XiaoMi-AI文件搜索系统
World File Search SystemMFLOPS
TMS320C30 数字信号处理器
� 高性能浮点数字信号处理器 (DSP) – TMS320C30-50 (5 V) 40 纳秒指令周期时间 275 MOPS、50 MFLOPS、25 MIPS – TMS320C30-40 (5 V) 50 纳秒指令周期时间 220 MOPS、40 MFLOPS、20 MIPS – TMS320C30-33 (5 V) 60 纳秒指令周期时间 183.3 MOPS、33.3 MFLOPS、16.7 MIPS – TMS320C30-27 (5 V) 74 纳秒指令周期时间 148.5 MOPS、27 MFLOPS、13.5 MIPS � 32 位高性能 CPU � 16/32 位整数和 32/40 位浮点运算 � 32 位指令字，24 位地址 � 两个 1K × 32 位单周期双访问片上 RAM 块 � 一个 4K × 32 位单周期双访问片上 ROM 块 � 片上存储器映射外设： – 两个串行端口 – 两个 32 位计时器 – 单通道直接存储器访问 (DMA) 协处理器，用于并发 I/O 和 CPU 操作
航空电子 OSCAR
• 62 DMIPS 和 17 MFLOPS @ 72MHz • 256Kbytes EEPROM 用于启动软件，6 MB 用于应用软件，256MB 程序 RAM 内存 • 2GB 交换内存 • 2 个冗余 MIL STD 1553 总线或可选 2 个 CAN，用于平台和有效载荷管理 • 2 个 SpaceWire 链路 • 符合 ESA 标准的 CCSDS 遥测和遥控 • 符合 SDLS 标准的安全功能 • 温和冗余，自定义重新配置功能：最多 8 个可编程场景可用于硬件重新配置 • 完全冗余架构带来高可靠性 - 2 个处理器板和 2 个 DC/DC 转换器板，每个通道 1500 个接头 - 处理器板之间有完整的功能交叉带 • 架构为 I/O 提供了一个单独的盒子，通过 1553、CAN 或 SpaceWire 进行控制 • 用于软件开发和调试的 UART 和 Space Wire 链路
DDC SCS3740 数据表
SCS3740 是第一款现成的四核 LEON 4FT 3U SpaceVPX SBC，在紧凑的外形尺寸中进行了 SWaP（尺寸、重量和功率）优化 - 重量 550 克，功耗仅为 5 瓦。SCS3740 具有出色的总电离剂量（TID > 100krad（Si））和单粒子效应（150 年 1 次翻转（GEO））辐射性能，可在紧凑的 3U SpaceVPX 外形尺寸中提供高性能处理（高达 1700 DMIPS 和至少 90 Linpack MFLOPS）。它采用了 DDC 的多种 Rad-Hard Sp-COTS TM（太空商用现货）存储器，包括 32GB 纠错 NAND 闪存、128MB SDRAM 和 4MB EEPROM。此外，它还提供许多 I/O 选项，包括 (8) SpaceWire 端口 (200Mb/秒)、(2) UART、(2) CANbus、(2) I 2 C、(1) SPI、GPIO、(1)1553 和以太网。
高速、SWaP 优化的 3U SpaceVPX SBC
SCS3740 是第一款现成的四核 LEON 4FT 3U SpaceVPX SBC，在紧凑的外形尺寸中进行了 SWaP（尺寸、重量和功率）优化 - 重量 550 克，功耗仅为 5 瓦。SCS3740 具有出色的总电离剂量（TID > 100krad（Si））和单粒子效应（150 年 1 次翻转（GEO））辐射性能，可在紧凑的 3U SpaceVPX 外形尺寸中提供高性能处理（高达 1700 DMIPS 和至少 90 Linpack MFLOPS）。它采用了 DDC 的多种 Rad-Hard Sp-COTS TM（太空商用现货）存储器，包括 32GB 纠错 NAND 闪存、128MB SDRAM 和 4MB EEPROM。此外，它还提供许多 I/O 选项，包括 (8) SpaceWire 端口 (200Mb/秒)、(2) UART、(2) CANbus、(2) I 2 C、(1) SPI、GPIO、(1)1553 和以太网。
LightSleepNet：基于单通道脑电图的个性化便携式睡眠分期系统设计
摘要 —本文提出了 LightSleepNet——一种基于轻量级 1-d 卷积神经网络 (CNN) 的个性化实时睡眠分期架构，可在硬件资源有限的各种移动平台上实现。所提出的架构仅需要输入 30 秒单通道 EEG 信号即可进行分类。使用由组 1-d 卷积组成的两个残差块代替传统的卷积层来消除 CNN 中的冗余。在每个卷积层中插入通道混洗以提高准确性。为了避免过度拟合训练集，使用全局平均池化 (GAP) 层替换全连接层，这进一步显著减少了模型参数的总数。提出了一种结合自适应批量归一化 (AdaBN) 和梯度重新加权的个性化算法，用于无监督域自适应。易于转移到新受试者的示例具有更高的优先级，并且该算法可以针对新受试者进行个性化而无需重新训练。实验结果表明，仅需 4576 百万次每秒浮点运算 (MFLOP) 计算和 43.08 K 个参数，就能达到 83.8% 的最佳总体准确率。
BioGAP：一款具有 10 核 FP 功能的超低功耗物联网处理器，具有医疗级 AFE 和 BLE 连接，可用于可穿戴生物信号处理
摘要 — 可穿戴生物信号处理应用正在推动临床和消费应用的小型化、节能物联网解决方案取得重大进展。但是，只有通过节能的边缘处理执行数据处理和机器学习 (ML) 近传感器，才能向高密度多通道前端扩展。为了应对这些挑战，我们推出了 BioGAP，这是一种新颖、紧凑、模块化、轻量级 (6g) 的医疗级生物信号采集和处理平台，由 GAP9 提供支持，GAP9 是一款十核超低功耗 SoC，专为高效多精度（从 FP 到积极量化的整数）处理而设计，满足高级 ML 和 DSP 的要求。BioGAP 的外形尺寸为 16x21x14 mm3，由两个堆叠的 PCB 组成：集成 GAP9 SoC 的基板、支持无线蓝牙低功耗 (BLE) 的 SoC、电源管理电路和加速度计；以及一个包含用于 ExG 采集的模拟前端 (AFE) 的屏蔽。最后，该系统还包括一个可灵活放置的光电容积图 (PPG) PCB，尺寸为 9x7x3 mm 3 和一个可充电电池（ϕ 12x5 mm 2）。我们在基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 应用上演示了 BioGAP。由于 FFT 计算任务的效率为 16.7 Mflops/s/mW，无线带宽减少了 97%，我们在流式传输中实现了 3.6 µJ/样本，在板载处理模式下实现了 2.2 µJ/样本，功率预算仅为 18.2 mW，运行时间为 15 小时。关键词——可穿戴 EEG、可穿戴医疗保健、超低功耗设计、嵌入式系统。