首页/论文/2007.05686

arXiv 2007.056862020-07eess.SP

基于事件的信号处理在放射性同位素识别中的应用

Event-based Signal Processing for Radioisotope Identification

Xiaoyu Huang, Edward Jones, Siru Zhang, Steve Furber, Yannis Goulermas, Edward Marsden, Ian Baistow, Srinjoy Mitra, Alister Hamilton

备注：: 4 pages, 7 figures, sixth international conference of Event-Based Control, Communication and Signal Processing

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文识别了传统的基于帧的放射性同位素识别过程的不必要的高功率开销的问题，并提出了一种基于事件的信号处理过程来解决所建立的问题。给出了神经形态处理器的设计流程。

英文摘要：

This paper identifies the problem of unnecessary high power overhead of the conventional frame-based radioisotope identification process and proposes an event-based signal processing process to address the problem established. It also presents the design flow of the neuromorphic processor.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

用于放射性同位素识别的卷积脉冲神经网络的FPGA实现

An FPGA Implementation of Convolutional Spiking Neural Networks for Radioisotope Identification

本文详细介绍了卷积尖峰神经网络（CSNN）的FPGA实现方法，并将此方法应用于使用高分辨率数据的低功耗放射性同位素识别。功耗为75 mW的CSNN的FPGA实现上已经实现，与90.62%的合成数据集上的推理精度。提出了芯片验证方法。通过使用SpiNNaker神经形态平台评估SNN参数来加速原型制作。

2021-02-24eess.SP

基于脉冲神经网络的FPGA低功率放射性同位素识别

Spiking Neural Network Based Low-Power Radioisotope Identification using FPGA

本文提出了一种基于脉冲神经网络（SNN）的低功耗放射性同位素识别设计的详细方法。在FPGA上实现了72 mW的低功耗，在10 cm测试距离和25 cm测试距离下的推理精度分别为100%和97%。给出了设计验证和芯片验证的方法。它还讨论了SNN模拟SpiNNaker的快速原型和各种考虑特定的应用程序，如测试距离，集成时间，SNN超参数的选择。

2020-10-25eess.SP

MIMO高斯信道下公共随机性生成的最优信号处理及其在识别中的应用

Optimal Signal Processing for Common Randomness Generation over MIMO Gaussian Channels with Applications in Identification

本文研究在Gaussian信道上单向通信生成公共随机性的问题，推导了SISO和MIMO Gaussian信道的CR容量，并探讨了其在提升信道识别容量及CR辅助安全识别方案中的应用。

2024-06-26eess.SP

无线传感器网络中分布式自适应范数盲系统辨识

Distributed Adaptive Norm Estimation for Blind System Identification in Wireless Sensor Networks

（无线）传感器网络中的分布式信号处理算法通常旨在分散处理任务以降低通信成本和计算复杂性或避免依赖于单个设备（即，融合中心）进行处理。在这篇文章中，我们扩展了一种用于盲系统辨识的分布式自适应算法，该算法依赖于每个节点处的堆叠的网络范围的一致性向量的估计，其计算需要广播或中继节点特定的值（即，局部向量范数）到所有其他节点。扩展算法采用基于分布平均的方案，仅使用相邻传感器节点提供的局部向量范数来估计全网络的一致性范数值。我们引入了一个自适应的混合因子之间的瞬时和递归估计这些规范的自适应性在时变系统。仿真结果表明，该扩展提供的估计结果接近最佳的全连接网络或广播的情况下，同时减少节点间的传输显着。

2023-03-01eess.SP

RF设备的深开集识别

Deep Open Set Identification for RF Devices

基于人工智能（AI）的设备识别提高了物联网（IoT）的安全性，并加快了认证过程。然而，现有的方法依赖于我们可以从训练集中学习所有类的假设，即闭集分类。为了克服闭集的限制，我们提出了一种新的开集RF设备识别方法来分类测试集中看不见的类。首先，我们设计了一个特定的卷积神经网络（CNN）与短时傅立叶变换（STFT）预处理模块，有效地识别从各种RF设备信号学习的特征图的差异。然后，为了生成已知类边界的表示，我们通过OpenMax函数估计开集的概率图。我们进行采样数据和语音信号集的实验，考虑到各种预处理方案，网络结构，距离度量，尾部大小和开放度。仿真结果表明了该方法在鲁棒性和准确性方面的优越性。

