9、硬件感知的传感器前端质量缩放与概率电路

硬件感知的传感器前端质量缩放与概率电路

1. 硬件感知贝叶斯网络用于传感器前端质量缩放

1.1 模拟质量缩放实验

本次实验聚焦于语音活动检测（VAD）应用，其核心是判断给定声音是否为语音。该系统在模拟域提取特征，把输入音频信号分解为多个频段。以其中一个频段为例，来自无源麦克风的放大信号会先经过带通滤波器（BPF），其输出再经过整流和平均处理，从而得到模拟特征。带通滤波器（BPF）的中心频率从第 1 个频段到第 16 个频段，会从 75Hz 呈指数增长至 5kHz，且每个频段输出端的 ADC 能以 8 位对信号进行离散化处理。此外，每个频段具备可变放大功能，可实现精度可调，能够以 8、4、2 和 1 有效位数（enob）提取每个特征。

1.2 成本与目标函数定义

• 成本函数 ：该用例依赖模拟前端模块进行特征提取，其提取特征的成本与之前研究的可调混合信号前端趋势一致。硬件感知成本函数如下：
  [Cost_F(\theta) = \sum_{F\in F} C_{F,analog}(F) = \sum_{F\in F} \beta \cdot 2^{\theta_F}]
  其中，(\theta_F) 为特征 (F) 的有效位数（enob），(\beta) 的值基于 VAD 芯片的能耗测量结果确定。在这个系统中，能耗从特征 1 到 16 呈指数增长，并且每增加一位也呈指数增长。
• 目标函数 ：用于算法 1 的目标函数与之前用例相同：
  [OF(acc, cost) = \log \left(\frac{\sqrt{accurac