基于低功耗单片机的事件驱动信号处理方法

屈宝丽

（西安交通工程学院，陕西西安 710300）

如今，具有无线连接功能的传感器设备(例如WiFi、蓝牙和ZigBee)在物联网应用中变得越来越重要。基于感知信号分析的活动监测正在成为生物医学计算技术的一个流行应用。人体传感器测量由生物医学接口转换为电信号，基于观测的远程传感器用于监测人体运动。电池充电和更换是非常麻烦的过程，并且是扩展各种基于IoT 应用的主要障碍。因此，传感器系统的长运行寿命是设计系统结构和传感器数据处理算法的一个重要要求[1-2]。传感器系统的能量消耗主要是对传感器信号进行采样，对采集到的数据进行处理，并通过无线接口将采集到的数据传输到主机上。传统的传感器对信号进行周期性采样，并对采集到的数据进行分析[3-4]。

传统的人类活动监测传感平台使用通用单片机(MCU)，该单片机包括一个模拟传感器接口、离散时间模数转换器[5-6](作为数据采样器)和一个传感器数据处理单元(用于分析收集的数据)。

为了在能源消耗中进行高效的传感器数据处理，文中引入了一种语义采样方法来捕获具有感兴趣特征的信号，并将其作为信号-事件转换器(S2E)的预处理器单元，该信号生成器生成基本事件，而不是采样数据本身。与作为信号-数据转换器(S2D)的常规模数转换器(ADC)相比，所提取基本事件的样本数据相对较少。提出的S2E 代替传统的S2D，以从传入的传感器信号中提取基本事件，由事件驱动的传感器数据处理单元(EPU)对提取的基本事件进行事件识别[7]。

1 事件空间信号

文中方法通过S2E 对传感器信号进行宏观处理，而不是传统的对感知数据集进行微观分析。在图1(a)中，人类活动传感器信号由感兴趣的属性和基本事件之间的运行时间关系表示[8]。通过图1(b)中的事件量化，可知被监视的人类活动被编码为一组基本事件。

图1 事件数据空间中的采样数据表示

为了解决传统数字系统结构的缺陷，采用基于离散时间的传感器数据处理方法，提出了一种改变传统数字系统设计的事件驱动系统结构。通过对系统操作的分析，设计了实现一般事件感知应用的事件驱动传感器的理论框架。如图2 所示，远程安装的智能传感器系统定期监测环境，并通过无线接口将收集到的传感器数据传输到主机系统(如Web 服务器)。

图2 基于传感器的物联网设备

1.1 事件空间信号表示

该研究从信号的事件空间表示开始，而不是数字数据空间域。感知信号的提取特征被编码为事件与信息值之间的运行时间。定义的基本事件提供了抽象级别的信号表示，并降低了为提取感兴趣信息特征执行基本数据处理时的计算复杂度。所收集的基本事件包括原始信号中的部分信息[9-10]，这些信息指定是否存在所需的信号特征点。

1.2 精度控制的事件量化

事件量化概念扩展了信号表示的时间量化方法，该方法根据运行时间来增强常规的数据采样和处理方法。时间量化仅监测信号转换的特定条件，并捕获时间戳，事件量化方法还用于确定信号的指定特征是否存在。

1.3 事件驱动的传感器数据处理

提出的事件驱动传感器数据处理流程描述了基于事件的方法，具有一定的精度误差。输入信号以指定的兴趣信号特性进行监控，以产生信号的特定基本事件[11-12]。信号指定区域内的基本事件集作为事件向量被追踪到示踪剂存储器中，其中包含事件序列基本事件以及基本事件之间的时间-距离关系。跟踪事件向量通过将近似结果与基本事件的预期规则进行比较，将近似结果标识为最终事件。这些近似方法能够降低计算复杂度，以便处理大量收集的传感数据，因此可以降低功耗。对于与人机交互有关的应用程序，一种近似方法使开发人员能够使用更少的硬件资源设计计算块，同时在有限的精度分辨率下提供足够的性能[13-14]。

在根据规范定义的精度控制方法中，研究重点是数据表示分辨率、采样频率的时序分辨率以及作为延迟时间的响应时间，这样就可以根据所提的事件量化方法的抽象级别在处理器架构级别上配置操作精度[15-16]。

2 拟议架构

2.1 与应用有关的约束

事件源如手势、近距离目标活动等产生信号脉冲，信号特征点之间的距离很长，数据样本的数量(n)大于事件的数量(m)。在这项工作中，假设了一个特定于应用程序的事件特征约束，与数据样本的数量相比，这将减少事件数量。

事件量化精度取决于经过的时间戳的分辨率em′,m。事件传感应用中，事件到事件的持续时间相对大于精度误差，具有以下特定于应用程序的约束：

基于式（1）中特定于应用程序的约束，由不正确的时间戳测量时钟引起的事件识别精度误差相对不敏感。已识别的事件观察者(例如人眼)在识别事件的意义时允许一定程度的不准确性，这是由提出的不准确事件驱动传感器处理器引起的。

所提出的传感器处理器是在这些特定于应用程序的约束下设计的，方法是降低时间戳测量时钟的精度，减小定时器块的位宽以捕获时间戳，并降低时间到距离测量块的操作复杂性，这些块是作为在实现的硬件中用于事件识别的专用加速器来实现的。

2.2 基本事件量化

传统的MCU 在ADC 单元中执行数据采样，在缓冲存储器中进行数据跟踪以及数字数据处理，以识别由事件源(例如滑动手势)生成的原始事件，执行语法采样时无需考虑输入信号的属性。然后，使用感兴趣的特性执行惰性评估，最终事件evi由大量采样数据{di}生成。这种在常规MCU 中的语法数据采样和惰性评估如图3(a)所示。对于较小的基本事件集，所提出的EPU 可以执行事件关系分析，并减少计算开销。修改后的MCU 中事件驱动处理的整个过程如图3(b)所示。

