跳到正文

算法、任务与模态

Streaming 最新动态

Streaming 研究索引；按可核对的标签归档，不以热度评价质量。

102 条精选近 30 天 28 条共收录 120 条

更新

精选归档 · 第 6 页

12月31日周一第 101–102 条
  1. OpenReview · State space models82

    面向无线传感器数据压缩的硬件高效压缩感知架构设计与分析

    基于摘要分析。该研究针对无线传感器节点的能耗与遥测带宽约束，提出采用压缩感知（CS）进行数据压缩，并通过模拟与数字电路模型分析不同实现的功耗与性能代价。其主要贡献是将实现方案比较、硬件架构设计与芯片测量结合，而非提出 EEG 解码算法。 技术机制方面，研究为模拟和数字 CS 系统建立电路模型，用于评估潜在应用的设计空间，包括 analog-to-information converters（AIC）。作者报告，在信号需要高增益及中高分辨率的无线传感器场景中，数字实现具有显著的能效优势；该结论有特定应用条件，不能外推为所有采集场景下数字实现均优于模拟实现。 硬件验证方面，所提架构采用 90 nm CMOS 工艺实现。作者报告，实测功耗与电路模型吻合良好；测试系统支持连续、实时处理，在采样率低于 20 kS/s、供电电压为 0.6 V 的条件下，功耗为 1.9 μW，并对 EEG 信号实现超过一个数量级的压缩。摘要未说明该功耗覆盖的电路边界，也未给出 EEG 数据来源、通道配置、重建误差或下游任务表现，因此不能据此认定完整无线 EEG 系统达到同等功耗或保持 BCI 性能。 该工作的直接关联是 EEG 采集端的数据压缩与传输负担，而非跨被试解码或模型泛化。复现时需核对压缩测量方式、稀疏性假设、重建算法、量化设置及功耗测量范围；实验协议、消融及统计信息尚未验证。平台推测（待验证）：若用于无线 BCI，应分别检验压缩后的波形保真度与任务信息保留程度，不能仅以压缩倍率判断应用有效性。

    阅读价值：该研究将模拟与数字压缩感知实现的功耗建模同 EEG 数据压缩芯片实测联系起来，适合关注无线 EEG 端侧压缩的研究者阅读，但重建质量与系统级节能收益尚需核对全文。

12月31日周五
  1. OpenReview · EEG80

    用于长期癫痫发作检测系统的集成特征提取处理器的微功耗 EEG 采集 SoC

    基于摘要分析。该研究针对癫痫患者持续发作起始检测中的采集与无线传输功耗问题，提出集成 EEG 采集和特征提取的低功耗 SoC。其主要贡献是将部分信号处理移至采集端，以特征向量代替原始 EEG 向中央设备传输；研究对象是长期癫痫监测硬件系统，而非通用 BCI 解码算法。 每颗 SoC 对应一个 EEG 通道，摘要说明可根据患者情况佩戴最多 18 个通道，但这不是已报告的被试数或统一实验配置。芯片集成仪表放大器、ADC 和数字特征提取处理器，癫痫检测则由中央设备上的机器学习分类器完成。仪表放大器采用斩波稳定技术，在 1 V 工作电压下实现高输入阻抗并抑制较大的电极偏置；ADC 通过电源门控降低每次转换能耗，同时采用静态偏置保障比较器精度。特征提取硬件的参数通过患者数据验证确定，摘要未说明具体特征、分类器或验证划分。 作者报告，相较于传输 EEG 数据的方案，传感与本地处理的集成通过降低无线数据传输速率，使系统功耗降低 14 倍；具体对照实现及系统功耗核算范围尚未验证。作者报告特征向量输出速率为 0.5 Hz，完整单通道 SoC 由 1 V 电源供电。摘要中的每特征向量能耗写为“9 ¿ J”，单位字符存在异常，因此不能可靠还原为具体能量单位。 评估该方案时，需进一步核对特征提取内容、患者数据规模、被试内或跨被试协议、检测灵敏度、误报与延迟，以及通道数扩展后的总功耗。实验协议、消融及统计信息尚未验证；低功耗结果本身不构成癫痫检测准确性或临床有效性的证据。

    阅读价值：该研究值得阅读的具体原因是将 EEG 采集与本地特征提取集成到低功耗 SoC，并量化减少无线传输的系统功耗收益；其检测性能与功耗核算边界仍需全文核对。