面向毫米波光纤无线系统的基于 FPGA 的神经网络加速器
信号处理
2020-05-20 v1
摘要
随着高速无线通信的快速发展，60 GHz 毫米波频段与光纤无线（radio-over-fiber, RoF）系统已被研究作为传输毫米波信号的有前景方案。神经网络已被研究用于通过抑制线性与非线性损伤来提升接收端毫米波 RoF 系统性能。然而，先前毫米波 RoF 系统中的神经网络研究聚焦于使用高端 GPU 的离线实现，这对于低功耗、低成本及受限计算平台应用并不实用。为解决此问题，我们利用现场可编程门阵列（FPGA）的低功耗、并行计算能力与可重构特性，研究神经网络硬件加速器实现。展示了卷积神经网络（CNN）与二值卷积神经网络（BCNN）硬件加速器。此外，为满足毫米波 RoF 系统的低延迟需求并启用低成本紧凑 FPGA 器件，提出了一种新颖的内部并行优化方法。与嵌入式处理器（ARM Cortex A9）执行延迟相比，基于 CNN/BCNN FPGA 的硬件加速器将其延迟降低了逾 92%。与未优化 FPGA 实现相比，所提优化方法将 CNN 与 BCNN 的处理延迟降低了逾 44%。与 GPU 实现相比，采用所提优化方法的 CNN 实现延迟降低了 85.49%，而功耗降低了 86.91%。尽管采用所提优化方法的 BCNN 实现延迟相较 GPU 实现更大，但功耗降低了 86.14%。基于 FPGA 的神经网络硬件加速器为毫米波 RoF 系统提供了有前景的方案。
引用
@article{arxiv.2002.08205,
title = {FPGA-based Neural Network Accelerator for Millimeter-Wave Radio-over-Fiber Systems},
author = {Jeonghun Lee and Jiayuan He and Ke Wang},
journal= {arXiv preprint arXiv:2002.08205},
year = {2020}
}
备注
13 pages, 6 figures