Soutenance de thèse d’Ángel de Dios GONZALEZ SANTOS
Mardi 29 septembre 2020 à 10h00
Amphithéâtre JND de l’ISEN – 41, Bd Vauban, Lille
Jury :
- Monsieur Andreas Kaiser, Université de Lille, Directeur de thèse
- Monsieur Dominique Dallet, Université de Bordeaux – IMS, Rapporteur
- Madame Marie-Minerve Louërat, Sorbonne Université – LIP6, Rapporteur
- Monsieur Gilles Jacquemod, Université Côte d’Azur, Examinateur
- Monsieur Andrei Vladimerescu, UC Berkeley – ISEP, Examinateur
- Monsieur Antoine Frappé, Yncréa Hauts-de-France – IEMN, Encadrant
- Monsieur Philippe Cathelin, STMicroelectronics, Encadrant, Invité
- Monsieur Benoit Larras, Yncréa Hauts-de-France – IEMN, Invité
Résumé :
L’objectif de ce travail est l’étude et le développement d’un système d’extraction de caractéristiques d’un système toujours en veille pour l’Internet des Objets. Cette étude s’intéresse à des techniques de traitement de signal en temps continu, afin de mitiger les inconvénients des implémentations existantes basées sur des techniques analogiques et numériques conventionnelles
La cible est l’extraction du contenu spectral d’un signal audio en utilisant une nouvelle architecture basée sur une cascade configurable de filtres à réponse impulsionnelle finie en temps continu. Un schéma efficace pour cascader des filtres est obtenu grâce aux techniques proposées pour l’élimination des glitches et du codage delta. Par ailleurs, ce travail introduit une fonction en temps continu pour estimer la puissance instantanée dans des bandes de fréquences sélectionnées et construire un spectrogramme à la sortie. Le système proposé à 12-bandes fréquentielles a été validée par des simulations comportementales.
L’élément clé pour l’implémentation de ce système est un élément de délai numérique. Un nouvel élément de retard a été conçu et fabriqué en technologie 28 nm FDSOI et atteints une plage de délai record entre 30 ns et 97 μs avec une consommation de puissance de 15fJ/événement. En extrapolant ce résultat, le système proposé atteint une consommation approximée de 2.85 μW, tandis que la consommation statique est autour de 100 nW dans les périodes où il n’y a pas d’activité. Donc, la performance en termes de consommation moyenne d’énergie de ce système surpasse celle des implémentations dans l’état de l’art.
Abstract :
The focus of this work is the study and development of a feature extraction system using Continuous-Time Digital Signal Processing (CT DSP) techniques, to mitigate the drawbacks of existing implementations based on traditional analog and digital solutions of always-on monitoring sensors for the Internet of Things (IoT).
The target is to extract the spectral content of an audio signal using a novel architecture based on a cascade of configurable CT DSP Finite Impulse Response (FIR) filters. An efficient cascade scheme is enabled by the proposed glitch elimination and delta encoding techniques. Additionally, this work introduces a CT function to estimate the instantaneous power within selected frequency bands to build an output spectrogram. The proposed 12-band system has been validated using behavioral simulations.
The key element for the implementation of this system is the digital delay element. A new delay element has been designed and fabricated in 28nm FDSOI technology and achieves a record tuning range from 30 ns to 97 μs with a power consumption of 15 fJ/event. By extrapolating this result, the system would have an overall peak power consumption of 2.85 μW when processing typical female speech, while consuming approximately 100 nW when no events are generated. Thus, the average system power consumption outperforms state-of-the-art feature extraction circuits.
