SHIELD8-UAV：面向低能耗无人机声学检测与时序跟踪的顺序 8 位硬件实现的精度感知 1D-F-CNN
硬件体系结构
2026-03-03 v1 计算机视觉与模式识别
数值分析
信号处理
数值分析
摘要
实时无人机（UAV）声学检测在边缘设备上需要在严格的功耗和硬件限制下实现低延迟推理。本文提出了 SHIELD8-UAV，一款用于连续声学监控的精度感知 1 维特征驱动型卷积神经网络（1D-F-CNN）加速器的顺序 8 位硬件实现。该设计在共享的多精度数据通路上执行分层操作，无需复制处理单元。分层灵敏度量化框架支持 FP32、BF16、INT8 和 FXP8 模式，而结构化通道剪枝将展平特征维度从 35,072 降至 8,704（降低 75%），从而降低序列化稠密层循环。该模型在 FP32 下 achieves 89.91% 检测准确率，在 8 位模式下 less than 2.5% 的性能下降。该加速器使用 2,268 个 LUT 和 0.94 W 功耗，端到端延迟为 116 ms，在 Pynq-Z2 FPGA 上相较于 QuantMAC 和 LPRE 分别实现 37.8% 和 49.6% 的延迟降低，以及相较于并行设计的 5-9% 逻辑占用降低。ASIC 合成在 UMC 40 nm 工艺上显示最高工作频率为 1.56 GHz，核心面积为 3.29 mm2，总功耗为 1.65 W。这一结果表明，顺序执行结合精度感知量化和序列化感知剪枝，能够在不依赖大规模并行的前提下实现实用的低能耗边缘推理。
引用
@article{arxiv.2603.01069,
title = {SHIELD8-UAV: Sequential 8-bit Hardware Implementation of a Precision-Aware 1D-F-CNN for Low-Energy UAV Acoustic Detection and Temporal Tracking},
author = {Susmita Ghanta and Karan Nathwani and Rohit Chaurasiya},
journal= {arXiv preprint arXiv:2603.01069},
year = {2026}
}
备注
Preprint of work submitted to ISVLSI 2026