論文の概要: A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

• arxiv url: http://arxiv.org/abs/2607.12901v1
• Date: Tue, 14 Jul 2026 15:37:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.213311
• Title: A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding
• Title（参考訳）: 適応デルタおよびパルス周波数符号化を用いた32チャンネルイベントベースバイオ信号アナログフロントエンド
• Abstract要約: 生体信号の取得と符号化に最適化されたイベントベースAFEアプリケーション専用集積回路を提案する。 提案されたASICは、最先端のスパイキングニューラルネットワーク(SNN)ニューロモルフィックプロセッサと高いインタフェースを提供する。
• 参考スコア（独自算出の注目度）: 3.194937813761537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-power event-based Analog Front-Ends (AFEs) are essential for building efficient, end-to-end neuromorphic signal processing systems. In this paper, we present an event-based AFE Application-Specific Integrated Circuit (ASIC) optimized for biomedical signal acquisition and encoding. The chip features 32 independently programmable input channels with dual-mode encoding mechanism outputs, comprising Pulse Frequency Modulation (PFM) and adaptive Asynchronous Delta Modulator (aADM) circuits. The aADM encoder provides an auto-scaling mechanism that adapts the encoding data-rate based on the input signal envelope in real-time, enabling very high data compression for low-power information transmission. This approach paves the way toward adaptive wireless communication of neural signals for on-line processing in brain-computer interfaces. Fabricated in a 180 nm CMOS process, the proposed ASIC offers a highly configurable interface compatible with state-of-the-art Spiking Neural Network (SNN) neuromorphic processors.
• Abstract（参考訳）: 低消費電力イベントベースAnalog Front-Ends (AFEs) は、効率的なエンドツーエンドのニューロモルフィック信号処理システムを構築するのに不可欠である。 本稿では,生体信号の取得と符号化に最適化されたイベントベースAFEアプリケーション専用集積回路(ASIC)を提案する。 チップは、パルス周波数変調(PFM)と適応非同期デルタ変調器(aADM)回路からなるデュアルモード符号化機構出力を備えた32個のプログラム可能な入力チャネルを備える。 aADMエンコーダは、入力信号エンベロープに基づいて符号化データレートをリアルタイムに適応する自動スケーリング機構を提供し、低消費電力情報伝送のための非常に高いデータ圧縮を可能にする。 このアプローチは、脳-コンピュータインタフェースにおけるオンライン処理のためのニューラルネットワークの適応無線通信への道を開く。 180nmのCMOSプロセスで作製されたASICは、最先端のスパイキングニューラルネットワーク(SNN)ニューロモルフィックプロセッサと互換性のある、高度に構成可能なインタフェースを提供する。

関連論文リスト

• Multi-layer MIMO Relay as Deep Physical Neural Networks: Power Amplifiers as Activation Functions [56.870614369768354]
  無線物理ニューラルネットワーク(WPNN)は、アナログハードウェアに直接ニューラルネットワークを埋め込む。 マルチホップマルチインプットマルチアウトプット(MIMO)リレーネットワークにより非線形活性化を実現する深層WPNNを提案する。 提案アーキテクチャは,画像分類の高精度なオーバー・ザ・エア推論を可能にする。
  論文  参考訳（メタデータ） (2026-07-20T09:45:07Z)
• Adaptive Source-Channel Coding for Semantic Communications [48.13990936094994]
  セマンティック通信 (Semantic Communications, SemComs) は, 共同データとタスク指向の伝送において, 有望なパラダイムとして登場した。 SemComsの現在のジョイントソースチャネル符号化(JSCC)は、既存の通信システムと互換性がない。 並列ガウスチャネル上でのSemComsの適応型ソースチャネル符号化方式を提案する。
  論文  参考訳（メタデータ） (2025-08-11T13:09:54Z)
• VQ-DeepISC: Vector Quantized-Enabled Digital Semantic Communication with Channel Adaptive Image Transmission [8.858565507331395]
  意味的特徴の離散化は、意味的コミュニケーションシステムとデジタルコミュニケーションシステムの相互運用を可能にする。 チャネル適応画像伝送を用いたベクトル量子化(VQ)対応ディジタルセマンティック通信システムを提案する。
  論文  参考訳（メタデータ） (2025-08-01T02:35:34Z)
• DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [43.56429251312585]
  本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。 リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。 ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
  論文  参考訳（メタデータ） (2025-07-03T17:35:06Z)
• Architectural Exploration of Hybrid Neural Decoders for Neuromorphic Implantable BMI [5.76010717601678]
  本研究は、ニューロモルフィックな脳-機械界面(Neu-iBMI)のための効率的なデコードパイプラインを提供する。 スパイク検出器 (EvFilter-SPD) としても機能する可変イベントフィルタ (EvFilter) を導入し, それぞれ192X と 554X でデコードされたイベント数を著しく削減した。
  論文  参考訳（メタデータ） (2025-05-09T12:15:09Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
  この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。 資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。 これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-04-08T20:02:19Z)
• SPAIC: A sub-$\mu$W/Channel, 16-Channel General-Purpose Event-Based Analog Front-End with Dual-Mode Encoders [6.6017549029623535]
  低消費電力イベントベースのアナログフロントエンドは、効率的なニューロモルフィック処理システムを構築するために不可欠である。 我々は、SPAIC(Signal-to-Spike converter for analog AI computing)と呼ばれる新しい、非常にアナログなフロントエンドチップを提案する。 デルタ変調とパルス周波数変調を備えた汎用的なデュアルモードアナログ信号対スパイク符号化と可変周波数帯域を提供する。
  論文  参考訳（メタデータ） (2023-08-31T19:53:04Z)
• A system design approach toward integrated cryogenic quantum control systems [0.3182204845791219]
  大規模量子システムのための制御エレクトロニクスの設計に関するシステムレベルの視点を提供する。 低温CMOSはスケーラブル量子コンピュータの実現において重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-11-03T18:24:27Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
  我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。 我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。 実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
  論文  参考訳（メタデータ） (2020-09-03T09:10:16Z)
• Massive MIMO As an Extreme Learning Machine [83.12538841141892]
  低分解能アナログ・デジタルコンバータ(ADC)を用いたMIMOシステムによる自然極端学習機械(ELM)の試作 受信した信号にランダムなバイアスを加え、ELM出力の重みを最適化することにより、システムはハードウェアの障害に効果的に取り組むことができる。
  論文  参考訳（メタデータ） (2020-07-01T04:15:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。