融合嵌入式神经网络与自混合干涉技术实现智能传感器设计
仪器与探测器
2024-05-07 v1
摘要
自混合干涉是一种测量方法，其中激光束在目标上反射后被重新注入发射激光器本身。通过监测激光器两端的电压，可以获得有关目标位置的信息。然而，分析该信号十分困难。在以往的工作中，神经网络已被非常成功地用于处理此类数据。在本文中，我们展示了首个基于自混合干涉并集成嵌入式神经网络的传感器原型。它由一个半导体激光器（同时充当光发射器和探测器）和一个用于数据处理的嵌入式平台组成。该平台包含一个模数转换器（ADC）和一个 STM32L476RG 微控制器。微控制器运行神经网络，负责根据进入 ADC 的干涉信号重建目标的位移。我们评估了神经网络对非期望信号幅度变化的鲁棒性，以及在微控制器上运行网络所需的不同网络权重量化选择的影响。最后，我们展示了完全在嵌入式平台上运行的目标位移重建演示。我们的研究结果为开发基于自混合干涉和嵌入式神经网络的鲁棒、低功耗且多功能的传感器铺平了道路。
引用
@article{arxiv.2405.02308,
title = {Integrating embedded neural networks and self-mixing interferometry for smart sensors design},
author = {Pierre-Emmanuel Novac and Laurent Rodriguez and Stéphane Barland},
journal= {arXiv preprint arXiv:2405.02308},
year = {2024}
}