你的位置:首頁(yè) > 傳感技術(shù) > 正文

基于傳感器內(nèi)神經(jīng)網(wǎng)絡(luò)的模擬-信息轉(zhuǎn)換技術(shù),可顯著降低傳感器功耗

發(fā)布時(shí)間:2022-12-06 來(lái)源:MEMS 責(zé)任編輯:wenwei

【導(dǎo)讀】據(jù)麥姆斯咨詢報(bào)道,近日,亞利桑那州立大學(xué)(Arizona State University)介紹了一種片上模擬-信息轉(zhuǎn)換技術(shù),該技術(shù)利用基于儲(chǔ)層計(jì)算范式的模擬超維計(jì)算,在本地傳感器內(nèi)處理心電圖(electrocardiograph,ECG)信號(hào),并將射頻(RF)傳輸減少三個(gè)數(shù)量級(jí)以上。片上模擬-信息轉(zhuǎn)換器不是傳輸稀疏的ECG信號(hào)或提取的特征,而是通過(guò)一個(gè)附有人工神經(jīng)網(wǎng)絡(luò)的非線性存儲(chǔ)內(nèi)核來(lái)分析ECG信號(hào),并傳輸預(yù)測(cè)結(jié)果。所開(kāi)發(fā)的技術(shù)被證明可用于檢測(cè)敗血癥發(fā)作,并實(shí)現(xiàn)了超高的準(zhǔn)確度和能效,同時(shí)使用65nm CMOS原型測(cè)試芯片將傳感器功耗降低了159倍。


射頻傳輸是無(wú)線傳感器功耗產(chǎn)生的主要因素,因此,本地傳感器內(nèi)信號(hào)處理優(yōu)于連續(xù)射頻傳輸,尤其對(duì)于生物醫(yī)學(xué)傳感器。例如,低功率MedRadio傳輸器的功耗為67μW,明顯高于片上特征提取。雖然有幾種技術(shù)可以壓縮射頻傳輸,但壓縮比通常限制在<20倍。迄今為止,壓縮射頻傳輸?shù)姆椒ㄓ谢谙∈栊缘臄?shù)據(jù)壓縮算法、基于導(dǎo)數(shù)的自適應(yīng)采樣、過(guò)電平采樣和自適應(yīng)分辨率數(shù)字化。據(jù)報(bào)道,上述技術(shù)已將傳輸數(shù)據(jù)壓縮了2~16倍。與現(xiàn)有技術(shù)相比,研究人員提出將人工智能(artificial intelligence,AI)嵌入傳感器本身,以分析每個(gè)ECG片段,并僅傳輸預(yù)測(cè)分?jǐn)?shù),而不是ECG數(shù)據(jù)或提取的特征,以將射頻傳輸降低5000倍以上。


由于人工智能算法是計(jì)算密集型的,因此設(shè)計(jì)低能耗的傳感器內(nèi)神經(jīng)網(wǎng)絡(luò)具有挑戰(zhàn)性。在本項(xiàng)工作中,為了解決無(wú)線生物醫(yī)學(xué)傳感器中的能量瓶頸,研究人員提出了一種直接處理模擬ECG樣本的模擬信號(hào)處理神經(jīng)網(wǎng)絡(luò)。這項(xiàng)工作的主要貢獻(xiàn)是設(shè)計(jì)和演示了一種片上模擬分類(lèi)器,其由一個(gè)儲(chǔ)層計(jì)算機(jī)(reservoir-computer,RC)和一個(gè)三層人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)組成,用于處理模擬ECG片段。與數(shù)字基線(前端ADC和數(shù)字ANN)相比,能耗降低了13倍;與直接傳輸數(shù)字化ECG片段相比,傳感器總能耗降低了159倍。傳感器內(nèi)處理AI電路主要用于CMOS圖像傳感器,通過(guò)執(zhí)行片上特征提取來(lái)減少需要傳輸?shù)絺鞲衅魍獾臄?shù)據(jù)量。據(jù)研究人員所知,這項(xiàng)工作提出了第一個(gè)用于模擬-信息轉(zhuǎn)換的傳感器內(nèi)人工智能電路,以顯著降低可穿戴生理傳感器的傳輸能量,并延長(zhǎng)此類(lèi)無(wú)線傳感器的電池壽命。


