Optimización de los diseños de filtros IIR para la complejidad computacional reducida en dispositivos utilizables

Dispositivos utilizables como smartwatches, monitores de fitness y parches de monitoreo médico dependen de la adquisición continua de datos de sensores y el procesamiento en tiempo real. De la eliminación de artefactos de electrocardiograma (ECG) señales a la limpieza de datos de acelerómetro para el recuento de pasos, el filtrado digital juega un papel central.

Comprender los filtros IIR en los tejidos

Los filtros IIR son filtros digitales definidos por una función de transferencia que incluye tanto los coeficientes de alimentación como de retroalimentación. Matemáticamente, un filtro IIR puede ser representado como:

y[n] = b0·x[n] + b1·x[n-1] + ... + bM·x[n-M] - a1·y[n-1] - ... - aN·y[n-N]

Debido a que la salida depende de salidas anteriores (feedback), los filtros IIR pueden lograr una respuesta de frecuencia determinada con un orden inferior al filtro equivalente de Respuesta de Impulso Finito (FIR). Para dispositivos de desgaste, esto significa menos operaciones multi-acumulados por muestra, menor memoria para el almacenamiento de coeficiente, y menor latencia. Las topologías de filtros IIR clásicas incluyen Butterworth, Chebyshev y diseños elípticos, cada línea

A pesar de su eficiencia, los filtros IIR presentan desafíos en los candelabros: pueden ser inestables debido a la cuantificación de coeficiente, sufren de oscilaciones de ciclo límite, y requieren un escalado cuidadoso para evitar el desbordamiento en aritmética de punto fijo. Además, los cálculos recursivos evitan la fácil paralelización, haciendo cada muestra una dependencia serial.

Estrategias clave para reducir la complejidad computacional IIR

1. Reducción de la orden de filtración

La forma más directa de reducir el coste computacional es reducir el orden de filtro. Menos coeficientes significan menos operaciones de MAC por muestra. Sin embargo, simplemente bajar el orden sin considerar la especificación a menudo degrada el rendimiento. Afortunadamente, varias técnicas pueden ayudar a lograr la respuesta requerida con un orden mínimo:

  • Optimización de colocación de polos-cero: Al posicionar cuidadosamente los polos y los ceros en el plano z, los diseñadores pueden cumplir con las restricciones de bandas y bandas de parada con un filtro de menor orden que un diseño estándar Butterworth o Chebyshev. Por ejemplo, el uso de un filtro elíptico con una pequeña onda permitible produce a menudo el orden más bajo para una anchura de transición dada.
  • Transformación de la red: Cuando se convierten prototipos analógicos, la transformación bilineal es estándar, pero el transformador de la línea de conexión puede a veces preservar la respuesta de la frecuencia con un orden digital inferior si el filtro analógico es simple.
  • Reducción de orden de orden: Comience con un diseño de alta orden, luego aplique técnicas de reducción de modelos como la truncación equilibrada o la aproximación de la norma Hankel para producir un filtro IIR estable y de orden reducido que coincida estrechamente con la respuesta de frecuencia original. Esto es particularmente útil cuando el filtro original se deriva de los datos de medición.

En la práctica, un filtro IIR de tercera orden puede sustituir a menudo un diseño de quinto orden con pérdida de rendimiento insignificante para tareas de filtrado biosignal como EMG o ECG de la eliminación de vagabundeo de referencia.

2. Cuantización de coeficientes y reducción de la longitud de Word

Los microcontroladores utilizables normalmente con aritmética de punto fijo de 16 bits o 24 bits. Utilizar el punto flotante de doble precisión es tanto de potencia como innecesario. Reducir la longitud de palabra de coeficiente de 32 bits a, por ejemplo, cortes de memoria de 16 bits por medio y acelera las operaciones aritméticas (especialmente si el procesador ha dedicado instrucciones de inacger).

  • Elige el esquema de cuantificación adecuado: Usar el formato Q (por ejemplo, Q15 para 16 bits de fraccional firmado) para representar coeficientes. La redondeación al valor representable más cercano puede causar inestabilidad; considerar la sensibilidad del polo ayuda a asignar más bits a coeficientes sensibles.
  • Optimizar la cuantificación utilizando métodos estadísticos: Aplicar algoritmos de aneación simulados o genéticos para encontrar un conjunto de coeficientes cuantificados que aún cumplen con la especificación del filtro. Esto puede permitir una reducción de 2-4 bits en comparación con el redondeo ingenuo.
  • Use potencias de dos coeficientes: Si los coeficientes pueden ser aproximados por sumas de potencias de dos, la multiplicación puede ser reemplazada por unos pocos cambios y añade, reduciendo drásticamente la complejidad computacional. Esto es particularmente eficaz para los filtros IIR de coeficiente fijo utilizados en el monitoreo de audio o de frecuencia cardíaca.

