传感器节点处理器及信号处理方法
- 国知局
- 2024-08-02 14:03:59
本申请属于通信,尤其涉及一种传感器节点处理器及信号处理方法。
背景技术:
1、传感器节点可以采用自组织方式进行组网以及利用无线通信技术进行数据转发,节点都具有数据采集与数据融合转发双重功能。智能传感器节点还包括数字域信号处理器,该处理器能够完成将原始输入信号进行分类、检测或回归等信号任务。
2、现有技术中在利用传感器节点对信号进行处理时,由于对数据的处理计算复杂度和空间复杂度的要求比较高,传感器节点会消耗大量的功耗,但是传感器节点的电源模块具有的功耗较少,所以在利用现有的传感器节点完成计算复杂度和空间复杂度比较高的数据处理时,需要频繁更换传感器节点的电池模块,影响用户体验。
技术实现思路
1、本申请实施例提供一种传感器节点处理器及信号处理方法,以解决信号处理的过程功耗大、需要频繁更换电池,用户体验较差的问题。
2、第一方面,本申请实施例提供一种传感器节点处理器,该处理器为级联结构的k层级处理器;其中,k为大于1的正整数;
3、其中,每个层级的处理器相较于后一层级的处理器具有较小的计算复杂度和空间复杂度;
4、在确定第i层级的处理器对待处理数据的处理结果满足预设需求的情况下,第i+1层级的处理器处于非工作状态;其中,1≤i<k。
5、在第一方面的一些可实现方式中,在确定第k层级的处理器对待处理数据的处理结果不满足预设需求的情况下,第k+1层级的处理器处于工作状态。
6、在第一方面的一些可实现方式中,多层级处理器的前j层级的处理器至少采用如下方式进行检测:过零率、正脉冲宽度和负脉冲宽度;其中,1≤j<k。
7、在第一方面的一些可实现方式中,多层级处理器的后p层级的处理器采用卷积神经网络架构;p=k-j。
8、在第一方面的一些可实现方式中,卷积神经网络架构包括卷积层和全连接层。
9、在第一方面的一些可实现方式中,卷积层采用脉动阵列结构。
10、在第一方面的一些可实现方式中,脉动阵列中的计算核采用多路选择器和加法器。
11、在第一方面的一些可实现方式中,计算核的数量为至少一个。
12、在第一方面的一些可实现方式中,多层级处理器的实现方式为下述任意一项:专用集成电路、现场可编程门阵列和微控制器。
13、第二方面,本申请实施例提供了一种信号处理方法,该方法应用于任一传感器节点处理器,处理器为级联结构的k层级处理器,k为大于1的正整数;
14、方法包括:
15、获取待处理数据;
16、在确定第i层级的处理器对待处理数据的处理结果满足预设需求的情况下,第i+1层级的处理器处于非工作状态,其中,1≤i<k。
17、在本申请的实施例中,由于每个层级的处理器相较于后一层级的处理器具有较小的计算复杂度和空间复杂度,因此在对数据进行处理时,在当前层级处理器的计算结果可以满足需求时,就不需要开启下一层级处理器,如此可以以较低的功耗对待处理数据进行处理,从而节省了功耗。
技术特征:1.一种传感器节点处理器,其特征在于,所述处理器为级联结构的k层级处理器;其中,k为大于1的正整数;
2.根据权利要求1所述的处理器,其特征在于,在确定第i层级的处理器对待处理数据的处理结果不满足所述预设需求的情况下,第i+1层级的处理器处于工作状态。
3.根据权利要求1所述的处理器,其特征在于,所述多层级处理器的前j层级的处理器至少采用如下方式进行检测:过零率、正脉冲宽度和负脉冲宽度;其中,1≤j<k。
4.根据权利要求3所述的处理器,其特征在于,所述多层级处理器的后p层级的处理器采用卷积神经网络架构;p=k-j。
5.根据权利要求4所述的处理器,其特征在于,所述卷积神经网络架构包括卷积层和全连接层。
6.根据权利要求5所述的处理器,其特征在于,所述卷积层采用脉动阵列结构。
7.根据权利要求6所述的处理器,其特征在于,所述脉动阵列结构中的计算核采用多路选择器和加法器。
8.根据权利要求7所述的处理器,其特征在于,所述计算核的数量为至少一个。
9.根据权利要求1-8任一项所述的处理器,其特征在于,所述k层级处理器的实现方式为下述任意一项:专用集成电路、现场可编程门阵列和微控制器。
10.一种信号处理方法,其特征在于,所述方法应用于权利要求1-9任一所述传感器节点处理器,所述处理器为级联结构的k层级处理器,k为大于1的正整数;每个层级的处理器相较于后一层级的处理器具有较小的计算复杂度和空间复杂度;
技术总结本申请提供了一种传感器节点处理器及信号处理方法。处理器为级联结构的K层级处理器;其中,K为大于1的正整数;其中,每个层级的处理器相较于后一层级的处理器具有较小的计算复杂度和空间复杂度;在确定第i层级的处理器对待处理数据的处理结果满足预设需求的情况下,第i+1层级的处理器处于非工作状态;其中,1≤i<K。根据本申请实施例,能够解决信号处理的过程功耗大、需要频繁更换电池,用户体验较差的问题。技术研发人员:吴楠,浦宁,姜汉钧,王志华受保护的技术使用者:清华大学技术研发日:技术公布日:2024/7/23本文地址:https://www.jishuxx.com/zhuanli/20240801/241608.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表