XiaoMi-AI文件搜索系统
World File Search System超低
超低功耗 0.45 mW 2.4 GHz CMOS 低噪声放大器
本文介绍了用于无线传感器网络 (WSN) 应用的超低功耗低噪声放大器 (LNA) 的设计拓扑。所提出的超低功耗 2.4 GHz CMOS LNA 设计采用 0.13 µm Silterra 技术实现。LNA 的低功耗得益于第一级和第二级的正向体偏置技术。为了提高增益，同时降低整个电路的功耗，实施了两级。仿真结果表明，在 0.55 V 的低电源电压下，总功耗仅为 0.45 mW。与之前的工作相比，功耗降低了约 36%。实现了 15.1 dB 的增益、5.9 dB 的噪声系数 (NF) 和 -2 dBm 的输入三阶截点 (IIP3)。输入回波损耗 (S11) 和输出回波损耗 (S22) 分别为 -17.6 dB 和 -12.3 dB。同时，计算出的品质因数（FOM）为7.19 mW -1 。
Himax 超低功耗 WE-I Plus 端点 AI 开发板
超低功耗的高性能终端 AI 解决方案 WE-I Plus 处理器旨在适应多种 TinyML 神经网络模型，具有可编程 DSP，运行时钟频率高达 400MHz，内部 SRAM 为 2MB。WE-I Plus 支持 TensorFlow Lite 微控制器框架，能够运行推理，例如开源 Google 示例，包括“Hello World”、“Micro Speech”、“Person Detection”和“Magic Wand”，所有这些都可以在 Google 的 Github 上找到。它在计算机视觉应用中进行了全面优化，并且已证明使用“Person Detection”示例的功耗最低。WE-I Plus 与 Himax 的 VGA 传感器相结合，运行示例推理，功耗低至 2.5mW，模型推理时间少于 35 毫秒。 SparkFun 上适用于 TinyML 开发人员的终端 AI 开发板开发人员现在可以轻松访问 Himax 的领先技术，SparkFun 在线零售商店提供 WE-I Plus EVB，用于终端 AI 系统开发，最终实现改变生活的用例的创新。一体式 WE-I Plus EVB 包括 AI 处理器、HM0360 AoS VGA 摄像头、2 个麦克风和一个 3 轴加速度计，可执行视觉、语音和振动检测和识别。它内置 FTDI USB-SPI/I2C/UART 桥接器，用于闪存编程接口和消息/调试打印/元数据输出。它还具有两个 LED 来显示分类结果。此外，还提供带有 I2C 和 GPIO 接口的扩展头，以允许连接到外部传感器或设备。EVB、处理器和传感器的数据表可在 SparkFun 网站上下载。 Himax WE-I Plus EVB/Endpoint AI Development Board 在 SparkFun 的参考链接 https://www.SparkFun.com/products/17256
南加州高效超低排放线性发电机示范项目
该项目支持在加利福尼亚州科尔顿的一家杂货店进行为期九个月的 Mainspring 线性发电机早期试点演示。截至 2023 年 7 月，线性发电机仍在运行。该项目实现了其在功率输出、效率、排放和运行时间方面的预期性能目标，这对于这一新型发电技术而言是一项重大成就。线性发电机的铭牌额定功率为 230 千瓦 (kW)，能够跟踪负载并在设施的负载范围 (130-370 kW) 内保持 40% 以上的效率。在整个建筑负载范围内实现了低排放运行，在所有负载下，NOx 始终低于 0.07 磅/兆瓦时 (2.5 百万分率)。进行了第三方排放测试，该装置满足南海岸空气质量管理区运营许可的所有要求。
使用...进行液态石油中的超低硫分析
更严格的法规要求炼油厂在努力提高效率的同时生产出更高质量的产品。在过去十年中，美国、欧洲、中国和印度等地的国家监管机构已经实施或计划实施汽油和柴油中总硫含量低至 10 ppm 的要求。增加加氢处理和改变原油成分是降低成品硫含量的一些手段。加氢处理催化剂的寿命取决于装置的进料和操作。加强监测对于满足这些要求和提高效率至关重要。事实证明，WDXRF 是一种快速、简单且精确的测量烃流中硫含量的方法。为了达到较低的硫含量，炼油厂必须投资购买新设备或升级设备、修改操作或两者兼而有之。无论如何，这都会增加生产柴油和汽油的成本。
低阿尔法和超低阿尔法锡阳极安全数据表
预防说明：无需 紧急情况概述：一种有光泽的银白色金属，大量燃烧时不会燃烧，但如果以细粉形式分散在空气中，可能会形成爆炸性混合物。与酸或碱接触可能会产生易燃氢气。灭火时请勿使用水或泡沫。使用干粉、沙子或特殊干粉灭火剂。锡相对无毒，不会对应急人员的健康或紧急情况下的环境造成直接危害。 潜在健康影响：金属锡对人体相对无毒。长期吸入锡或锡氧化物可能会导致良性尘肺，称为锡肺。这种尘肺只要接触就会产生肺部进行性 X 射线变化，但没有致残证据，也没有特殊的并发症。OSHA、NTP、IARC、ACGIH 或欧盟未将锡列为致癌物（请参阅毒理学信息，第 11 节）。
基于 Cortex-M0+ 的起搏器：CMOS 技术基准，实现超低功耗运行
