星载卫星通信应用中神经形态硬件的性能评估
信号处理
2024-01-17 v1
摘要
在神经形态处理器（NP）上实现的脉冲神经网络（SNN）可以提升特定工作负载下人工智能（AI）部署的能效。因此，NP为在功率受限的卫星通信航天器上实现AI任务提供了一个有趣的机会。本文传播了一项近期完成的研究结果，该研究旨在比较在标准AI加速器和NP上实现的不同卫星通信用例的性能和功耗。具体而言，本文描述了三个突出的用例，即有效载荷资源优化、星上干扰检测与分类以及动态接收波束成形；并比较了在Xilinx VCK5000 Versal开发卡上实现的传统卷积神经网络（CNN）与在Intel神经形态芯片Loihi 2上实现的SNN的性能。
引用
@article{arxiv.2401.06911,
title = {Performance Evaluation of Neuromorphic Hardware for Onboard Satellite Communication Applications},
author = {Eva Lagunas and Flor Ortiz and Geoffrey Eappen and Saed Daoud and Wallace Alves Martins and Jorge Querol and Symeon Chatzinotas and Nicolas Skatchkovsky and Bipin Rajendran and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2401.06911},
year = {2024}
}
备注
submitted to IEEE Commun. Magazine