2021-12-05eess.SP

IIR数字滤波器的时域和频域设计及参数识别中插值和逼近的Prony、Padé和线性预测

Prony, Padé, and Linear Prediction for Interpolation and Approximation in the Time and Frequency Domain Design of IIR Digital Filters and in Parameter Identification

基于模型的信号处理或信号分析或信号表示具有与更传统的基于滤波和算法的方法相当不同的观点。然而，在所有这些中，Prony，Padé和线性预测的名字都出现了。本说明对这些想法进行了研究，目的是表明它们都是基于相同的原则，并且都可以扩展和推广。一个特殊的应用是IIR数字滤波器的频率采样设计。

2019-09-11eess.SP

更多相关论文收起更多论文

智能电网应用中使用二维局部二值模式直方图后处理的电器识别

Appliance identification using a histogram post-processing of 2D local binary patterns for smart grid applications

识别智能电网中的家用电器导致更好的电力使用管理，并进一步帮助检测电器级别的异常。一个有效的识别可以实现，只有当一个强大的特征提取方案，开发具有高的能力，区分不同的电器之间的智能电网。因此，本文提出了一种新的方法来提取电力信号后，电力信号转换到2D空间，它具有更多的编码可能性。接下来，提出了一种改进的局部二进制模式（LBP），它依赖于使用后处理阶段来提高传统LBP的区分能力。从2D功率矩阵中提取二值化特征值映射（BEVM），然后用于对生成的LBP表示进行后处理。接下来，构造两个直方图，即上直方图和下直方图，然后将其连接以形成全局直方图。对两个不同的数据集，即GREEND和GREED，其中功率数据分别以1 Hz和44000 Hz的采样率收集，进行了全面的性能评价。所获得的结果显示了所提出的LBP-BEVM系统的识别性能方面的优越性与其他二维描述符和现有的识别框架。

2020-10-03cs.CYeess.SP

基于图去噪正则化的鲁棒图滤波辨识

Robust graph-filter identification with graph denoising regularization

当处理图形信号处理任务时，通常假设图形是完全已知的。然而，在许多实际应用中，观察到的（推断出的）网络容易受到扰动，如果忽略这些扰动，将阻碍性能。针对这些设置，本文提出了一个强大的配方的问题，图过滤器识别输入输出观测。不同于现有的作品，我们的方法包括在解决鲁棒性识别制定一个联合图去噪和图滤波器识别问题。这样的问题被制定为一个非凸优化，提出了适当的松弛，并结合图平稳性假设，以提高性能。最后，数值实验与合成和现实世界的图形被用来评估所提出的计划，并与现有的（强大的）替代品进行比较。

2021-03-10eess.SP

DenseNet在摄像机模型识别及后处理检测中的应用

Application of DenseNet in Camera Model Identification and Post-processing Detection

相机型号识别在图像取证领域具有极其重要的意义，数字化修改的图像不断通过网站，媒体和社交应用程序共享。但是，如果图像中不存在元数据和/或如果图像已经被后处理，则识别任务变得非常具有挑战性。在本文中，我们提出了一个DenseNet管道来解决识别图像的源相机模型的问题。我们的方法是从标记的图像数据集中提取256*256的块，并应用增强，即，经验模态分解（EMD）。我们使用这个扩展的数据集来训练具有DenseNet-201架构的神经网络。我们将3种不同大小（64*64，128*128，256*256）的输出特征连接起来，并将它们传递到二级网络以进行最终预测。这种策略被证明是非常强大的识别源相机模型，即使在原始图像进行后处理。我们的模型已经在为IEEE信号处理（SP）杯2018提供的法医相机模型识别数据集上进行了训练和测试。在测试过程中，我们实现了98.37%的总体准确率，这是使用单个模型的该数据集的当前最先进水平。我们使用迁移学习并在德累斯顿相机模型识别数据库上测试了我们的模型，19个模型的总体测试准确率超过99%。此外，我们还证明了所提出的流水线适用于其他图像取证分类任务，例如检测应用于图像的后处理类型，准确率为96.66% -这表明了我们方法的通用性。

2019-05-27eess.IVeess.SP

Amark：动态ECG数据的自动标记和处理技术

Amark: Automated Marking and Processing Techniques for Ambulatory ECG Data

本文介绍了MATLAB软件处理动态心电图数据的技术和规范。通过基于模板的心跳识别和简单的模式识别模型，对规则心跳之间的间隔，我们过滤波形和异位心跳的噪声部分。我们的端到端流程可用于分析ECG和计算心跳调整、删除和插值后的心率变异性指标。分类和噪声检测评估人类注释的MIT-BIH心律失常和噪声应力测试数据库。

