.png){kind=icon}
返回
Adaptive Integrate-and-Fire Time Encoding Machine With Quantization
.png){kind=icon}
PRE
AI
DOI：10.1109/tsp.2026.3697154.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
积分-发放时间编码机（IF-TEM）是一种高效异步采样器，能将幅度信息转化为非均匀时间序列。本研究提出了一种新型自适应IF-TEM（AIF-TEM）方法，该方法能动态调整TEM偏置和诱导奈奎斯特比率，以响应输入信号的时间幅度和频率变化。我们全面分析了AIF-TEM的过采样和失真特性，并研究了其量化过程及相应的均方误差（MSE）界限。结果表明，对于带限信号，AIF-TEM在率失真性能上相比经典IF-TEM和传统奈奎斯特（即周期性）采样方法实现了显著提升。特别是在固定过采样率下，AIF-TEM使重建MSE至少降低12 dB。在考虑量化时，AIF-TEM相比IF-TEM使量化MSE至少改善14 dB。此外，AIF-TEM以不到IF-TEM所需总比特数的30%即可达到相同的重建精度，凸显了本自适应方法的高效性。另外，我们为AIF-TEM引入了一种动态量化技术，其性能相比传统量化基线至少提升10 dB。
Keyword:
Asynchronous sampler
integrate-and-fire
time encoding machine
quantization
mean square error
期刊
I
IF:
5.8
论文数:
355
被引数:
0
机构
引用论文
.png){kind=icon}
Adaptive Exponential Integrate-and-Fire Model as an Effective Description of Neuronal Activity自适应指数积分和Fire模型可有效描述神经元活动
OAAI
OAAI分享收藏分享收藏分享收藏
查看更多内容