Internati o nal  Journal of Ele c trical   and Computer  Engineering  (IJE CE)  V o l.  4, N o . 4 ,  A ugu st  2014 , pp . 52 0 ~ 53 1  I S SN : 208 8-8 7 0 8           5 20     Jo urn a l  h o me pa ge : h ttp ://iaesjo u r na l.com/ o n lin e/ind e x.ph p / IJECE  Cognitive Sensor Platform       Mar k  Mc Der m ot t   Department o f  Electrical and Co mputer Engi n eer ing, Univ ers i t y   of  T e xa s at  Au st in       Article Info    A B STRAC T Article histo r y:  Received  Ja n 21, 2014  Rev i sed   May 31  2 014  Accepted  Jun 17, 2014      This pap e r des c ribes  a platfor m  that   is used  to build  embedded sensor   s y s t em s  for low energ y   im plant a ble  appli c ations . One of  the k e y  characteristics of the platform is the  ability  to reason a bout the environment  and cogni tiv el ym odif y  th e oper a tion a l p a ram e ters of the s y s t em .  Addition a l l y   the pl atform  pr ovides to  abil it y  to  compose application  specific sensor   s y stems using a novel  computation a l  element that d i rectly   supports a  s y nchronous-dataflow (SDF) programming parad i gm.  Keyword:  Co gn itiv e Sen s o r  Platform  C o m posabl e  S y st em s  Dataflow Proc essor  Syn c hro nou s D a taf l ow  Copyright ©  201 4 Institut e  o f   Ad vanced  Engin eer ing and S c i e nce.  All rights re se rve d .  Co rresp ond i ng  Autho r :  Mar k  Mc D e rm o t t   Depa rt m e nt  of  El ect ri cal  and   C o m put er E ngi neeri n g ,   Un i v ersity of  Tex a s at  Au stin  1   U n i v er sity St atio n  C 0 803 ,  Au stin , Tex a s  7 8 7 12- 021 4  Em a il: mcderm ot@ece.utexas.edu       1.   INTRODUCTION  Th e  n e x t  step   in  th e evo l u tion   o f  i n tellig en t  sen s o r s is toward s cogn itiv e  sen s o r s. Cogn itiv e sen s or  p l atform s h a ve th e cap a b ility to  reason  ab ou t th ei r  in tern al/ex t ern a l en v i ron m en tal co nd itio ns an d th en  m odi fy  t h ei r sy st em  behavi or.  The re sul t  i s  a sens or  pl at fo r m  t h at  dy nam i cal l y  opt im i zes i t s  operat i o n t o  m eet  t h e sy st em   m e tri c s. T h e  hi era r chy   of  a dva nc ed se ns or  sy st em s i s  general l y  desc ri be d as   h a vi n g  t h ree  di s t i n ct   lev e ls of cap a bilit ies. Th is classificatio n   is  grap h i cally illu strated  i n  Fi g u re  1 .             Fi gu re  1.  C o m put at i o nal   hi er archy   of  ad va n ced se ns or  sy st em s [1]   Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN :  2 088 -87 08  I J ECE Vo l. 4 ,  N o . 4 ,  Au gu st 2 014   :   52 0  –  53 1  52 1 The first level  is a “s m a rt” s e ns or system  whe r e th e sen s o r  is ab le to  iden tify its p u r po se and  can  com m uni cat e inf o rm at i on t o  and f r o m  ot her devi ces. T h e seco nd  lev e l is g e n e rally classified  as “in t elli g e n t ”  an d  th is is achiev e d  b y  ad d i n g  th e ab ility  to  recogn ize,  in terp ret and  un d e rstand  sen s o r  stim u li. Th e th ird  lev e l o f  cap ab i lity is th e co g n itiv e sen s o r  t h at ad d s  reason in g   and  co gn itio n  t o  th e in tellig en t sen s o r  sy ste m ,  allo wing  it to   mak e  d ecisions b a sed   o n  th e  sen s o r  stim u li an d to   b e  aware o f  th e env i ron m en t th at th e  sen s o r   is op erating  i n   [1 ].    Each  lev e l of h i erarch ical cap ab ility req u i res a co rrespo n d i ng  i m p r ov emen t in  co m p u t atio n a l and  en erg y  p e rfo r man ce.  Wh ile tran sistor scalin g   h a s  p r o v i d e d  so m e  o f  th e  ad d ition a l co mp u t ation a l effi cien cy,  t h e ener gy  su p p l y  for em bed d ed se ns ors i s  st ay i ng vi rt u a l l y  const a nt  si nc e M oore ’ s La w d o es n o t  ap pl y  t o   b a ttery tech no log y . Th at said ,  Ko om ey, et al, obse rve t h at comput ational-e ffi ciency (m eas ure d  i n   C o m put at i ons/ J oul e )  i s  im pro v i n g at  a sim i lar rat e  t o  M o o r e’s La w [2] .   