李建龙+陈向东+倪进权+谢冰青

摘 要： RBF神经网络具有较强的拟合能力和稳定性，得到了广泛的应用。以FPGA芯片为核心器件，设计实现RBF神经网络。利用SOPC Builder设计硬件架构，通过添加指令，在NIOS环境下利用C语言进行设计，这样就解决了利用Verilog或VHDL设计消耗资源多和软件模拟耗时多的问题。最后以Altera公司的Cyclone IV系列芯片作为验证器件，结果表明该方法实现简单，可靠性强，消耗资源少。

关键词： SOPC； NIOS； RBF神经网络； 欧氏距离； 高斯函数

中图分类号： TN711?34； TP332 文献标识码： A 文章编号： 1004?373X（2014）14?0103?04

Implementation of NIOS based RBF neural network for

processing of humidity sensor data

LI Jian?long1， CHEN Xiang?dong1， NI Jin?quan1， XIE Bing?qing2

（1. School of Information Science and Technology， Southwest Jiaotong University， Chengdu 610031， China；

2. School of Mathematics and Computer Engineering， Xihua University， Chengdu 610039， China）

Abstract： RBF neural network with fitting ability and stability has been widely used. Based on the FPGA chip as a core device， the RBF neural network is designed in this paper. The hardware architecture was designed by means of SOPC Builder， the added instructions and C language in NIOS environment. In this way， the problems existing in the design were solved， because they consume too many resources by using Verilog or VHDL to carry out the design and take much more time in software simulation. The Cyclone IV series chip of Altera Company was taken to perform the verification. The result shows that the method is simple， and has high reliability and less consumption of resources.

Keywords： SOPC； NIOS； RBF neural network； Euclidean distance； Gaussian function

0 引 言

径向基神经网络相对于BP神经网络具有最佳逼近和全局最优的性能，已在图像识别和曲线拟合得到广泛应用，采用专门定制的神经网络芯片成本高、灵活性差[1]。Alteral 公司开发的SOPC Builder是基于SOC和IP的思想进行的设计，集成了许多参数化的IP核，使得硬件设计变得相对简单。同时它也提供了完备的C语言头文件，隐藏了很多硬件细节，软件开发难度就会降低，用户也可以把自己设计的IP集成到SOPC Builder中，以实现重用[2]。本文设计实现基于NIOS Ⅱ的RBF神经网络继承了NIOS Ⅱ嵌入式处理器面向用户、可灵活定制的通用RISC嵌入式处理器特性，使得产品成本低、易用性、适应性和不会过时等优势，使得实现产品满足现在和今后的要求[3]。

1 RBF神经网络原理

1988年Broomhead和Lowe将RBF应用于神经网络设计[4]，构成了RBF神经网络。RBF神经网络由输入层、隐含层、输出层三层构成。第一层为输入层，由源节点组成，是网络输入矢量；第二层为隐含层，隐含层的节点数由实际问题决定；第三层为输出层，是对输入做出的响应。……