Optimal Word-Length Analysis for the Implementation of a High Efficiency SAA-Based Feature Extractor

[[abstract]]DPWT(Discrete Periodized Wavelet Transform)的完美重建特性與多重頻帶解析能力是一很有力的數位訊號分析工具，其在數位訊號處理、編解碼、影像壓縮、圖形識別等領域之應用皆深受重視，因此可執行DPWT之VLSI chip將在未來多媒體日漸普及的資訊時代中扮演相當重要的角色。由於傳統的DPWT VLSI架構皆採用遞迴式演算法，其存在資料衝突、需長時間等待、及位元長度成長效應的放大作用等缺點，不利於特殊圖形辨識用晶片之實現。本計畫之目的即擬基於九十二年度計劃NSC-92-2213-E-327-002所研發之高效率非遞迴式SAA-based VLSI架構下，對於分解與重建過程中小波轉換係數所產生位元成長效應問題，在有限精度情況下做進一步改良。此一架構之設計理念原於我們對AOCA演算法深入探討中所發現的一些重要特性(九十一年度計劃NSC-91-2213-E-327-006)。這些特性建構了一稱為SAA的新演算法理論(九十二年度計劃NSC-92-2213-E-327-002)，可有效地克服原始AOCA演算法在延伸至高階時乘法器與加法器具幾何成長之缺點，並演化出四種基本型式的VLSI架構(九十三年度計劃NSC-93-2213-E-327-005)。本計畫之主要目標係擬利用我們新近研發之可逆式四捨五入線性轉換(RROLT)理論，分析良惡性腫瘤特徵及非遞迴式濾波器係數所需之最佳位元長度，藉以實現一高效率之SAA-based特徵擷取器晶片。在實驗部分則擬採用FPGA來實現此超大型積體電路架構。參與計畫之師生亦可穫得從訊號處理、特徵擷取、圖形辨識等相關理論之研究與應用，到VLSI演算法發展與VLSI架構設計，進而程式模擬與chip實現的完整訓練。本計畫亦已獲初期部分研究成果[38-39][41]。[[note]]NSC94-2213-E327-00