声学分类的滤波器内计算

这项工作提出了一种新颖的滤波器内计算框架，可用于设计超轻声学分类器，用于智能物联网(iot)。与传统的声学模式识别器不同，其特征提取和分类是独立设计的，所提出的架构将卷积和非线性滤波操作直接集成到支持向量机(SVM)的内核中。

这种集成的结果是基于模板的SVM，其内存和计算占用(训练和推断)足够轻，可以在基于fpga的物联网平台上实现。

tinyRadar:基于毫米波雷达的人类活动分类

tinyRadar项目提出了一种新型的基于tinyml的单芯片雷达解决方案，用于对人类活动的实时传感和检测。小尺寸的边缘计算解决了数据盗窃和隐私问题，因为雷达提供点云信息。

它可以在雾、灰尘和弱光等不利环境条件下工作。我们使用德州仪器IWR6843毫米波(mmWave)雷达板在DSP C67x上实现信号处理链，在Cortex®-R4F单片机上实现卷积神经网络(CNN)对人体活动进行实时推断。

收集了六个主题的四种不同人类活动的数据集来训练8位量化CNN模型。采用CMSIS-NN框架在Cortex®-R4F上实现的实时推理引擎，模型大小为1.44KB，每120ms给出一次分类结果，总体科目无关的准确率为96.43%。