TinyBird-ML：一种超低功耗鸟鸣分析与音节分类智能传感节点
信号处理
2024-08-01 v1
摘要
动物鸣声在诸多关键功能中均发挥着重要作用。虽然可使用外部麦克风记录动物鸣声，但直接安装在动物背部的微型传感器能提供更深入的洞察。我们提出 TinyBird-ML；一种仅重 1.4 克的可穿戴传感节点，用于获取、处理和通过蓝牙低能耗无线传输声学信号至主机系统。TinyBird-ML 集成低延迟微型机器学习算法，用于歌声音节分类。为优化 TinyBird-ML 在容错连续录制期间的电池寿命，我们提出高效的固件与硬件设计。采用标准有损压缩方案可降低蓝牙天线上传数据量，从而在不影响离线声音分析的前提下将电池寿命提高 70%。此外，若在静默期不传输信号，可进一步提升电池寿命。本传感器的一个优势在于允许微秒级闭环实验，因为可在设备本身直接处理声音而无需流式传输至计算机。我们通过在传感节点上运行轻量级神经网络，实现了最小延迟的音节检测与分类，音节错误率为 7%。得益于我们的节能硬件与软件设计，传感节点以 16 kHz 采样率连续工作时，可在单颗 13 号锌-氢电池上实现 25 小时的续航。
引用
@article{arxiv.2407.21486,
title = {TinyBird-ML: An ultra-low Power Smart Sensor Node for Bird Vocalization Analysis and Syllable Classification},
author = {Lukas Schulthess and Steven Marty and Matilde Dirodi and Mariana D. Rocha and Linus Rüttimann and Richard H. R. Hahnloser and Michele Magno},
journal= {arXiv preprint arXiv:2407.21486},
year = {2024}
}