| KEYWORD |
Machine Learning Implementato in Hardware per il Riconoscimento di Gesti Tramite Acquisizione a Eventi di Segnali sEMG
Parole chiave DISPOSITIVI INDOSSABILI, EDGE COMPUTING, ELETTROMIOGRAFIA DI SUPERFICIE (SEMG);, FPGA, INTERNET-OF-THINGS (IOT), MACHINE LEARNING
Riferimenti DANILO DEMARCHI, PAOLO MOTTO ROS
Gruppi di ricerca MiNES (Micro&Nano Electronic Systems)
Tipo tesi SPERIMENTALE
Descrizione Potenziare dispositivi indossabili e Internet-of-Things (IoT) con funzionalità di alto livello, e.g., basate su tecniche di intelligenza artificiale, è oggigiorno un argomento di grande interesse: nel caso di sensori interconnessi tramite Wireless Body Area Network (WBAN) ciò significa riconoscere specifici schemi e ricorrenze di più alto livello, eventualmente indicativi del comportamento (o azioni) o dello stato di salute (genericamente parlando) dell’utente finale, e non più solo acquisire e trasmettere dati “grezzi”, di basso livello. La progettazione di algoritmi di intelligenza artificiale è quindi solo il primo passo in tale direzione: avendo come obiettivo una implementazione efficace ed efficiente, diventa importante prendere in considerazione la piattaforma hardware sottostante, eventualmente riprogettandola puntando ad ottimizzare il compromesso tra utilizzo di risorse hardware, consumo di potenza e prestazioni di calcolo.
Obiettivo principale di questa tesi è lo studio di fattibilità, e lo sviluppo di un prima implementazione prototipale, di un acceleratore basato su FPGA per il riconoscimento di gesti interfacciato con un sistema di acquisizione a eventi (già sviluppato e validato) multicanale di segnali elettromiografici di superficie (sEMG), parte di un dispositivo integrato indossabile. Iniziando dallo studio dei precedenti lavori su questo approccio di acquisizione sEMG e degli algoritmi di intelligenza artificiale già sviluppati in software, tramite lo sviluppo e validazione di un modulo digitale implementato su una piccola FPGA, a basso consumo energetico, l’obiettivo finale è quello di sostituire e migliorare, nel dispositivo indossabile attuale, il sistema di riconoscimento gesti, implementato in software, con una soluzione hardware più efficiente.
Conoscenze richieste Progettazione e sviluppo su FPGA; Programmazione HDL (VHDL o Verilog); Progettazione di PCB
Scadenza validita proposta 21/11/2023
PROPONI LA TUA CANDIDATURA