图3 基于事件驱动数据的事件采样

在提出的架构中，事件驱动的信号采样使用特征扫描窗口捕获感兴趣的信号形状，特征扫描窗口确定信号预期特征是否存在。图4(a)中的特征扫描窗口配置为捕获特定信号形状，这个配置用图4(b)中的一组信号段Ω表示。

S2E 包括基本事件发生器(AEG)单元，通过使用用户定义的一组信号段Ω来生成一组基本事件。用户定义的信号段Ω示例如图4(c)所示。图5 描述了捕获信号形状的方法，它是一个跨越一定到达时间范围的基本事件。

图4 基于信号分割的基本事件生成器

图5 特定特性和运行时间的事件示例

定义1 给定的连续信号s(t)，令AEV={aevi|aevi}={aevi-1·value,phase,et}为一个基本事件序列，aevi与先前的基本事件aevi-1的关系跨越特定的水平和时间条件，其中，aevi-1·value是基于近似的数据量化函数ADQ 的结果，而et为基于近似时间量化函数ATQ的结果，描述如下：

当k满足条件且预期存在交叉时，描述如下:

如图4(a)和4(b)所示，AEG 使用以下属性构建元素，这些属性在以下等式中用数字化的信号电平、运行时间和边沿相位进行编码:

2.3 基本事件提取

事件量化信号表示取决于配置信号段集的事件切片分辨率，如图4(d)所示。特征点的数量和窗口大小决定了所提取基本事件的信号表示精度。图4(d)显示了在特征扫描窗口中使用Lr、Dmax、Lr、Tstart和Tend的配置来表示各种信号形状的能力。

定义2 给定配置的特征扫描窗口，从s(t)中提取基本事件，Tstart为监测信号的开始时间，Tend为监测信号的结束时间，Lr为时间戳Tr的上升信号电平，Lf为时间戳Tf的下降信号电平，Lx和Ty为一对特征点，Dmax为一个最大时间值。

在配置信号段集时，必须考虑应用程序特定的约束条件来进行精确的能量权衡，以在有限的能量消耗下提供合理的事件识别精度。图6 给出了用小信号段集表示感知信号的信号段确定过程。通过迭代配置可以确定信号分割的合理切片，以提供足够的事件识别性能和合理的能量消耗。

图6 传感器信号的采样方法和信号段的迭代过程

图6(a)给出了搜索合理采样频率的示例。图6(b)描述了将一组信号段分组为另一个信号段的过程，该信号段可以表示具有较少数量基本事件的活动信号。

2.4 事件驱动的传感器数据处理

AEG 扫描连续信号s(t)通过配置功能扫描窗口确定感兴趣的信号的形状。由于时间量化，基本事件集由一对属性和时间戳生成，如下：

将连续模拟信号转换成一组事件量化数据aevi，其索引值只跟踪到基本事件跟踪器缓冲区。因此，跟踪事件数据处理操作索引值及其与具有代表性的基本事件的关系，以生成最终事件EV。

3 实验结果

图7(a)是已实现的S2E 电路数据路径。所提出的基于S2E 的信号转换和事件信号处理体系结构需要额外的硬件开销，包括电平比较器、AEG、计时器、跟踪存储器和EPU。基于提出概念的硬件实现需要在0.18 μm CMOS 工艺中增加7 500 NAND 门和1 kB SRAM 跟踪器。实现的设计集成在基于8051 的单片机中。图7(b)显示了已实现的MCU 修改后的事件总线体系结构，其中基本事件(aevi)是从S2E 加载的。用户定义的基本事件属性包括信号特性和运行时间范围，以常量表的形式存储在片上闪存中。为了进行功耗测量，将手势产生的电信号的原始转储收集到主机中。活动信号的输入激励被加载到电路级仿真环境中，在该环境中可以轻松地进行精度与能量的权衡，以评估所提出的MCU 架构的能耗。如图7(c)所示，为特定信号段配置了S2E，从而根据精度降低能耗。在滑动手势识别应用中,使用具有10%精度误差的计时器和振荡器单元，与精确离散时间采样方法的结果相比仅消耗20%的能量，已实现的MCU 可以识别手势事件。在时间量化误差与功耗降低之间进行权衡以确定误差范围，从而允许进行适当的信号检测。事件分段的大小也会对功耗的降低产生轻微影响，如图7(c)中的168 个事件和104 个事件的示例所示，功耗的降低取决于由时间测量分辨率和事件分段大小控制的事件量化精度[17-18]。

图7 实现电路和实验结果

4 结论

宏信号处理概念基于S2E 对传入的传感器信号数据进行早期评估，具有感兴趣特征的特定信号分割使得能够从连续传感器数据信号中提取基本事件，对信号功能的早期评估使处于睡眠模式的整个系统(S2E 除外)消耗的电流相对较小。提取的少量基本事件由EPU 分析，EPU 将遍历缩减的状态空间。所提出的方法通过修改常规的MCU 总线架构来增加硬件，用户必须在分析事件活动感知应用的信号特性后，在S2E 和EPU 上仔细地执行迭代配置，直到实现合理的功耗降低为止。通过考虑在稀有事件传感应用中观察到的信号特征，由S2E 提取的基本事件的事件空间表示和信号抽象可以降低能耗方面的数据处理成本。实验结果表明，该方法是降低功耗的有效方法。