一个异步无线网络,用于从大量自主传感器中捕获事件驱动数据

科学领域:

• 生物医学工程 生物医学工程
• 无线传感器网络 无线传感器网络
• 神经形态计算是一种神经形态计算.

背景情况:

• 可穿戴/可植入生物医学传感器的可扩展网络具有挑战性.
• 现有的方法与大量分布式微传感器群体作斗争.

研究的目的:

• 开发一个可扩展的无线网络,从分布式自主微传感器获得稀疏,事件驱动的数据.
• 展示基于尖端的无线通信与用于生物医学数据分析的神经形态计算的集成.

主要方法:

• 一个光谱效率高,低错误率的异步网络概念,使用代码分割多重访问.
• 使用数十个亚毫米微芯片进行实验示范.
• 大规模的in silico模拟.
• 尖端神经网络 (SNN) 机器学习模型用于解码神经数据.

主要成果:

• 通过多个微传感器成功展示了无线网络性能.
• 在in silico模拟中验证了网络可扩展性.
• 使用SNN精确预测灵长类手部运动,解码8000个神经元的神经数据.

结论:

• 开发的无线网络方法对大规模的分布式生物医学传感有效.
• 神经形态计算,特别是SNN,可以有效地处理基于尖端的无线数据来完成复杂的任务.
• 这项技术有望用于先进的可穿戴和可植入的生物医学应用.