arXiv 2212.071362022-12-14eess.SPcs.SDeess.AS

基于硅CO_2模型的事件驱动谱时特征提取与分类

Event-driven Spectrotemporal Feature Extraction and Classification using a Silicon Cochlea Model

International Centre for Neuromorphic Systems, The MARCS Institute, Western Sydney University（西悉尼大学 MARCS 研究所国际神经形态系统中心）；Western Sydney University（西悉尼大学）

Ying Xu, Samalika Perera, Yeshwanth Bethi, Saeed Afshar, André van Schaik

备注：: 12 pages, 8 figures

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

摘要：

本文提出了一种基于事件的双耳耳蜗系统的现场可编程门阵列（FPGA）的可重构数字实现。它由一对具有快速作用压缩（CAR FAC）的非对称谐振器级联（Cascade of Asymmetric Resonators with Fast Acting Compression）耳蜗模型和泄漏整合和激发（LIF）神经元组成。此外，我们提出了一个事件驱动的SpectroTemporal感受野（STRF）的特征提取使用自适应选择权（FEAST）。在TIDIGTIS基准上进行了测试，并与当前基于事件的听觉信号处理方法和神经网络进行了比较。

英文摘要：

This paper presents a reconfigurable digital implementation of an event-based binaural cochlear system on a Field Programmable Gate Array (FPGA). It consists of a pair of the Cascade of Asymmetric Resonators with Fast Acting Compression (CAR FAC) cochlea models and leaky integrate and fire (LIF) neurons. Additionally, we propose an event-driven SpectroTemporal Receptive Field (STRF) Feature Extraction using Adaptive Selection Thresholds (FEAST). It is tested on the TIDIGTIS benchmark and compared with current event-based auditory signal processing approaches and neural networks.

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。