稀疏信号的神经形态采样
信号处理
2023-10-25 v1
摘要
神经形态采样是一种受生物启发且机会主义的模数转换技术，仅当信号幅度发生显著变化时才记录测量值。神经形态采样为称为事件相机或动态视觉传感器（DVS）的一类新型视觉传感器铺平了道路，其功耗低、动态范围高，并提供具有高时间分辨率的稀疏测量，便于下游推理任务。本文中，我们考虑具有有限创新率（FRI）信号的神经形态感知，包括狄拉克脉冲流、加权且时移脉冲之和，以及分段多项式函数。我们采用采样理论方法并利用神经形态感知与基于时间采样之间的紧密联系，其中测量值在时域上编码。通过傅里叶域分析，我们表明可通过使用高分辨率谱估计方法的参数估计实现完美信号重构。我们开发了基于核的采样方法，其允许以等于信号创新率的采样复杂度实现完美重构。我们给出了神经形态编码器参数实现完美重构的充分条件。此外，我们将分析扩展到FRI信号的多通道神经形态采样，包括单输入多输出（SIMO）和多输入多输出（MIMO）配置。我们表明可利用多通道测量联合估计信号参数。实验结果用于证实理论断言。
引用
@article{arxiv.2310.15750,
title = {Neuromorphic Sampling of Sparse Signals},
author = {Abijith Jagannath Kamath and Chandra Sekhar Seelamantula},
journal= {arXiv preprint arXiv:2310.15750},
year = {2023}
}