2026年，全国大学生FPGA创新设计竞赛，如果选择做‘基于FPGA的实时脑电（EEG）信号处理与疲劳驾驶检测系统’，在信号去噪、特征提取和分类算法硬件实现上，有哪些既新颖又可行的技术方案？
我们团队计划参加2026年的全国大学生FPGA创新设计竞赛，选题方向想结合生物医学和人工智能，做一个基于FPGA的实时脑电信号处理系统，最终实现疲劳驾驶检测。我们初步了解EEG信号非常微弱且噪声大，需要先进行滤波、去除眼电伪迹等预处理。然后要提取时域、频域特征，最后用分类器判断状态。想请教的是，在FPGA上实现这一整套流程，有哪些比较新颖且适合竞赛展示的技术点？比如，能否用CORDIC算法高效实现特定频带的滤波？特征提取部分，除了常规的功率谱密度，还有哪些适合硬件计算的复杂度特征？分类器是选择传统的SVM（如何硬件化）还是部署一个极轻量级的神经网络？整个系统的实时性和准确性如何平衡？
FPGA学员2
