电平交叉采样 (Level-Crossing Sampling)

电平交叉采样 (Level-Crossing Sampling) 解析

1. 什么是电平交叉采样？

电平交叉采样 (Level-Crossing Sampling, LC Sampling) 是一种事件驱动 (Event-Driven) 的模数转换（ADC）采样方案。

与传统的奈奎斯特采样 (Nyquist Sampling) 不同，LC 采样不是由固定的时钟（时间）触发，而是由信号幅度的变化触发。

核心机制：

预设阈值： 系统预先设定一系列固定的电压阈值（水平线），就像梯子的横档。
比较与触发： 当输入模拟信号的电压穿越（上升超过或下降低于）某个阈值时，就会产生一个采样事件。
输出形式： 输出通常是 1-bit 的脉冲 (Spike) 。
- 如果信号向上穿越阈值，产生一个"正脉冲" (INC/UP)。
- 如果信号向下穿越阈值，产生一个"负脉冲" (DEC/DOWN)。

2. 图解：LC 采样 vs. 传统采样

为了直观理解，我们可以将两者进行对比：

特性	传统采样 (Nyquist/Uniform)	电平交叉采样 (Level-Crossing)
触发机制	时钟驱动 (Clock-Driven)	事件驱动 (Event-Driven)
采样间隔	时间间隔固定 (TsT_sTs)，幅度变化不固定	幅度变化固定 (ΔV\Delta VΔV)，时间间隔不固定
数据特性	"我在每秒钟拍一张照片"	"只有物体移动越过警戒线时我才拍照"
输出数据	多位二进制数值 (如 12-bit: 10110...)	异步的 1-bit 脉冲序列 (Spike Train)
静默期表现	即使信号是一条直线，依然持续产生数据	信号无变化时，零输出/零功耗

示意图概念

复制代码

      电压 (V)
        ^
        |          /-\      <-- 阈值线 3
        |         /   \
        |      /--     --\  <-- 阈值线 2
        |     /           \
        |  /-/             \ <-- 阈值线 1
        | /
    ----|---------------------> 时间 (t)
        
    LC 输出:  ↑  ↑  ↑     ↓  ↓   (脉冲)
             t1 t2 t3    t4 t5

3. LC 采样的重大意义

在 2022 年这篇关于 ECG 分类和 SNN 处理器的论文中，LC 采样被选为核心技术，主要基于以下四大意义：

A. 极致的数据压缩 (Data Compression)

原理： ECG 信号（心电图）具有稀疏性，大部分时间信号变化平缓。LC 采样是自适应的，信号变化快时采样密，变化慢时采样疏。
论文数据： 相比于 11-bit 分辨率的传统采样，LC 采样将数据量压缩了 55.9倍。这意味着后续处理器需要处理的数据量大幅减少。

B. 原生适配 SNN (Native SNN Compatibility)

痛点： 传统 ADC 输出的是 PCM 编码（数字），而脉冲神经网络 (SNN) 需要输入脉冲。如果用传统 ADC，还需要额外的电路把数字转成脉冲（编码开销）。
LC 优势： LC 采样的输出天生就是脉冲 (Native Temporal Coding) 。
- 它直接将模拟信号转换成了 SNN 可以理解的"脉冲序列"。
- 省去了复杂的"编码器"模块，实现了从传感器到处理器的无缝连接。

C. 包含丰富的时域信息 (Temporal Information)

在 LC 采样中，脉冲产生的时间点携带了信号的关键信息。
这种时间编码 (Temporal Coding) 非常适合处理时变信号（如 ECG、语音），SNN 擅长捕捉这种时间上的相关性来进行分类。

D. 超低功耗 (Ultra-Low Power)

活动相关功耗： 系统的功耗与信号的活动率成正比。如果病人处于静息状态，心电信号平稳，ADC 和后端的 SNN 处理器几乎不消耗能量。
系统级节能： 由于是 1-bit 数据流，不需要复杂的 12-bit 或 16-bit 总线传输，降低了存储和传输的能耗。

4. 总结

电平交叉采样 (LC Sampling) 是一种"按需分配"的采样技术。

在可穿戴设备 和物联网 (AIoT) 领域，它解决了"电池焦虑"和"数据冗余"的核心矛盾。它不再盲目地记录数据，而是只记录有意义的变化 ，并以最精简的脉冲形式 直接喂给类脑芯片 (SNN) 进行处理，是实现 Always-on（全时在线） 监测的关键前端技术。