Hartung-Gorre Verlag
Inh.: Dr.
Renate Gorre D-78465
Konstanz Fon: +49 (0)7533 97227 Fax: +49 (0)7533 97228 www.hartung-gorre.de
|
S
|
Series in
Microelectronics
edited by
Qiuting
Huang
Andreas Schenk
Mathieu
Maurice Luisier
Bernd
Witzigmann
David Emanuel Bellasi,
Toward Energy-Proportional
Compressive Sensors.
2018. XVI, 236 pages. € 64,00
ISBN 978-3-86628-618-4
Abstract short:
The vision of the Internet of things (IoT) entails connecting all possible objects to the
Internet for remote monitoring and actuation. Its realization requires sensing
devices that are highly optimized in terms of performance, size, cost, and
energy-efficiency. Compressive sensing (CS) is a signal acquisition method that
fuses sampling and compression in a single procedure, and thereby potentially
reduces the energy cost of acquisition and transmission of information with
respect to the conventional combination of Nyquist-rate sampling and digital
data compression. The focus of this thesis is the quantitative assessment of
the quality/compression trade-off, the hardware complexity and power
consumption of CS-based signal acquisition systems for typical low-rate IoT sensor applications, such as biomedical and
environmental monitoring. The investigations are conducted employing both
mathematical models as well as measurements from prototype mixed-signal
system-on-chips (SoC). An 8-channel compressive
biomedical signal acquisition SoC in 130 nm CMOS, and
a compressive current sensing SoC in 160 nm CMOS have
been developed, were fabricated and measured for this purpose.
Abstract long:
The vision of the Internet of things (IoT) entails the connection of all possible objects to the
Internet for the purpose of monitoring and actuation, and its realization
requires sensing devices that are highly optimized in terms of performance,
size, cost, and energy-efficiency. The IoT is one of
the main drivers for the exponential growth of the number of wireless
electronic devices produced and sold worldwide. To ensure the economic and
ecologic feasibility of the IoT, in addition to the
improvement of known techniques to acquire, process, and communicate
information, the pursuit of innovative and unconventional methods is needed.
Compressive sensing (CS) was proposed as a
groundbreaking signal acquisition method that fuses sampling and compression in
a single procedure, and thereby potentially reduces the energy cost of both
acquisition and transmission of information with respect to the conventional
combination of Nyquist-rate sampling and digital data compression. The theory
of CS — due to much excited research activity in the past years — has reached a
certain maturity, whereas the knowledge about the performance and limitations
of CS in practical applications and under real-world conditions is still
fragmentary and not well consolidated.
The goal of this thesis is the quantitative assessment
of the quality/compression trade-off, the hardware complexity and power
consumption of CS-based signal acquisition systems for typical low-rate IoT sensor applications, such as biomedical and
environmental monitoring. Related work in the field was primarily concerned
with demonstrating the potential of CS with respect to conventional signal
acquisition producing uncompressed data. In contrast, in this thesis the
performance of CS techniques is confronted with the performance of well-established
conventional compression techniques under realistic conditions. The
investigation is conducted empirically, analyzing compressive sensor systems
based not only on mathematical models but based on measurement results from
fabricated prototypes of integrated mixed-signal sensor systems.
In the first part of this thesis, the theory of CS is
reviewed with emphasis on theoretical bounds relevant for its practical
application, limitations are identified, and possible remedies are proposed.
The advantages and disadvantages of different CS signal acquisition modalities based
on analog or digital signal processing are contemplated — both on theoretical
and empirical grounds — and the difference between them in terms of
quality/compression trade-off is quantified.
In a second part, mathematical power estimation models
for compressive sensors are developed and employed to quantify the energy-efficiency
of different compressive sensor architectures. The scope of the discussion is
extended from the confrontation of different CS implementations to the
comparison of CS-based and conventional compression methods on the system-level
of abstraction.
The subject of a third part is the empirical
verification of the observations and results of the first two parts in the
context of two application case studies which are biomedical signal acquisition
for healthcare applications and current sensing for building and industrial monitoring.
Both case studies revolve around corresponding prototypes of mixed-signal
compressive sensor system-on-chips (SoCs) that allow physical
measurements and performance tests to be conducted under real-world conditions.
The prototypes are an 8-channel compressive biomedical signal acquisition SoC fabricated in a 130nm CMOS technology, and a compressive
current sensing SoC realized in a 160nm CMOS
technology.
In the last part of this thesis, an innovative idea — called
transient clocking — aimed at improving the energy-efficiency of the system toward
the ultimate goal of energy-proportionality. Transient clocking denotes the
attempt to operate a highly duty-cycled (sensor) system already during the
power on transient phase, reducing its active on-time. To enable integrated
compressive sensors to leverage the concept of transient clocking, an on-chip
clock synthesizer based on a frequency-locked loop is designed. Two prototypes
fabricated in a 65nm and in a 28nm CMOS technology are presented, and mark an important
step toward energy-proportional sensor systems.
Zusammenfassung:
Das
Internet der Dinge (IoT) bezeichnet die Vision der Vernetzung aller möglicher
Waren und Objekte mit dem Internet zum Zweck der Überwachung und Kontrolle. Für
dessen Umsetzung werden möglichst kleine, kostengünstige und energieffiziente
Sensoren benötigt. Das IoT ist eine der Triebkräfte hinter dem exponentiellen
Wachstum der Anzahl weltweit produzierter und verkaufter, drahtlos verbundener Geräte.