1.jpg

傳統(tǒng)ECG傳感器與所提出的具有傳感器內(nèi)RC+ANN人工智能模塊的ECG傳感器對(duì)比


2.png

與傳輸所有數(shù)字化數(shù)據(jù)和數(shù)字基線的傳統(tǒng)傳感器技術(shù)的能耗比較


在這項(xiàng)工作中,MIMIC–III數(shù)據(jù)集的ECG信號(hào)被用于證明通過(guò)傳感器內(nèi)人工智能進(jìn)行模擬-信息轉(zhuǎn)換技術(shù)的可行性。然而,在實(shí)際的家庭監(jiān)護(hù)應(yīng)用中,所獲取的ECG信號(hào)可能包含偽影,在將ECG信號(hào)發(fā)送到RC+ANN組合之前,需要經(jīng)過(guò)具有帶通濾波模擬前端(analog front-end,AFE)的處理。AFE將消耗額外的功率,這將降低這項(xiàng)技術(shù)相對(duì)于傳輸所有傳感器數(shù)據(jù)的傳統(tǒng)方法的能耗優(yōu)勢(shì)。因此,傳感器內(nèi)人工智能技術(shù)將高能效的設(shè)計(jì)挑戰(zhàn)從傳輸轉(zhuǎn)移到了AFE。通過(guò)基于反相器的放大器設(shè)計(jì)和反相器堆疊可以潛在地提高AFE能源效率,以降低傳感器的總能耗。


本項(xiàng)工作在電路方面的限制是研究人員設(shè)計(jì)的電路比最先進(jìn)的基于SRAM的人工智能電路的面積效率低。這種面積限制主要是由于使用開(kāi)關(guān)電容電路作為矩陣乘法的構(gòu)建塊,其面積效率低于SRAM單元。本設(shè)計(jì)中使用的金屬對(duì)金屬(metal-on-metal)電容器的面積密度(以fF/μmm2表示)沒(méi)有晶體管的面積密度大,因此SRAM電路相對(duì)于RC+ANN的面積效率優(yōu)勢(shì)可能會(huì)隨著CMOS技術(shù)的擴(kuò)展而增大。由于輸入層和存儲(chǔ)層中的計(jì)算可能是非線性的,所以提高RC+ANN的面積效率的潛在解決方案是在輸入層和存儲(chǔ)層中采用SRAM陣列進(jìn)行矩陣乘法,并且僅在需要更高線性度的情況下使用開(kāi)關(guān)電容電路進(jìn)行基于ANN的讀出。


3.png

用于分析ECG信號(hào)的儲(chǔ)層計(jì)算機(jī)的電路示意圖


論文信息:

https://www.nature.com/articles/s41598-022-23100-4


來(lái)源:MEMS



免責(zé)聲明:本文為轉(zhuǎn)載文章,轉(zhuǎn)載此文目的在于傳遞更多信息,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問(wèn)題,請(qǐng)聯(lián)系小編進(jìn)行處理。


推薦閱讀:


寄生電感的介紹

適用于下一代大功率應(yīng)用的XHP2封裝

AR眼鏡中的顯示技術(shù):虛擬超脫想象之外,包羅萬(wàn)象卻基于現(xiàn)實(shí)

新型的工業(yè)級(jí)TMR角度傳感器

全SiC MOSFET模塊讓工業(yè)設(shè)備更小、更高效

特別推薦
技術(shù)文章更多>>
技術(shù)白皮書(shū)下載更多>>
熱門(mén)搜索
?

關(guān)閉

?

關(guān)閉