基于无限采样的时间编码：理论、算法与硬件验证
信息论
2022-10-11 v1 信号处理
math.IT
摘要
传统均匀采样的一种替代方案是时间编码，它将连续时间信号转换为触发时间序列，由此产生了事件驱动采样（Event-Driven Sampling, EDS）模型。EDS采集的数据驱动特性在功耗和时间分辨率方面具有优势，其灵感来源于生物神经系统中的信息表示。如果模拟信号超出预定义的动态范围，则EDS生成的触发时间序列密度较低，进而由于混叠导致恢复失真。在本文中，受无限传感框架（Unlimited Sensing Framework, USF）启发，我们提出了一种新的EDS架构，在采集前引入模非线性，称之为模EDS或MEDS。在MEDS中，模非线性将高动态范围输入折叠为低动态范围幅值，从而避免恢复失真。具体而言，我们考虑了先前用于低功耗模数转换的异步sigma-delta调制器（asynchronous sigma-delta modulator, ASDM）。这种基于MEDS的新型采集由最近提出的称为模滞回（modulo-hysteresis）的模非线性推广所实现。我们基于采样率准则为带限输入设计了数学上保证的恢复算法，并给出了重建误差界。我们超越了数值实验，还提供了我们方法的首次硬件验证，从而弥合了理论与实践之间的差距，同时印证了我们工作的概念基础。
引用
@article{arxiv.2208.10234,
title = {Time Encoding via Unlimited Sampling: Theory, Algorithms and Hardware Validation},
author = {Dorian Florescu and Ayush Bhandari},
journal= {arXiv preprint arXiv:2208.10234},
year = {2022}
}
备注
27 pgs, 11 figures, IEEE Trans. Sig. Proc., accepted with minor revisions