7、硬件感知成本模型与噪声可扩展贝叶斯网络在传感器前端的应用

硬件感知成本模型与噪声可扩展贝叶斯网络在传感器前端的应用

在硬件系统中，能耗是一个关键的考量因素。不同类型的系统，其能耗在传感嵌入式管道的特定模块中占据主导地位。

1. 硬件感知成本模型

根据系统类型的不同，能耗在传感嵌入式管道的特定模块中往往占据主导地位。例如，对于始终开启的传感器系统，前端的能耗比数字推理模块的能耗更显著；而其他类型的物联网节点需要更复杂的数字处理，因此推理能耗占主导。

以下是不同系统类型及其硬件感知成本的定义：
|系统类型|硬件感知成本定义|
| ---- | ---- |
|可调混合信号前端|CS（前端数字质量缩放）、CF（模拟特征提取）、CF,analog|
|通用高级数字处理|CS + CF + CM|
|运行时可调混合信号前端|CS + CM + CT|
|通用运行时系统|CS + CF + CM + CT|

2. 硬件感知贝叶斯网络用于传感器前端质量缩放

大多数设备为满足固定质量规格而制造，但一些传感器前端包含可调节组件，可调整目标质量和能耗。通过利用前端的可调性，可以系统地用有限的精度损失换取成本节约。

这里提出的模型是噪声可扩展贝叶斯网络分类器（ns - BN）。它基于贝叶斯网络的图形和概率特性，来表示可扩展硬件提取的不同质量和精度的特征。

2.1 噪声可扩展贝叶斯网络分类器

• 模型 ：ns - BN 由一个贝叶斯网络分类器扩展而来，包含代表每个特征的各种（电路）噪声和低精度版本的节点。其联合概率分布如下：
  [Pr(C,