用于基于EEG的脑机接口的亚100微瓦多谱黎曼分类
信号处理
2021-12-21 v1
摘要
运动想象脑机接口使我们仅通过想象执行运动动作即可控制机器。实际用例需要可穿戴解决方案，其中脑信号分类在传感器附近由嵌入式在节能微控制器单元上的机器学习模型本地完成，以确保隐私、用户舒适和长期使用的可能。本工作中，我们提供了关于嵌入式BMI方案的精度-成本权衡的实用见解。我们的多谱黎曼分类器在4类MI任务上达到75.1%的准确率。通过对每位受试者调优不同类型的分类器，准确率进一步提升至76.4%。我们进一步通过将模型量化为混合精度表示来缩减模型规模，准确率仅分别最小损失1%和1.4%，但仍比最先进的嵌入式卷积神经网络高出至多4.1%。我们在低功耗MCU上实现该模型，能耗预算仅198uJ，每次分类仅耗时16.9ms。以连续方式分类样本，将3.5s样本重叠50%以避免遗漏用户输入，可实现仅85uW的运行功耗。与嵌入式MI-BMI的相关工作相比，我们的方案在近传感器分类的精度-能耗权衡上确立了新的SOTA。
引用
@article{arxiv.2112.10026,
title = {Sub-100uW Multispectral Riemannian Classification for EEG-based Brain--Machine Interfaces},
author = {Xiaying Wang and Lukas Cavigelli and Tibor Schneider and Luca Benini},
journal= {arXiv preprint arXiv:2112.10026},
year = {2021}
}