ApproxCS：面向物联网医疗系统的近传感器近似压缩感知
信号处理
2018-11-20 v1
摘要
物联网（IoTs）是一种新兴趋势，它通过（集成的）边缘、雾和云计算范式实现了可穿戴医疗监测系统设计上的升级。在此类物联网医疗系统中，能效是最重要的设计指标之一，尤其是对于边缘和雾节点。由于传感噪声和输入数据中的固有冗余，即便是最安全关键的生物医学应用有时也能承受输出质量上的轻微下降。因此，可以利用生物信号中这种固有的容错性，通过近似计算（Approximate Computing，适用于软件和硬件层面等新兴趋势）来实现高能效节省。本文中，我们提出在数字压缩感知（CS）中利用近似计算，通过在基于精确 Bernoulli 感知的 CS 采集（BCS）中使用低功耗近似加法器（LPAA）来实现。我们证明了在物联网医疗中确实可以安全地使用近似方法，而不影响生物医学信号中关键事件的检测。为此，我们使用最先进的 lp2d RLS 重建算法探讨了能效与输出质量之间的权衡。所提出的框架使用 MIT-BIH 心律失常数据库进行了验证。我们的结果表明，与精确设计相比，能耗节省了约 59%。
引用
@article{arxiv.1811.07330,
title = {ApproxCS: Near-Sensor Approximate Compressed Sensing for IoT-Healthcare Systems},
author = {Ayesha Siddique and Osman Hasan and Faiq Khalid and Muhammad Shafique},
journal= {arXiv preprint arXiv:1811.07330},
year = {2018}
}