论文研究-一种KNN算法的可重构硬件加速器设计.pdf

设计并实现了一种可快速运算基于哈尔小波变换的KNN（K nearest neighbors）算法且具备可重构能力的硬件结构。该硬件结构通过增减哈尔小波变换组件即可适应不同维度样本的哈尔小波变换；对同样维度样本的计算则可以通过调整并行度满足对逻辑资源和处理时间的不同需求，克服了现有软件KNN计算速度慢、硬件实现的KNN不够灵活的缺陷。通过在Xilinx VC707 FPGA开发板上实现该硬件结构，实验结果展示了不同维度及并行度下算法实现在逻辑资源耗费及运算时间方面的变化。此外，将该硬件结构作为一种高质量轮廓提取算法硬件加速器的纹理分类模块时，在保持计算准确度的情况下获得了远高于软件运行的速度。