文献

J-GLOBAL ID：201702278712506256   整理番号：17A0417608

21.6 12nWの常時,音響センシングと周波数領域特徴抽出とSVM分類を用いた物体認識システム【Powered by NICT】

21.6 A 12nW always-on acoustic sensing and object recognition microsystem using frequency-domain feature extraction and SVM classification

著者 (7件)： Jeong Seokhyeon (University of Michigan, Ann Arbor, United States of America) ,  Chen Yu (University of Michigan, Ann Arbor, United States of America) ,  Jang Taekwang (University of Michigan, Ann Arbor, United States of America) ,  Tsai Julius (Invensense, San Jose, CA, United States of America) ,  Blaauw David (University of Michigan, Ann Arbor, United States of America) ,  Kim Hun-Seok (University of Michigan, Ann Arbor, United States of America) ,  Sylvester Dennis (University of Michigan, Ann Arbor, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISSCC  ページ： 362-363  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： IoTデバイスはますます知的コンテキストアウェアになってきている。情報がビジョンのような代替としてとして計算要求の厳しいないので音は魅力的な感覚様式である。超低電力(ULP),「常時」知的音響センシングの新しい応用は危険な条件を同定するために害虫または沈殿,音響症状を認識するインフラストラクチャ健康追跡,セキュリティ/安全性モニタリングを検出するための農業モニタリング含んでいる。常時,コンテキストアウェアセンシングの採用のための主な障害は,消費電力,特に電池交換をすることなく,長期間運転を必要とする超小型IoTデバイスである。周囲光(100ルックス)1mm~2太陽電池での運転を維持またはボタン電池(2mAh)を用いて10年の寿命を達成するために,<20nW消費電力を達成しなければならない,それは現在の最先端の音響センシングシステム[1,2]より2桁以上低かった。より広範に以前のULP信号取得IC[3]は3nWを消費する64nW E CGモニタリングシステム[4]は,バックエンド分類を含んでいるが,しかしアナログフロントエンドとディジタルバックエンドとサブ20nW完全センシングシステムではない。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： インフラストラクチャー ,  *音響 ,  *物体認識 ,  太陽電池 ,  *周波数領域 ,  監視装置 ,  消費電力 ,  *特徴抽出 ,  電池
準シソーラス用語： アナログフロントエンド ,  バックエンド ,  センサシステム ,  ボタン電池 ,  超低消費電力 ,  *SVM分類 , 【Automatic Indexing@JST】

分類 (4件)： 燃料電池  (YB04040V) ,  パターン認識  (JE07000S) ,  無線通信一般  (ND08010L) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (6件)： 音響 ,  センシング ,  周波数領域 ,  特徴抽出 ,  SVM分類 ,  物体認識