基于FPGA的神经振荡器设计及优化

摘 要： 为神经振荡器提出了一种高效的FPGA实现方案，介绍了一种改进的分布式算法（DA），以便于最大限度地利用FPGA上的查找表（LUT）资源。整个系统在Matlab/Simulink下采用Altera公司的DSP Builder 构建。该方法节约了74%的查找表、75%的寄存器和100%的嵌入式乘法器资源。同时，该方案得到了令人满意的结果，实验结果同仿真结果的相关系数高达0.99。
关键词： 神经振荡器；分布式算法；FPGA；查找表

神经振荡器是一种能够在缺乏感官反馈或者高级控制命令的情况下，通过协调模式自发地产生规律输出的神经电路。神经振荡器已经被广泛地应用于机器人的智能控制与生物研究中[1]，成为国内外的研究热点。相比于软件编程，神经振荡器的硬件实现具有高速、并行处理、抗干扰等优点，更接近于其原有的生物特性，因此引起了许多研究者的关注。在近些年来，许多神经振荡器的硬件实现工作是基于模拟器件完成的[2-3]。虽然模拟电路能够与生俱来地实现够非线性函数，其功耗也相对较低，但与可编程逻辑器件（FPGA）相比，基于超大规模集成电路(VLSI)的工作需要相对长的设计周期，同时缺乏灵活性和兼容性。另一方面，FPGA已经被广泛地应用于人工神经网络(ANN)和智能控制电路硬件的实现[4-5]，但基于FPGA的神经振荡器实现国外才刚刚开始，国内尚未见报道。且之前的工作大多基于乘法器的直接实现方法[6]，未能充分利用FPGA的资源。
1 神经振荡器及其应用
神经振荡器是一种耦合振荡系统，通过神经元之间的相互抑制实现稳定的相位互锁，并产生自激振荡激发肢体做节律运动[7]。在仿生机器人控制中，被控制对象往往存在非线性、系统工作点变化剧烈等特点，传统的控制往往是建立在单纯依靠严格和精确数学模型基础上，但这种方法已难以满足复杂多变且环境未知的机器人控制需求[8]。同时，基于模型的机器人控制方法模型复杂、解不唯一、非结构环境适应性较差等，不利于实现仿生机器人的快速稳定运动[9]。神经振荡器具有非线性耦合的优点，很适合仿生机器人的节律运动控制，能达到快速稳定的效果。此外，可以通过调整有限的神经振荡器参数，建立满足具体要求不同的机器人与外界环境交互的复杂运动学、动力学模型，而不需要对整个系统建模，机器人的控制难度降低。总之，基于神经振荡器控制的机器人具有以下优点：（1）自动稳定性；（2）较强的环境适应性；（3）参数化建模[8-9]。
图1为神经振荡器应用于两足机器人的一个例子。该两足机器人包含七个关节，其中包括一个躯关节（也可称之为腰关节）、两个臀关节、两个膝关节和两个踝关节[10]。每一个神经振荡器由一对相互抑制的神经元构成，每个关节由一个神经振荡器控制。这样，就可以将两足机器人转化为七个神经振荡器控制的神经模式发生器系统，图1（a）所示为模式发生器系统的组成。通过调整振荡器的参数，使各关节协调地做振荡运动，可以实现两足机器人稳定地行走等运动。

2 分布式算法的改进
传统的分布式算法要求输入为小数或整数。在FPGA系统中，一般的输入信号通过二进制小数点转换模块转换为纯小数(或者是整数)，输出则刚好相反。本文对分布式算法做了修改，使其不需要小数点转移过程。对于某一有符号的定点数xk，若其同时包含整数部分和小数部分，xk可以用一个二进制数bN-1，…，b1，b0，b-1，…，b-M表示（共N+M=Q位，N位整数位，M位小数位）。bk，N-1为符号位，当bk，N-1=1时，xk为负数，bk，N-1=0时，xk为正数；bk，m为最低有效位，代表xk能达到的最高精度。

同传统的分布式方法一样，这里的Lm事先输入到查找表中，通过加权累加器对查找表的输出进行变更、求和。对于K个输入且输出为y的分布式算法的原理如图2所示[10]。