上海維立勝衡傳感器有限公司
上海維立勝衡傳感器有限公司
閱讀：43發(fā)布時間：2025-2-28
近日，北京大學孫仲教授的研究團隊報告了一種實時壓縮感知恢復的模擬硬件解決方案，并以“In-memory analog solution of compressed sensing recovery in one step”為題發(fā)表文章。”在《科學進展》中。在這項工作中，首先介紹了一種基于電阻存儲器（也稱為憶阻器）陣列的設計，用于執(zhí)行瞬時矩陣-矩陣-向量乘法（MMVM）?；谠撃K，公開了一種一步（幾微秒內）解決壓縮感知（CS）恢復的模擬矩陣計算電路。
CS一直是現(xiàn)代信號和圖像處理的基石，涉及醫(yī)學成像、無線通信、對象跟蹤和單像素相機等許多重要領域。在CS中，稀疏信號可以在前端傳感器中高度欠采樣，突破奈奎斯特速率，從而顯著提高采樣效率。在后端處理器中，可以通過解決稀疏逼近問題來忠實地重建原始信號。然而，CS恢復算法通常非常復雜，涉及高復雜度的矩陣-矩陣運算和逐點非線性函數(shù)。因此，后端處理器中的CS恢復已成為CS流水線中的瓶頸，這阻礙了其在高速、實時信號處理場景中的應用。
為了加速CS恢復計算，傳統(tǒng)數(shù)字領域已經(jīng)做出了兩條努力，要么使用算法（例如深度學習），要么使用并行處理器（例如GPU、FPGA和ASIC）。然而，計算效率從根本上受到數(shù)字處理器中矩陣運算的多項式復雜性的限制。為此，模擬計算因其固有的計算并行性而被認為是加速CS恢復的有效方法。然而，同樣，由于CS恢復算法的高度復雜性，以前的模擬計算解決方案要么依賴于預先計算的立方復雜度的矩陣-矩陣乘法，要么裸露需要昂貴而頻繁的模數(shù)轉換的離散迭代過程。因此，一步解決CS恢復仍然是一個巨大的挑戰(zhàn)。
為了解決這個問題，北京大學團隊首先設計了一種模擬內存計算模塊，一步實現(xiàn)MMVM，從而避免了矩陣-矩陣乘法的預計算。通過將該MMVM模塊與其他模擬組件連接起來形成反饋環(huán)路，所得電路可以準確映射局部競爭算法(LCA)，從而無需離散迭代即可一步解決CS恢復問題。為了驗證電路，團隊采用標準半導體工藝制造了電阻式存儲陣列，并在此基礎上在PCB上構建了LCA電路，用于執(zhí)行CS恢復。壓縮數(shù)據(jù)在電路中被轉換為輸入電壓信號，并以連續(xù)時間的方式采集恢復信號。利用該電路，實驗證明了一維稀疏信號、二維自然RGB圖像和磁共振圖像(MRI)的恢復。歸一化均方誤差（NMSE）約為0.01，圖像的峰值信噪比（PSNR）為27 dB。該電路的速度預計比深度學習等傳統(tǒng)數(shù)字方法快1-2個數(shù)量級，并且也優(yōu)于其他電子或光子模擬計算解決方案。該電路非常有希望在后端CS處理器中實現(xiàn)，以提供微秒級的實時處理能力，從而可能實現(xiàn)的醫(yī)療、視覺和通信技術。
儀表網(wǎng) 設計制作，未經(jīng)允許翻錄必究 .? ? ?
請輸入賬號
請輸入密碼
請輸驗證碼
請輸入你感興趣的產(chǎn)品
請簡單描述您的需求
號碼可能有誤,請核對！
請選擇省份