Por ejemplo, un filtro de segunda orden IIR con coeficientes cuantificados a potencias de dos se puede implementar utilizando sólo cuatro operaciones de cambio y tres adiciones por muestra, perfecto para un núcleo de ARM Cortex-M0 de baja potencia.

3. Estructuras de forma directa contra cascada

La estructura en la que se implementa un filtro IIR afecta enormemente la carga computacional, la estabilidad y la sensibilidad a la cuantificación. Las formas más comunes son la Forma I y II Directa, y sus variantes transpuestas. Para diseños de alta orden, se prefiere generalmente una cascada de secciones de segundo orden (SOS):

  • Segundas secciones (biquads): Cada sección implementa un filtro IIR de segunda orden. La estructura de cascada reduce la sensibilidad del coeficiente, facilitando la estabilidad con longitudes cortas de palabras. Computación por escalas de muestra linealmente con el orden: un filtro de sexto orden requiere tres biquads, cada uno necesita 5 MACs por muestra total 15.
  • Forma del paralismo: Decomponer la función de transferencia en una suma de subsecciones de primera y segunda orden. Esto puede reducir a veces el número total de MACs si el filtro original tiene polos repetidos.
  • Estructura de la estructura de la estructura de la estructura de la estructura de la estructura: Mientras más computación-corazón en general, las estructuras de la retícula ofrecen excelentes propiedades de estabilidad y son menos sensibles a la cuantificación. Pueden ser atractivos cuando el pedido es bajo (por ejemplo, filtros adaptables).

Para los productos de desgaste, la implementación biquad de cascada es a menudo el equilibrio óptimo de costes computacionales, estabilidad y uso de memoria. Fabricantes como Dispositivos Analógicos y STMicroelectrónicos proporcionan implementaciones de referencia optimizadas para sus MCUs de baja potencia.

4. Aplicación de la frecuencia-dominio utilizando FFT

Cuando la tarea de filtrado implica señales de larga duración o múltiples canales, el filtrado IIR de dominio del tiempo puede ser reemplazado por un método de superposición o superposición usando el Fast Fourier Transform (FFT). Aunque esto parece contraintuitivo (IIR ya es eficiente en el dominio del tiempo), para filtros IIR de muy alto orden (order $ 50) o cuando se procesan varios canales simultáneamente, la convolución basada en FFT puede ser más eficiente.

  • Convolución participada: Para aplicaciones en tiempo real, la respuesta del filtro IIR (que es infinita) debe ser truncada. Un enfoque práctico es aproximar el filtro IIR con un filtro FIR largo (si la respuesta del impulso se descaye rápidamente) y luego utilizar la convolución basada en FFT. Esto es común en la cancelación de sonido usable.
  • Filtro de banda: Algunos productos de uso usan filtros (por ejemplo, para análisis espectral). En tales casos, puede ser beneficioso implementar todo el banco en el dominio de frecuencia, combinando FFT e inverso FFT por marco.

Los métodos de dominio de frecuencia son más adecuados para los wearables con una RAM amplia y un acelerador FFT de hardware (común en muchos modernos Bluetooth Audio SoCs).

5. Filtro aproximado y rítmética de precisión reducida

No todas las aplicaciones utilizables requieren la precisión completa de un filtro IIR de libro de texto. Técnicas de cálculo aproximadas pueden cambiar una pequeña cantidad de precisión para un ahorro computacional significativo:

  • multiplicadores de troncales: Usar circuitos aritméticos inexactos que computan el resultado de la multiplicación con menos bits. Un multiplicador de 10 bits en lugar de 16 bits puede cortar la potencia en 30-40% en hardware personalizado.
  • ]Computación estocástica: Para diseños de muy baja potencia, las representaciones estocásticas (bits de 1s y 0s) pueden implementar la multiplicación con una sola puerta, pero esto a menudo requiere la corrección de nuevo y error.
  • Amplificación y aumento: Si el ancho de banda de señal es más ancho de lo necesario, decima la señal antes de filtrar. Filtro IIR a un ritmo inferior ahorra MACs por muestreo, y el filtro de decimación puede ser otro diseño de bajo costo.
  • Modificación del orden adaptivo: Usar un filtro de orden variable que comienza con un alto orden durante la calibración y reduce el orden (desactivando las secciones biquad) cuando la señal es estacionaria. Este escalado de complejidad dinámica puede ser controlado por un simple detector de actividad.

Ejemplo: Un sistema de detección de caídas basado en acelerómetros de muñeca podría utilizar un filtro de altopaso IIR de segunda orden en lugar de un cuarto pedido cuando el usuario es fijo, reduciendo el consumo de energía en un 20%.

