2026年，全国大学生FPGA创新设计大赛，如果选择‘基于FPGA的实时脑电信号（EEG）特征提取与情绪识别系统’作为题目，在实现滤波、特征提取和轻量级分类模型时，如何平衡算法的准确性与FPGA的实时性、低功耗约束？
我们团队想参加2026年的FPGA创新设计大赛，选题结合了生物医学和AI。计划用FPGA实时处理多通道脑电信号，最终实现简单的情绪分类。目前遇到的困惑是：脑电信号预处理（如带通滤波、去除工频干扰）和特征提取（如功率谱密度、非线性动力学特征）算法复杂度不低，后续还要接一个简单的神经网络（如SVM或微型CNN）。在有限的FPGA资源下，应该如何进行算法简化、硬件加速模块设计以及软硬件任务划分，才能在保证一定识别率的同时，满足系统的实时性（比如延迟<100ms）和低功耗要求？
电子萌新小张
