随着嵌入式系统的发展,越来越多的研究人员将支持向量机(Support Vector Machine,SVM)算法实现在嵌入式系统中。然而嵌入式系统在硬件资源、储存容量、能效等方面有着严格的限制,因此资源和功耗的优化成为SVM在嵌入式系统中实现时主要的难点和挑战。SVM算法包含训练和决策两个过程,本文主要面向支持向量机决策过程的硬件实现。对此本文设计实现了基于现场可编程门阵列(FPGA)的决策函数的运算平台。我们首先完成了SVM硬件决策平台的架构设计,使用SPI(Serial Peripheral Interface)与同步器模块保证平台与外部能够进行稳定的数据通信。接着我们详细介绍了平台中各个模块的设计。在SVM决策函数模块的设计中,为了减少资源消耗和降低功耗,我们进行了数据精度表示的优化并提出了指数函数可变精度计算的设计策略。我们使用Xilinx Artix7系列的NexysVedio FPGA开发平台完成了SVM决策平台的原型实现和验证。与优化之前的设计相比,在不影响计算精度的前提下平台能够降低13%的功耗,结合延时的优化,在计算单个测试向量能够减少50%的能量。此外,本文还基于数字信号处理器(DSP)设计实现了用于血压预测的SVM决策过程。我们首先从人体的光电容积脉搏波(PPG)中提取出两个特征量,之后将其应用到采用浮点数计算实现的SVM模型中完成血压预测,SVM模型则由离线训练得到。该系统对于5名志愿者血压预测误差的均值±标准差为:8.42±10.30 mmHg(Systolic Blood Pressure,SBP)和6.03±7.64 mmHg(Diastolic Blood Pressure,DBP)。