Um die ökonomische und ökologische Umsetzbarkeit des IoT zu ermöglichen, ist
nicht nur die Verbesserung bekannter Methoden zur Erfassung, Verarbeitung und Übermittlung
von Daten nötig, sondern auch die Erforschung innovativer und unkonventioneller
Methoden.
Compressive
Sensing (CS) gilt als eine Methode der letzteren Art, weil sie Datenerfassung
und Datenkompression in einer einzigen Prozedur vereint und damit potentiell
die Energiekosten von Datenerfassung und Datenübermittlung im Vergleich zu
herkömmlichen Methoden, basierend auf Nyquistratensignalabtastung und digitaler
Datenkompression, senken kann. Die CS-Theorie ist dank intensiver Forschung in den
letzten Jahren zur Maturität gelangt. Das Wissen um die Leistungsfähigkeit und
Beschränkungen in praktischen Anwendungen ist noch nicht gefestigt und lückenhaft.
Das
Ziel dieser Dissertation ist die quantitative Auswertung der Leistungsfähigkeit
von CS-basierten Sensorsystemen in typischen IoT Anwendungen wie beispielsweise
die Erfassung von biomedizinischen Signalen und von Umweltmesswerten. Dazu gehört
insbesondere die Untersuchung des Verhältnisses zwischen Qualität und
Komprimierungsrate, aber auch der Hardwarekomplexität und der
Leistungsaufnahme. Wissenschaftliche Arbeiten mit ähnlichem Thema waren hauptsächlich
darauf bedacht, die Vorteile von CS gegenüber herkömmlicher Datenerfassung ohne
anschliessender Komprimierung aufzuzeigen. Im Gegensatz dazu wird in dieser
Dissertation die Leistungsfähigkeit von CS mit etablierten Methoden zur
Datenkomprimmierung unter realen Bedingungen verglichen. Die Analyse basiert
auf experimentellen Erhebungen, sowohl abgestützt auf mathematische Modelle als
auch unter Verwendung von Messresultaten integrierter Sensorsystemprototypen.
Der
erste Teil dieser Arbeit besteht aus einer übersicht über die Grundlagen der
CS-Theorie mit speziellem Augenmerk auf theoretische Abschätzungen, welche
praktische Relevanz für die Verwendung von CS haben. Anwendungsbezogene Beschränkungen
werden identifiziert und mögliche Mittel werden vorgeschlagen um diesen
entgegenzuwirken. Die Vor- und Nachteile unterschiedlicher CS-basierter
Datenerfassungsmethoden werden erörtert und unter Berücksichtigung des Qualitäts/Komprimierungs-Verhältnisses
gegeneinander abgewogen.
Im
zweiten Teil werden mathematische Modelle zur Abschätzung der Leistungsaufnahme
von Sensorsystemen mit integrierter Datenkomprimierung entwickelt. Diese werden
dann für die Quantifizierung der relativen Energieeffizienz von
unterschiedlichen CS-basierten und konventionellen Komprimierungsverfahren auf
Systemebene verwendet.
Gegenstand
des dritten Teils ist die experimentelle Verifizierung der Resultate aus den
ersten beiden Teilen. Die Experimente werden im Rahmen zweier
Anwendungsfallstudien durchgeführt, von welchen die eine biomedizinische
Signalerfassung zum Ziel hat, während die andere aus der kontaktlosen Messung
von elektrischen Strömen für industrielle Zwecke besteht. Um die Leistungsfähigkeit
unter realen Bedingungen messen zu können, wurden für beide Anwendungen je ein
Prototyp System-on-Chip (SoC) entwickelt und hergestellt: einerseits ein
8-Kanal biomedizinisches SoC mit CS-basierter Datenkomprimierung in einer 130nm
CMOS Technologie, und andererseits ein SoC in einer 160nm CMOS Technologie für
kontaklose Strommessung, ebenfalls mit CS-basierter Datenkomprimierung.
Im
letzten Teil dieser Dissertation, wird ein innovatives Verfahren mit der
Bezeichnung transient clocking vorgeschlagen, welches auf integrierte Systeme
anwendbar ist, die in zyklischem Ein-/Ausschaltbetrieb arbeiten. Das Verfahren
besteht darin, das System bereits während der übergangsphase vom aus- zum
eingeschalteten Zustand und umgekehrt zu betreiben, was zu einer Reduktion der
Zeitdauer führt, in der das System Energie verbraucht. Dadurch wird eine
Energieeffizienzsteigerung erzielt und die proportionale Abhängigkeit von
Energieverbrauch und geleisteter Arbeit verstärkt. Um transient clocking in integrierten
Systemen zur Anwendung zu bringen, wurde ein geeigneter Tacktgenerator,
basierend auf einer Frequenzregelschleife, entwickelt und in zwei
unterschiedlichen Technologien (28nm CMOS und 65nm CMOS) hergestellt und
getestet. Die beiden Prototypen stellen einen entscheidenden Schritt in
Richtung energie-proportional arbeitender Sensorsysteme dar.
About
the Author:
David Emanuel Bellasi was born in Switzerland in 1981. He received his MA degree in
architecture from Universita` della Svizzera italiana (USI), Switzerland, his MSc degree in electrical
engineering and information technology from ETH Zurich, Switzerland, in 2007
and 2013, respectively. In 2013, he joined the Integrated Systems Laboratory at
ETH Zurich as a research assistant in the group of Prof. Luca Benini.
Direkt bestellen bei / to
order directly from:
Hartung-Gorre Verlag / D-78465
Konstanz / Germany
Telefon: +49
(0) 7533 97227 Telefax: +49 (0) 7533
97228
http://www.hartung-gorre.de eMail: verlag@hartung-gorre.de