VIP6
本课程属于：108-TinyML低功耗与电池AI AI智能与边缘计算工程 · 共 6 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

3. TinyML采样策略优化：传感器唤醒、窗口长度与推理频率

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML采样策略优化的背景 · 学习目标 · 课程框架与适用场景
课程导入TinyML
02
传感器基础
常见传感器类型（加速度计 · 陀螺仪 · 麦克风
传感器基础常见传感器类型
03
采样基础
采样定理 · 采样率 · 量化与数据格式
采样基础采样定理
04
唤醒机制概述
传感器唤醒的概念 · 低功耗唤醒与事件驱动唤醒的区别
唤醒机制概述传感器唤醒的概念
05
窗口长度基础
滑动窗口的定义 · 窗口长度与特征提取的关系
窗口长度基础滑动窗口的定义
06
推理频率基础
推理频率的定义 · 与功耗和实时性的权衡
推理频率基础推理频率的定义
07
功耗模型
TinyML设备中传感器 · MCU · 无线通信的功耗构成与估算方法
功耗模型TinyML
08
采样策略与功耗
采样率 · 唤醒频率 · 推理频率如何影响系统总功耗
采样策略功耗
09
数据质量与采样
采样策略对数据完整性 · 噪声 · 特征可区分性的影响
数据质量采样
10
唤醒策略设计
阈值唤醒 · 运动检测唤醒 · 定时唤醒
唤醒策略设计阈值唤醒
11
窗口长度选择方法
基于信号周期 · 任务需求 · 模型输入尺寸的窗口长度确定方法
窗口长度选择方法基于信号周期
12
推理频率优化
动态推理频率 · 事件触发推理 · 连续推理与间歇推理的适用场景
推理频率优化动态推理频率
13
自适应采样策略
根据环境或模型置信度动态调整采样率 · 窗口长度和推理频率
自适应采样策略根据环境或模型置…
14
特征工程与采样
不同采样策略下特征（时域 · 频域）的稳定性与计算开销
特征工程采样
15
模型输入与采样
模型输入尺寸对窗口长度和采样率的约束 · 以及数据预处理流水线
模型输入采样
16
实战案例1
基于加速度计的人体活动识别——唤醒阈…
实战案例1基于加速度计的人…
17
实战案例2
麦克风关键词唤醒——采样率 · 窗口长度与推理频率的协同设计
实战案例2麦克风关键词唤醒
18
实战案例3
环境监测（温湿度/气压）——低功耗采…
实战案例3环境监测
19
实战案例4
工业预测性维护——振动传感器采样策略…
实战案例4工业预测性维护
20
工具与平台
Arduino Nano 33 BL… · ESP32 · STM32等平台的采样配置与功耗测量
工具平台
21
数据采集与标注
针对采样策略优化的数据采集方案 · 标注规范与数据集构建
数据采集标注
22
模型训练与采样
训练时如何模拟不同采样策略 · 以及数据增强对采样鲁棒性的影响
模型训练采样
23
部署与调试
在TinyML设备上实现采样策略的代… · 中断处理与低功耗模式
部署调试
24
功耗测量与优化
使用电流探针 · 功耗分析仪评估采样策略的实际功耗 · 并迭代优化
功耗测量优化
25
常见问题1
采样率过高导致功耗大 · 内存不足 · 如何平衡
常见问题1采样率过高导致功…
26
常见问题2
窗口长度过长导致延迟高 · 过短导致特征不稳定 · 如何选择
常见问题2窗口长度过长导致…
27
常见问题3
推理频率与唤醒策略冲突 · 如何设计事件驱动的推理流程
常见问题3推理频率
28
综合提升
设计一个完整的TinyML采样策略优… · 从需求分析到部署评估
综合提升TinyML
29
前沿与趋势
边缘端自适应采样 · 神经形态传感器 · 超低功耗唤醒电路等最新进展
前沿趋势
30
课程总结
核心要点回顾 · 常见误区 · 学习路径建议与项目实战挑战
课程总结核心要点回顾