Design of hardware architectures for HMM–based signal processing systems with applications to advanced human-machine interfaces

摘要

In questa tesi viene proposto un nuovo approccio per lo sviluppo di interfacce uomo–macchina. In particolare siudtratta il caso di sistemi di pattern recognition che fanno uso di Hidden Markov Models per la classificazione.udIl progetto di ricerca è partito dall’ideazione di nuove tecniche per la realizzazione di sistemi di riconoscimentoudvocale per parlato spontaneo. Gli HMM sono stati scelti come lo strumento algoritmico di base per la realizzazioneuddel sistema. Dopo una fase di studio preliminare gli obiettivi sono stati estesi alla realizzazione di una architetturaudhardware in grado di fornire uno strumento riconfigurabile che possa essere utilizzato non solo per il riconoscimentoudvocale, ma in qualsiasi tipo di classificatore basato su HMM.udIl lavoro si concentra quindi sullo sviluppo di architetture hardware dedicate, ma nuovi risultati sono stati ottenutiudanche a livello di applicazione per quanto riguarda la classificazione di segnali elettroencefalografici attraversoudgli HMM.udInnanzitutto state sviluppata una architettura a livello di sistema applicabile a qualsiasi sistema di patternudrecognition che faccia usi di HMM. L’architettura stata concepita in modo tale da essere utilizzabile come unudsistema stand–alone. Definita l’architettura, un processore hardware per HMM, completamente riconfigurabile,udstato decritto in linguaggio VHDL e simulato con successo. Un array parallelo di questi processori costituisce diudfatto il nucleo di processamento dell’architettura sviluppata.udSulla base del progetto in VHDL, due piattaforme di prototipaggio rapido basate su FPGA sono state selezionateudper dei test di implementazione. Diverse configurazioni costituite da array paralleli di processori HMM sono stateudimplementate su FPGA. Le soluzioni che offrivano un miglior compromesso tra prestazioni e quantità di risorseudhardware utilizzate sono state selezionate per ulteriori analisi.udUn sistema software per il pattern recognition basato su HMM stato scelto come sistema di riferimento perudverificare la corretta funzionalità delle architetture implementate. Diversi test sono stati progettati per validare cheudil funzionamento del sistema corrispondesse alle specifiche iniziali. Le versioni implementate del sistema sono stateudconfrontate con il software di riferimento sulla base dei risultati forniti dai test. Dal confronto è stato possibileudappurare che le architetture sviluppate hanno un comportamento corrispondente a quello richiesto.udInfine le implementazioni dell’array parallelo di processori HMM `e sono state applicate a due applicazioni reali:udun riconoscitore vocale, ed un classificatore per interfacce basate su segnali elettroencefalografici. In entrambi iudcasi l’architettura si è dimostrata in grado di gestire l’applicazione senza alcun problema. L’uso del processamentoudhardware per il riconoscimento vocale apre di fatto la strada a nuovi sviluppi nel campo grazie al notevole incrementouddi prestazioni ottenibili in termini di tempo di esecuzione. L’applicazione al processamento dell’EEG, invece,udintroduce di fatto un approccio completamente nuovo alla classificazione di questo tipo di segnali, e mostra come inudfuturo potrebbe essere possibile lo sviluppo di interfacce basate sulla classificazione dei segnali generati dal pensieroudspontaneo.udI possibili sviluppi del lavoro iniziato con questa tesi sono molteplici. Una direzione possibile è quella dell’implementazioneudcompleta dell’architettura proposta come un sistema stand–alone riconfigurabile per l’accelerazioneuddi sistemi per pattern recognition di qualsiasi natura purchè basati su HMM. Le potenzialità di tale sistema renderebberoudpossibile la realizzazione di classificatiori in tempo reale con un alto grado di complessità, e quindi alloudsviluppo di interfacce realmente multimodali, con una vasta gamma di applicazioni, dai sistemi di per lo spazio audquelli di supporto per persone disabili.