[發(fā)明專利]一種6并行快速FIR濾波器

有效

• 申請?zhí)枺?/td>: 201710396331.5
• 申請日: 2017-05-24
• 公開（公告）號: CN107645287B
• 公開（公告）日: 2020-12-22
• 發(fā)明（設計）人: 王中風;王昊楠;林軍
• 申請（專利權）人: 南京風興科技有限公司
• 主分類號: H03H17/06
• 分類號: H03H17/06;H03H17/02
• 代理公司: 北京弘權知識產(chǎn)權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

本發(fā)明公開了一種基于6并行快速有限沖激響應濾波器級聯(lián)結(jié)構的尺寸可配置卷積硬件實現(xiàn)，該結(jié)構可以完成3*3、5*5、7*7和11*11四種尺寸的卷積計算，降低卷積計算復雜度，并在6并行結(jié)構下提高吞吐率。本發(fā)明先介紹了2并行與3并行快速FIR濾波器算法結(jié)構，然后根據(jù)2并行結(jié)構級聯(lián)3并行子結(jié)構的方式產(chǎn)生6并行快速FIR濾波器算法(FFA)。在6并行FFA基礎上，運用可配置子濾波器，設計了可以完成3*3、5*5、7*7和11*11四種尺寸卷積計算的快速卷積硬件架構。相比于傳統(tǒng)的6并行FIR濾波器，在相同的吞吐率條件下，本算法可以在增加一些加法操作基礎上同時節(jié)省50％的乘法操作。而由于在硬件實現(xiàn)上，乘法器的面積和功耗遠大于加法器，因此本架構可以節(jié)省50％的面積和功耗。可以將本發(fā)明運用在需要多種典型尺寸(3*3、5*5、7*7和11*11)卷積計算的場合，例如卷積神經(jīng)網(wǎng)絡、視頻圖像處理、無線通信等，可以提高原始濾波器的有效吞吐量，或者降低原始濾波器的功耗。

技術領域

本發(fā)明涉及集成電路及機器學習領域，特別涉及一種6并行快速FIR濾波器結(jié)構，利用其進行卷積神經(jīng)網(wǎng)絡中3*3、5*5、7*7和11*11全部四種尺寸的卷積計算通用型電路的硬件實現(xiàn)。

背景技術

卷積神經(jīng)網(wǎng)絡(CNN)是當前研究得最多、也是應用最為廣泛的機器學習算法之一。卷積計算是CNN中最消耗計算資源的部分，在硬件實現(xiàn)中卷機操作表現(xiàn)為多次乘累加計算，而在硬件中乘法器是十分消耗資源的，其占據(jù)面積和功耗是加法器的十數(shù)倍，因而針對卷積操作的硬件實現(xiàn)優(yōu)化就顯得很有意義。絕大部分的卷積網(wǎng)絡都使用了3*3或5*5這兩種尺寸的卷積核，少部分更大尺寸的卷積核有7*7和11*11兩種，其他尺寸則還未被有效使用過。

一個N抽頭的FIR濾波器在時域的多項式表示為

在z域中為

其中序列{x(n)}是一個無限長的輸入序列，序列{h(n)}包含了長度為N的FIR濾波器系數(shù)。可以見得，若將{h(n)}視為N維離散卷積的系數(shù)，則FIR濾波器實現(xiàn)了一次N×N的卷積計算。

將算法強度縮減的方式應用在有限沖擊響應(FIR)濾波器，就得到了快速FIR算法(FFA)，其核心思想即利用共享子結(jié)構的方式來達到縮減硬件復雜度的效果。

發(fā)明內(nèi)容

本發(fā)明的主要創(chuàng)新內(nèi)容有：

·基于已有的并行快速有限脈沖響應(FIR)算法，以及大塊尺寸的FFA級聯(lián)方案，首次提出了6并行快速FIR算法(FFA)的硬件實現(xiàn)；

·在6并行快速卷積核的基礎上，設計了一種兼容3*3、5*5、7*7和11*11全部四種卷積神經(jīng)網(wǎng)絡常用尺寸卷積核的通用型快速卷積硬件電路；

本發(fā)明的理論分析如下：

在z域中，一個N抽頭的FIR濾波器的多項式表示為

首先，我們討論一級結(jié)構中的2并行快速FIR濾波器。

輸入序列{x(0)，x(1)，x(2)，x(3)，…}可以被拆分為奇數(shù)項和偶數(shù)項兩部分如下

X(z)＝x(0)+x(1)z^-1+x(2)z^-2+x(3)z^-3+…

＝x(0)+x(2)z^-2+x(4)z^-4+…

+z^-1[x(1)+x(3)z^-2+x(5)z^-4+…]

＝X₀+z^-1X₁