2020-05-29eess.SP

基于图连通时间序列的在线非线性拓扑辨识

Online Non-linear Topology Identification from Graph-connected Time Series

图连接时间序列间未知因果依赖关系的估计在传感器网络分析、信息物理系统的信号处理、金融工程等领域有着重要的应用。这种因果依赖关系的推断，通常被称为拓扑识别，对于非线性非平稳系统没有很好的研究，并且大多数现有的方法是基于批处理的，其不能够处理流式传感器信号。在本文中，我们提出了一个在线的基于核的算法的非线性向量自回归时间序列的拓扑估计，通过解决一个稀疏的在线优化框架，使用复合目标镜像下降方法。在真实数据集和合成数据集上进行的实验表明，该算法的性能优于现有的拓扑估计方法。

2021-03-31eess.SP

基于毫米波微多普勒特征的多人连续跟踪与识别

Multi-Person Continuous Tracking and Identification from mm-Wave micro-Doppler Signatures

在这项工作中，我们研究了使用后向散射毫米波无线电信号的联合跟踪和识别的身份的人，因为他们在室内环境中移动。我们建立了一个系统，有效地与多个人同时共享和自由移动在同一室内空间。这导致复杂的设置，这需要处理所得到的（复合）反向散射信号的随机性和复杂性。所提出的系统结合了几个处理步骤：首先，对信号进行滤波，以去除不源自人类的伪影、反射和随机噪声。因此，执行基于密度的分类算法以分离不同用户的多普勒特征。最后的模块是轨迹跟踪和用户识别，分别基于卡尔曼滤波器和深度神经网络。我们的研究结果表明，最后提到的处理阶段的整合是至关重要的，实现多用户设置的鲁棒性和准确性。我们的技术在一个单目标公共数据集上进行了测试，它优于最先进的方法，并在我们自己的测量上进行了测试，该测量是用77 GHz雷达对在两个不同室内环境中同时移动的多个对象进行的。该系统以在线方式工作，允许连续识别多个主题，准确率高达98%，例如，其中四个受试者共享相同的物理空间，并且当使用来自具有挑战性的现实生活场景的未见过的数据进行测试时，准确性略有下降，而这些数据不是模型学习阶段的一部分。

2021-02-18eess.SP

深延迟环储层计算的特殊性识别

Deep Delay Loop Reservoir Computing for Specific Emitter Identification

目前处于战术边缘的人工智能系统缺乏支持现场训练和态势感知推理的计算资源，并且由于安全性，带宽和任务延迟要求，利用回程资源并不总是可行的。我们提出了一个解决方案，通过深度延迟环路水库计算（DLR），一个处理架构，支持通用机器学习算法的紧凑型移动设备上利用延迟环路（DL）水库计算结合创新的光子硬件利用固有的速度，空间，时间和波长为基础的处理多样性的信号在光域。与最先进的技术相比，DLR可降低外形尺寸、硬件复杂性、功耗和延迟。DLR可以用单个光子DL和一些电光组件来实现。在某些情况下，多个DL层在不增加延迟的情况下增加DLR的学习能力。我们展示了DLR在RF特异性识别应用中的优势。

2020-10-13cs.NEeess.SP

BLDC电机驱动系统故障特征识别--统计信号融合方法

Fault Signature Identification for BLDC motor Drive System -A Statistical Signal Fusion Approach

提出了一种基于多速率信号处理和传感数据融合的飞机发动机控制系统状态监测与故障信号识别方法。虽然电机电流特征分析（MCSA）被广泛用于故障检测，现在一天，所提出的混合方法有资格作为诊断过程故障的最强大的在线/离线技术之一。现有的方法有一些缺点，可以降低过程诊断系统的性能和准确性。特别是，由于阀门控制器的非线性行为，很难检测到随机噪声。仅使用短时傅里叶变换（STFT），可以观察到频率泄漏和与故障相关的电流分量的小幅度，但是不能观察到由于控制器行为引起的故障。因此，本文提出了一种先进的多速率信号和数据处理的框架与传感器融合算法辅助，并取得了令人满意的结果。为了实现该系统，基于DSP的无刷直流电机控制器与三相逆变器模块（TMS 320 F2812）被用来和所提出的方法的性能进行了验证的实时数据。

2022-09-07cs.SYeess.SPeess.SY