arXiv · Signal Processing· Shoma Yukawa, Meghna Roychowdhury, Arnab Sanyal 等 6 人
· 2 天前
EEG2MCU:面向可穿戴EEG推理的感知到执行协同设计
EEG2MCU: Sensing-to-Execution Co-Design for Wearable EEG Inference
预印本 · 尚未经过同行评审
AI 导读
EEG2MCU通过任务感知导联选择将电极从62减至19,在Cortex-M7上峰值SRAM降11.38倍、延迟降2.57倍,保留94-96%全导联准确率。
摘要 · AI 翻译
可穿戴脑电推理不仅受模型大小制约,还受限于依赖通道的传感前端——它必须在紧凑的下游计算之前处理高维输入。我们提出 EEG2MCU,一个从传感至执行的协同设计框架,通过任务感知的导联组合选择将电极数量视为硬件设计变量。EEG2MCU 保留紧凑的时频表示,并且只生成每个首层瓦片所需的 INT8 区域,避免完整输入物化。跨 Flash、SRAM 和紧耦合存储器的 halo 复用与访问感知放置进一步减少了冗余生成和数据移动。在 Cortex-M7 MCU 上,EEG2MCU 相对基线将峰值 SRAM 降低 11.38 倍,其中从 62 到 19 电极的导联组合带来 1.71 倍降幅,同时将延迟降低 2.57 倍、能耗降低 2.48 倍。它保留了全导联组合精度的 94-96%,展示了在紧张嵌入式资源约束下切实可行的高维脑电推理。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Signal Processing · arxiv.org