6. Hardware-Software Co-Design para Ultra-Low Power

Muchos dispositivos portátiles incrustan un procesador de señal digital dedicado (DSP) o un microcontrolador con una unidad de hardware MAC. Optimizar los filtros IIR para el conjunto de instrucciones específico y la arquitectura de memoria es crítico:

  • El búfer clásico que se dirige: Utiliza el búfer circular de hardware para el almacenamiento variable del estado en estructuras biquad. La mayoría de los DSP soportan esto sin necesidad de cálculo de direcciones adicionales.
  • SIMD (Instrucción de sonido, datos múltiples): Algunos núcleos ARM Cortex-M4/7 soportan instrucciones SIMD que procesan simultáneamente dos MAC de 16 bits. Si los coeficientes de filtro se cuantifican a 16 bits, dos secciones biquad se pueden computar en un solo ciclo MAC.
  • ]Modos de fijación y sueño: Implementar el filtro en una tarea que solo funciona cuando se dispone de datos de sensores. Usar modos de sueño de baja potencia de la MCU entre muestras. Muchos microcontroladores tienen periféricos de filtro de hardware (por ejemplo, CORDIC, coprocesador de filtros digitales) que pueden funcionar independientemente.
  • ]Zero-overhead loops: Unroll loops for fixed-order filters to eliminate branch penalties. Un filtro IIR de tercera orden implementado como código inline funciona hasta un 30% más rápido que una implementación basada en el loop.

Estudio práctico de caso: Filtro de señal ECG en un reloj inteligente

Para ilustrar estas estrategias, considere un desgaste que adquiere un ECG de una sola hoja a 250 Hz. La señal cruda contiene vagabundeo de base (0,5 Hz y abajo), interferencia de línea de potencia (50/60 Hz), y ruido muscular de alta frecuencia. Los objetivos del diseño son rechazar estos artefactos con una banda de paso de 0,5 a 40 Hz y una atenuación de banda de 20 dB a 50 Hz.

Un enfoque convencional utiliza un filtro IIR de 4 ordientes (cascada de dos biquads). En punto flotante en un Cortéx-M4, esto requiere unas 10 operaciones MAC por muestra. El consumo total de energía para filtrar por sí solo es de unos 0,5 mW. Al cambiar a un diseño elíptico de tercera orden (reducción de pedidos) que aún cumple con el requisito de la caída de 20 dB de la muestra fija

Además, mediante el uso de un coeficiente de potencia de dos para el filtro de 50 Hz (ejecutado como biquad separado), el filtro de la muesca requiere sólo 3 operaciones de cambio en lugar de 3 MAC. La cadena de filtros global consume sólo 0,2 mW, una reducción del 60% del diseño original, manteniendo métricas de calidad de la señal (SNR dentro de 1 dB del original).

Esta optimización permitió que el usuario ejecutara la adquisición y filtrado ECG continuamente durante 24 horas en una batería de 150 mAh, en comparación con 16 horas con la aplicación original.

Retos y compensaciones

Cada optimización trae posibles obstáculos. La reducción de pedidos puede aumentar la onda de bandas desgradadas o retrasos en grupos, lo que puede ser problemático para aplicaciones que requieren alineación de fase (por ejemplo, EEG multicanal). La cuantificación de coeficiente puede empujar polos cerca del círculo de unidad, causando inestabilidad. Para mitigar esto, siempre realizar análisis de pole-cero con coeficientes cuantificados.

Los desarrolladores también deben considerar la sobrecarga de energía del acceso a la memoria. Coeficientes de almacenamiento en flash vs. SRAM afecta la potencia dinámica; el uso de transferencias DMA para coeficientes puede reducir los ciclos de CPU. Al implementar métodos de dominio de frecuencia, el FFT en sí mismo consume energía, solo utiliza si el orden de filtro es lo suficientemente alto para hacer el punto de cruce económico (típicamente orden ") 50.

Finalmente, es esencial probar con señales de sensor en el mundo real. Los artefactos de cuantización pueden ser imperceptibles en pruebas de onda sine pero ser notificables en las ondas ECG o PPG reales. Siempre validar con datos representativos del dispositivo objetivo.

Recursos externos y lectura ulterior

Conclusión

Los filtros IIR siguen siendo una piedra angular del procesamiento de señales en dispositivos utilizables. Su estructura recursiva ofrece implementaciones de orden inherentemente bajo, pero los diseñadores deben navegar restricciones de longitud de palabra limitada, memoria y energía. Al aplicar una combinación de reducción de pedidos, cuantización de coeficiente inteligente, estructuras de biquad de cascada, computación aproximada y utilización de hardware de baja potencia, los desarrolladores pueden reducir la complejidad computacional por 50-80%