移位不变空间中信号的神经形态采样

神经形态采样是模数转换中的一种范式转变，其采集策略是机会主义的，仅当信号发生显著变化时才记录测量值。神经形态采样催生了一类称为动态视觉传感器或神经形态相机的新兴基于事件的传感器。神经形态采样机制功耗低，并提供高动态范围感知、低延迟和高时间分辨率。测量值稀疏且冗余度低，便于下游任务处理。在本文中，我们提出一种采样理论视角来研究连续时间信号的神经形态感知。我们建立了神经形态采样与基于时间的采样（信号在时间上被编码）之间的紧密联系。我们分析了移位不变空间（特别是带限信号和多项式样条）中信号的神经形态采样。我们提出了一种在事件满足密度准则条件下实现完美重建的迭代技术。我们还给出了完美重建的充要条件。由于在实际中难以满足完美重建的充分条件，我们将分析扩展到从稀疏事件进行近似重建。在后一设定中，我们将信号重建表述为一个连续域线性逆问题，其解可通过变量分裂方法求解等价的有限维凸优化程序获得。我们展示了所提算法的性能，并通过合成信号实验验证了我们的结论。