果列表
研究生： 李光耀
論文名稱： 透過區域網路建立跨平台整合之離線棘波分類系統
Cross-Platform Offline Spike Sorting System Using Local Area Network
指導教授： 黃文吉
學位類別： 碩士
Master
系所名稱： 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年： 2014
畢業學年度： 102
語文別： 中文
論文頁數： 60
中文關鍵詞： 現場可程式邏輯閘陣列 、棘波分類 、棘波序列 、區域網路 、晶片網路
英文關鍵詞： FPGA, Spike Sorting, Spike Train, Local Area Network, NoC
論文種類： 學術論文
相關次數： 點閱：333  下載：2 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 近年來有關大腦活動情形的研究越來越熱門，目前也提出了許多有關腦波訊號處理的相關研究。本論文於不同平台上實現了一套跨平台的棘波分類系統，因此在這透過區域網路建立一個跨平台的棘波分類系統，將不同平台所讀取的棘波序列傳送至現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 開發板中進行運算，以節省棘波分類軟體所運行的時間。在這使用MATLAB讀取大量的棘波序列(Spike Train)，再透過區域網路將棘波訊號傳送到晶片網路(Network-On-a-Chip , NoC)平台所開發的棘波分類系統中。

    本論文所提出之架構與現有軟體做比較，從實驗數據結果可以得知其效能遠優於一般軟體的棘波分類系統，使得本系統架構在棘波分類應用上更具有優勢，因此，可以說本論文所設計的跨平台棘波分類系統是一項有實際需求且有效率的電路架構設計。

    關鍵字： FPGA、棘波分類、棘波序列、區域網路、NoC

    第一章 緒論 1 1.1研究背景與動機 1 1.2研究目的與方法 2 1.3 全文架構 4 第二章 基礎理論與技術背景介紹 5 2.1 棘波分類步驟 5 2.2公開的棘波分類軟體 7 2.3通用赫賓學習法則(GHA) 10 2.4 NoC架構 12 第三章 系統架構 14 3.1實現跨平台棘波分類系統之架構 14 3.2系統元件建立與其應用說明 16 3.2.1建立SSRAM Controller元件 19 3.2.2建立On-Chip RAM元件 21 3.2.3建立JTAG元件 22 3.2.4建立Triple-Speed Ethernet元件 24 3.2.5建立Scatter-Gather DMA Controller元件 25 3.2.6建立DMA Controller元件 26 3.2.7建立GHA元件 28 3.3 系統整合與設計 32 3.3.1 在Qsys中連接各元件 33 3.3.2使用C語言整合應用 36 3.4軟體設計實現方法 45 3.4.1資料格式處理 46 3.4.2建立連線與資料傳輸 49 第四章 實驗結果與數據討論 52 4.1開發平台與實驗環境介紹 52 4.2實驗數據比較 55 第五章 結論 59 參考文獻 60

    [1] Y. Sun, S. Huang, J. J. Oresko, and A. C. Cheng, “Programmable Neural Processing on a Smartdust for Brain-Computer Interfaces,” IEEE Trans. Biomedical Circuits and Systems, Vol. 4, pp.265-273, 2010.
    [2] L. S. Smith and N. Mtetwa, “A tool for synthesizing spike trains with realistic interference,” Vol. 159, pp.170-180, Journal of Neuroscience Methods, 2007.
    [3] M.A. Lebedev and M.A.L. Nicolelis, “Brainmachine interfaces: past, present and future,”Trends in Neurosciences, Vol.29, pp.536-546, 2006.
    [4] E.E. Fetz, “Real-time control of a robotic arm by neuronal ensembles,”Natural Neural Science, Vol. 2, 00.583-584, 1999.
    [5] S. Hauck and A. Dehon, Reconfigurable Computing:The Theory and Practice of FPGA-Based Computing, Morgan Kaufmann: San Fransisco, CA, USA, 2008.
    [6] S. Haykin, Neural Networks and Learning Machines, 3rd ed.; Pearson: Upper Saddle River, NJ, USA, 2009.
    [7] T.D. Sanger, “Optimal unsupervised learning in a single-layer linear feedforward neural network,” Neural Network, Vol. 12, pp.459-473, 1989.
    [8] L. S. Smith and N. Mtetwa, “A tool for synthesizing spike trains with realistic interference,” Vol. 159, pp.170-180, Journal of Neuroscience Methods, 2007.
    [9] 柯奇恩, “多通道棘波分類系統之低功率ASIC電路設計” 國立臺灣師範大學資訊工程研究所,2014.
    [10] R. Quian Quiroga, Z. Nadasdy and Y. Ben-Shaul, “Unsupervised Spike Detection and Sorting with Wavelets and” Neural Computation 16, 1661-1687; 2004.

    下載圖示
    QR CODE