En la clasificación de formas de onda de pulso, la red neuronal convolucional (CNN) muestra un excelente rendimiento. Sin embargo, debido a sus numerosos parámetros y a la intensiva computación, resulta desafiante desplegar un modelo de CNN en dispositivos de bajo consumo de energía. Para resolver este problema, implementamos un acelerador de CNN basado en una matriz de compuertas programable en campo (FPGA), que puede inferir con precisión y rapidez la categoría de la forma de onda. Al diseñar la estructura de la CNN, reducimos significativamente sus parámetros manteniendo alta precisión. Luego, la CNN se implementa en FPGA y se optimiza mediante varios métodos de optimización de acceso a memoria. Los resultados experimentales muestran que nuestra CNN personalizada tiene alta precisión y menos parámetros, y el acelerador consume solo 0.714 W bajo una frecuencia de trabajo de 100 MHz, lo que demuestra que nuestra solución propuesta es factible. Además, el acelerador clasifica la forma de onda de pulso en tiempo real, lo que podría ayudar a los médicos a realizar diagnósticos.