神经形态采样信号滤波新突破：无需重构的高效算法 | MDPI JLPEA

本文介绍了英国帝国理工学院Daniel Coca教授团队在神经形态信号处理领域的研究突破。背景方面，随着计算系统功耗需求增加，传统数字采样方式能效受限，而神经形态采样作为一种低功耗编码方式，其信号处理技术尚属空白。研究目的是开发一种无需信号重构的直接滤波方法，解决脉冲流处理的难题。研究团队通过建立输入输出脉冲流的数学关联，提出基于积分辅助函数和迭代算法的滤波框架，理论证明了方法的收敛性和误差可控性。实验结果表明，该方法在计算速度（快2.5-10倍）、适用性（突破奈奎斯特限制）和抗噪性（误差<3%）方面均优于传统方法，为低功耗神经形态计算系统应用奠定了基础。