在静息脑电图（resting EEG）上对基于事件驱动的脉冲编码器进行基准测试：一项比较研究

《IEEE Journal on Emerging and Selected Topics in Circuits and Systems》：Benchmarking Event-Driven Spike Encoders on Resting EEG: A Comparative Study

　　

摘要：

基于事件的脉冲编码器将模拟输入信号转换为稀疏的脉冲序列，从而实现超低功耗的神经形态学分析。我们比较了五种应用于脑电图（EEG）数据的脉冲编码器：固定阈值异步Delta调制（ADM）、自适应阈值ADM（ADM-A）、一阶和二阶异步Sigma-Delta调制（ASDM-1、ASDM-2）以及多级电平交叉方案（LCS）。这项比较研究旨在确定最适合用于后续脉冲神经网络（SNN）处理的编码器。测试数据集包括109名受试者的闭眼（EC）和睁眼（EO）静息状态64通道EEG数据，数据被分割为4秒、6秒和8秒的时段（每位受试者共十个窗口）。报告的指标包括信噪比（SNR）、R2值、脉冲率、均方根误差（RMSE）、脉冲序列熵以及与这些方法相关的理论电路的功耗估计。这些编码器在保真度、稀疏性和能耗之间表现出明显的权衡。ASDM-2在适中的脉冲率（约360个脉冲/秒）下实现了最佳的总体保真度（约21分贝的信噪比），而ADM-A在较高的脉冲率（约590个脉冲/秒）下提供了第二高的保真度（约19分贝的信噪比）。在45纳米CMOS工艺下的行为功耗估计显示，ASDM-2的动态功耗和每个脉冲的能耗低于ADM-A，但由于其额外的集成阶段，其静态功耗大约高出40%。总体而言，所提出的基准测试框架为选择混合信号神经形态学EEG前端中的脉冲编码器提供了原则性的依据，并为未来的研究提供了动力，这些研究将不同的编码器与SNN结合，以评估任务级别的准确性和每次推理的能耗。