摘要 — 生物技术和微电子技术的不断进步不断推动着有源植入式医疗设备（如起搏器）的小型化和功耗极限。植入式起搏器是电池供电的嵌入式系统，其自主性是延长设备寿命的重要制约因素。然而，起搏器的处理器消耗了大部分电池能量，因为它必须实时分析心脏活动。因此，选择合适的 CMOS 技术来制造处理器是至关重要的一点。在此背景下，本文提出了一种主要估算基于 ARM 的处理器功耗的方法。该方法已应用于意法半导体的三种制造技术。仿真结果表明，在温度为 27°C 的情况下，对于 HCMOS9A (1.2 V)、CMOS065 (1 V) 和 FDSOI (1 V) 技术，Cortex-M0+ 消耗的平均漏电功率分别为 300 nW、136 nW 和 486 nW，有效能量分别为 398 µW/MHz、49.9 µW/MHz 和 20.3 µW/MHz。但是，通过将电源电压降低至 0.8 V，FDSOI 技术可以获得与 CMOS065 类似的漏电功耗。最后，在功耗、面积和价格标准方面，CMOS065 似乎是在功耗、面积和成本方面提供最佳折衷的技术，即使温度升高 10°C 会导致这三种技术的平均漏电功率增加 30% 至 54.5%。
用于深度神经网络分层图像识别的超低功耗图像信号处理器
稿件于 2020 年 8 月 30 日收到；2020 年 11 月 4 日修订；2020 年 11 月 22 日接受。出版日期 2020 年 12 月 14 日；当前版本日期 2021 年 3 月 26 日。本文经副主编 Yusuke Oike 批准。这项工作得到了索尼半导体解决方案公司/索尼电子公司的支持。（通讯作者：Hyochan An。）Hyochan An、Qirui Zhang、Kyojin D. Choo、Shiyu Liu、Bowen Liu、Hengfei Zhong、David Blaauw、Ronald Dreslinski、Hun Seok Kim 和 Dennis Sylvester 就职于密歇根大学电气与计算机工程系，密歇根州安娜堡 48109 美国（电子邮件：hyochan@umich.edu）。Sam Schiferl 就职于亚马逊，华盛顿州西雅图 98109 美国。 Siddharth Venkatesan 就职于亚马逊公司，美国加利福尼亚州圣克拉拉 95054。Tim Wesley 就职于 MemryX 公司，美国密歇根州安娜堡 48105。Jingcheng Wang 和 H. Zhong 就职于苹果公司，美国加利福尼亚州库比蒂诺 95014。Ziyun Li 就职于 Facebook 公司，美国华盛顿州雷德蒙德 98052。Luyao Gong 就职于谷歌公司，美国加利福尼亚州山景城 94043。本文中一个或多个图片的彩色版本可在 https://doi.org/10.1109/JSSC.2020.3041858 上找到。数字对象标识符 10.1109/JSSC.2020.3041858
在超低功率嵌入RISC-V处理器上进行癫痫发作检测
摘要：通过闭环植入式设备对难治性癫痫的处理，这些设备对通过药物释放或电刺激作用的癫痫发作是一种极具吸引力的选择。对于这种可植入的医疗设备，有效和低能消耗，小规模和有效的加工体系结构至关重要。为了满足这些要求，通过卷积神经网络（CNN）对大脑信号进行分析和分类进行癫痫发作检测是一种有吸引力的方法。这项工作为CNN提供了用于在超低功率微处理器上运行的癫痫发作检测。在MATLAB中实现并优化了CNN。此外，在具有RISC-V架构的GAP8微处理器上还实施了CNN。提出的CNN的培训，优化和评估基于CHB-MIT数据集。CNN达到的中位灵敏度为90％，高度高99％以上，对应于中位误报率为每小时6.8 s。在微控制器上实施CNN后，达到了85％的灵敏度。1 s的脑电图数据的分类为t = 35 ms，平均功率为p≈140µW。拟议的检测器在功耗方面优于相关的方法6。通过记录癫痫大鼠，对所提出的基于CNN的检测器的普遍适用性进行了验证。这结果使未来的医疗设备用于癫痫治疗。
超低功率 K 波段 22.2 GHz 至 26.9 GHz 电流...
摘要：本文提出了一种具有宽调谐范围的超低功耗 K 波段 LC-VCO（压控振荡器）。基于电流复用拓扑，利用动态背栅偏置技术来降低功耗并增加调谐范围。利用该技术，允许使用小尺寸的交叉耦合对，从而降低寄生电容和功耗。所提出的 VCO 采用 SMIC 55 nm 1P7M CMOS 工艺实现，频率调谐范围为 22.2 GHz 至 26.9 GHz，为 19.1%，在 1.2 V 电源下功耗仅为 1.9 mW–2.1 mW，占用核心面积为 0.043 mm 2 。在整个调谐范围内，相位噪声范围从 -107.1 dBC/HZ 到 -101.9 dBc/Hz (1 MHz 偏移)，而总谐波失真 (THD) 和输出功率分别达到 -40.6 dB 和 -2.9 dBm。
使用 Arduino 和超低功耗微控制器上的 TensorFlow Lite 进行机器学习
尽管出版商和作者已尽最大努力确保本作品中包含的信息和说明准确无误，但出版商和作者对错误或遗漏不承担任何责任，包括但不限于因使用或依赖本作品而造成的损害的责任。使用本作品中包含的信息和说明的风险由您自行承担。如果本作品包含或描述的任何代码示例或其他技术受开源许可或他人的知识产权约束，您有责任确保您对其的使用符合此类许可和/或权利。