據外媒報道，近日歐洲研究與創新中心(IMEC)推出全球首款利用尖峰遞歸神經網絡(SNN)處理雷達信号的晶片。IMEC晶片模仿生物神經元識别時間模式的方式，比傳統方案相比，功耗減少了100倍，同時延遲減少了10倍，幾乎可以瞬間做出決定。例如，僅使用30μW的功耗就可對微型多普勒雷達信号進行分類。
該晶片架構和算法可以很容易地調整以處理各種傳感器資料，包括心電圖、語音、聲納、雷達和雷射雷達流等。 首個應用案例将包括為無人機建立一個低功耗、高智能的防碰撞雷達系統，可以更有效地對接近的物體做出反應。
人工神經網絡(ANN)已被證明可在廣泛的應用領域中使用，例如，已被用于汽車工業中常用的基于雷達的防撞系統。但是，人工神經網絡有其自身的局限性——它們消耗的功率過多，無法內建到越來越受限制的(傳感器)裝置中。此外，人工神經網絡的基礎架構和資料格式要求資料在做出決定之前要經曆從傳感器裝置到AI推理算法的耗時過程。是以，Imec決定使用尖峰神經網絡(SNN，spiking neural networks)。
IMEC的神經形态感應程式經理Ilja Ocket表示：“這是世界上第一個使用遞歸尖峰神經網絡處理雷達信号的晶片。SNN的運作與生物神經網絡非常相似，在該過程中，僅當感覺輸入發生變化時，神經元才會随時間稀疏地發射電脈沖。這樣，可以顯着降低能耗。此外，該晶片上的尖刺神經元可以循環連接配接，即将SNN變成一個學習和記憶時間模式的動态系統。該技術是自學系統研發的重大飛躍。”
該晶片最初設計為在功率受限的裝置中支援心電圖(ECG)和語音處理。由于其通用架構具有全新的數字硬體。在設計上，還可以輕松地對其進行重新配置，以處理各種其他傳感輸入信号，例如聲納，雷達和雷射雷達資料。
與模拟SNN相反，IMEC的事件驅動數字設計使該晶片能夠像神經網絡仿真工具所預測的那樣精确且重複地運作。
IMEC描述了一個涉及無人機行業的用例，該應用甚至比汽車行業還要多，它與受限制的裝置(例如容量有限的電池)一起工作，這些裝置需要對環境的變化迅速做出反應，以便對接近的障礙物做出适當的反應。
“我們這款新晶片的旗艦用例包括為無人機建立低延遲、低功耗的防撞系統。在靠近雷達傳感器的地方進行處理，我們的晶片可使雷達傳感系統更快、更準确地區分正在接近的物體。反過來，這将使無人機幾乎可以立即對潛在的危險情況做出反應。” Ocket解釋說。“目前，我們正在探索一種方案，該方案以自主無人機為基礎，這些無人機依靠其車載攝像頭和雷達傳感器系統進行倉庫内導航，在執行複雜任務時與牆壁和架子保持安全距離。這項技術還可以用于許多其他用例，從機器人方案到自動導引車(AGV)的部署，甚至健康監控。”
“該晶片可以滿足業界對真正從資料中學習并實作個性化AI的超低功耗神經網絡的需求。在建立過程中，我們召集了來自IMEC各個領域的專家，從教育訓練算法的開發和以神經科學為基礎的尖峰神經網絡架構到生物醫學和雷達信号處理，以及超低功耗數字晶片設計，IMEC做了大量研究工作，”IMEC物聯網認知感覺程式總監Kathleen Philips 總結道。
原創RF測試筆記：
如何準确測試相位噪聲 NEW頻譜分析系列：如何選擇顯示檢波器頻譜分析系列：為什麼需要預選器？頻譜分析系列：淺談分辨率帶寬RBW
頻譜分析系列：如何了解FFT中的頻譜洩露效應？
頻譜分析系列：如何了解FFT中時間窗與RBW的關系
頻譜分析系列：為什麼降低VBW不會降低頻譜儀底噪？數字調制系列：如何了解IQ ？數字調制系列：IQ基本理論 數字調制系列：IQ調制及解調簡述
噪聲系數系列：噪聲來源、定義及影響
噪聲系數系列：天線噪聲溫度測試方法
噪聲系數系列：噪聲系數測試之增益法
噪聲系數系列：淺析AGC電路噪聲系數的測試
噪聲系數系列：淺析多通道接收單元噪聲系數的測試
噪聲系數系列：鏡頻抑制濾波器對射頻接收前端輸出噪聲的影響
選擇示波器時的“5倍法則” 投稿&專欄合作 請加小編微信 | 微信号：18675536035