[中英对照] 面向可扩展自适应传感器读出的事件驱动电路架构（

双语对照版电子书） 书籍核心内容 （一）研究背景与目标 随着健康监测需求的不断提升，心电图（ECG）、脑电图（EEG）等生命体征的持续监测对疾病早期发现至关重要。然而，具备无线连接功能的长期监测设备面临严峻挑战：这类设备需依靠小型便携电池长时间工作，超低能耗成为关键需求。尽管通过数字信号处理进行片上数据压缩可在一定程度上满足能耗预算，但仍需创新的传感器架构进一步降低功耗。 本书针对这一需求，聚焦混合信号域中的事件驱动处理技术，通过研究基于信号活跃度自适应调整采样率的事件驱动传感技术（适用于 ECG、动作电位（AP）等时间稀疏信号），旨在最大限度降低传感设备的功耗与传输功率，并重点研究事件驱动电平交叉模数转换器（LCADC）。 （二）主要章节内容 引言：阐述传感器在日常生活中的广泛应用，从智能家居助手到汽车、智能手机、健身追踪器等。介绍集成传感器接口的作用，即实现模拟传感器信号到数字数据的转换。分析当前传感器系统面临的 “功率壁垒”“延迟壁垒”“存储壁垒”“隐私安全壁垒” 等挑战，强调边缘计算的重要性，指出事件驱动采样与处理技术在提升传感器系统效率方面的潜力，并给出全书大纲。 文献综述：对生物医学边缘传感设备相关文献展开综述，涵盖生物医学边缘传感设备概况、生物信号与记录伪影（包括生物信号特点、电极类型及记录伪影）、模拟前端（低噪声放大器与滤波器）、模数转换器（理想 ADC 特性、精度限制、精度指标、拓扑结构及性能指标）、数字信号处理器、发射器等关键模块。通过 3 导联 ECG 可穿戴设备案例分析，指出数据传输是系统功耗的主要瓶颈，并探讨无线传感应用中的数据缩减技术，包括片上数字数字信号处理与混合域处理，最终总结事件驱动采样与处理技术的优势。 电平交叉模数转换器性能评估：介绍电平交叉 ADC（LCADC）架构，包括电平交叉采样原理、与奈奎斯特速率采样的对比及具体实现方式。分析 LCADC 的性能限制，如量化噪声与插值误差、电路失配、热噪声、比较器延迟离散度等。推导 LCADC 与逐次逼近寄存器 ADC（SAR ADC）的功耗模型，并从 ADC 层面与系统层面进行功耗对比，确定 LCADC 在低到中等分辨率（如 40nm CMOS 技术中 ECG 和 EEG 应用的 6.8 位以下）场景下更具功耗效率，同时指出传统 LCADC 的局限性及改进方向。 具备自适应时钟策略的 10.4 位有效位数电平交叉 ADC：提出一种新的 LCADC 设计，采用离散时间比较器与自适应时钟策略，替代传统连续时间比较器以降低功耗。介绍该 ADC 的架构、时序及抗混叠特性，对比其与连续时间 LCADC 的优势。详细描述电路实现细节，包括动态偏置比较器、事件逻辑与时钟发生器、ADC 逻辑与计数器、电容数模转换器（CDAC）与自举开关、电平转换器等。给出 40nm CMOS 工艺原型芯片的测量结果，该芯片具有 8 位量化器分辨率和 15kHz 带宽，功耗随输入信号变化，有效位数达 10.4 位，在 ECG 应用中实现 30% 的数据缩减。 FREYA：面向尖峰端到端分类的事件驱动片上系统：基于前一章的 LCADC，提出 FREYA 片上系统（SoC），将同步 LCADC 扩展为多通道模拟到尖峰转换器（ASC），为片上尖峰神经网络（SNN）处理器提供尖峰输入。介绍生物医学 SoC 面临的挑战及 FREYA 的贡献，给出系统概述，详细描述多通道模拟到尖峰转换器的实现（包括电平交叉采样 ASC、时序及具体电路实现）、事件驱动 SoC 的端到端操作流程。呈现 40nm CMOS 工艺原型芯片的测量结果，该芯片在面积效率、功耗、延迟及 QRS 标记任务准确性（最高 98.67%）方面表现出色。 结论：总结全书主要研究成果，回顾各章节提出的事件驱动电路架构、LCADC 设计及 FREYA SoC 的优势，指出其在低功耗生物医学及边缘应用中的应用前景。 此外，附录部分还对零阶保持压缩与 Δ 编码两种轻量级数字压缩技术的工作原理进行了简要介绍。 （三）核心创新点 事件驱动架构：突破传统固定速率采样模式，根据信号活跃度自适应调整采样率，针对 ECG、AP 等时间稀疏信号，大幅减少冗余采样，降低设备功耗与数据传输量。 LCADC 改进设计：提出采用离散时间比较器替代传统连续时间比较器，并结合自适应时钟策略，解决传统 LCADC 中连续时间比较器固定功耗高的问题，同时通过动态偏置比较器、优化的 CDAC 等电路设计，提升 ADC 性能与效率。 多通道集成与尖峰神经网络结合：将 LCADC 扩展为多通道 ASC，并与片上 SNN 处理器集成，实现从模拟信号到尖峰信号转换及端到端分类，在保证分类准确性的同时，显著提升系统的面积效率与功耗效率，如 FREYA SoC 每通道有源面积仅 0.023mm²，在 QRS 标记任务中功耗低至 20.8μW / 通道。 高效训练框架：为 FREYA SoC 设计定制化离线训练框架，结合信息论准则（如修正的赤池信息准则），减少 SNN 训练所需的 epoch 数量（较全网格搜索减少 69%），快速将 ASC 与 SNN 调整至特定应用场景。 三、书籍价值与意义 （一）学术价值 丰富模拟电路与信号处理领域的理论研究，深入探讨事件驱动电路架构在传感器读出系统中的应用，为该领域提供新的研究思路与技术方向。 详细的电路设计与性能评估方法，包括行为级建模、功耗模型推导、测量结果分析等，为相关领域研究人员提供可借鉴的研究方法与实验依据。 多通道集成与神经网络结合的技术方案，推动传感器系统与人工智能技术的融合，为生物医学信号处理等交叉学科研究提供新的技术支撑。 （二）应用价值 为低功耗生物医学监测设备研发提供关键技术支持，如可穿戴 ECG 设备、EEG 设备等，延长设备电池寿命，提升设备的便携性与实用性，满足长期健康监测需求。 其事件驱动架构与数据缩减技术可应用于物联网（IoT）传感器节点，降低节点功耗与数据传输量，缓解 IoT 网络的传输压力与能源消耗问题。 为边缘计算设备的设计提供参考，通过高效的信号采样与处理技术，提升边缘设备的性能与效率，推动边缘计算在健康监测、环境监测等领域的广泛应用。 总之，《面向可扩展自适应传感器读出的事件驱动电路架构》一书在理论研究与实际应用层面均具有重要价值，为从事模拟电路、传感器系统、生物医学工程等领域的研究人员、工程师及学生提供了宝贵的参考资料，对推动低功耗、高效能传感器读出系统的发展具有重要意义。