Thi s  m a y  be adeq uat e  f o r w o rkl o ads   wh ose com put at i onal  effi ci en cy  requi rem e nt s rem a i n  c onst a nt  fr om  one generat i o n t o  t h e next  h o we ve r fo r   next   ge nerat i o n se nso r   wo r k l o ad scom put at i onal - ef fi ci ency  i s  n o t  im pro v i n g  at  a fast  e n ou g h  rat e  i f  t r a n si st o r   scal i ng i s  t h e onl y  sou r ce  of i m provem e nt . Fr om  a syst em  desi gn p e rspect i v e ,  o p t i m a l co m put at i onal - efficiency is achieve d by “im p edance  m a tching” the four dom ains that co m p rise a se nsor desi gn. The four  dom ains include t h e algorithmic dom ain,  t h e so ft wa re  pr o g ram  dom ai n, t h e  har d ware  m i cro-a r c h i t ect ure, a n d   lastly  th e  silico n   techno log y . Th is  is d e scribed  b y   th e fo llowing  p s eu do -eq u a tion :      Comput a t i o na l Efi c i e n cy ∝   #  ∗  # ∗   ∗   ∗   ∗J o u l e s  (1 )     whe r e:     # I n s t =  nu m b er of ex ecu ted  instru ction s   for a Task  TP =  Instruction T r ace Pa rallelis m  PP =  Process o r Parallelism   LL = Le vels  of Logic   ns =  na n o seco nds  o r   1/ f r eq ue ncy     Th e  nu m b er of in st ru ction s   p e r task  is th e m a p p i n g  of t h e algorith m i c  do m a in  b y  the software  co m p iler in to   sin g l e  or m u lti p l e so ft ware thread s.  Id eally  t h e  nu m b er of  so ft ware thread s is m a tch e d   to  th e  num ber o f  pr o cessi ng el em ent s  or har d ware  t h rea d s. T h e  pr ocessi n g  el em ent ( s )  wo ul d  be desi g n e d  t o  pr ovi de   the optim a l energy-p e r form ance in  order t o  accom p lish the task as  dete rmined by level s  of l ogic  needed pe r  clock cycle. It  can  be see n  t h at so lv i n g th e  eq u a tion   “as is” resu lts in  a valu e of “1   Jou l es-n s/Task ”,  wh ich  i ndi cat es a n i d e a l  im pedance   m a t c h bet w ee n  al l  com pone nt s o f  t h e e q u a t i o n .   If  t h e r e i s   a m i sm at ch be t w een   an y of t h e  d o m ain s  th e co m p utatio n a l efficien cy of t h e m a c h in e  will b e  non -op t i m al.   It is gene rally accepted that general-purpos e  com puting  platform s  do  not have the ene r gy- perform a nce characteristics n eeded  fo r l o w  ener gy  sens or  sy st em s. Hard - c ode d l o gi c w oul d p r o v i d e t h e m o st  o p tim al co m p utatio n a l-efficien cy bu t at t h e  ex p e n s e  of  reprog ramm ab ilit y. Th e co m p u t atio n a l elem en t u s ed   i n  t h i s  pl at fo r m  i s   im pl em ent e d u s i n g an  ener gy  effi ci e n t  pr o g ram m abl e  m i croco d e d  en gi ne  wi t h  a si ngl e  cycle d a tap a th. Th e lev e ls of lo g i c an d  the ratio  o f   co n t ro l log i c to  d a tap a th  log i c are o p tim ized  fo r low  ener gy  a ppl i cat i ons .    The s o ft ware   pr o g ram m i ng  para di gm  i s  al so  o p t i m i zed f o r  sen s o r  a ppl i cat i ons.  Se nso r  sy st em s are  react i v e an d c a n be i m pl em ent e d  usi n g a  num ber o f  d i ffere nt  react i v e p r o g r am m i ng m odel s  i n c l udi n g   Dy nam i c Dataflo w  ( D DF ),  S y nch r o n ous  Da taflow  (S DF ),   Discrete Ev en ts (DE), Petri  nets and   Kh an Pro cess  Net w or ks ( K P N ) [ 3 ] .  T h i s  p l at form  uses Sy nch r o n ous  Dataflow  (SDF) as it is a special case of da taflow  m odel i ng w h e r e t h e  fl o w  o f  cont rol  i s   pre d i c t a bl e at  co m p il at i on t i m e  [4] .  T h e m i croco d e d  com p u t at i onal   el em ent  used  o n  t h i s  pl at f o rm  i s  desi g n e d  t o   di rect l y  su pp o r t  t h e S D F e v e n t - dri v en  p r og ra m m i ng para di g m .      2.   REQU IRE M ENTS F O R  A  CO GNITI V E  SENS OR  PL ATFO RM  ( C SP)   Thi s   pl at fo rm  i s  desi gn ed   be  use d  i n  de epl y  em bedde d a ppl i cat i o ns  suc h  as  m e di cal  im pl ant s ,  st ruct u r al  i m plant s  a n d  rem o t e  sensi n g .  T h e  key  fi gu re  of   m e ri t  for  t h i s  c l ass o f  em bedd ed se ns ors  i s  e n er gy - p e rform a n ce/v o l u m e wh ere  b a ttery vo lu me is th e li miti ng  factor as it determ ines the num b er of joules   available for  syste m  operati on. The a d dition  of c o gnitive ca pabilities is necessary  for t h ese ty pes  of  u n a ttend ed  app licatio n s  as it is g e n e rally no t feasi b le  to ro u tin ely  rep l ace th e  b a ttery  or sen s o r (s) in  t h ese  appl i cat i o ns. C o g n i t i on i n  t h e  cont ext   of a s e ns or pl at f o rm  i s  defi ne d as t h e “p roces s o f  kn owi n g ,  i n cl udi n g   aspects of  a w a r enes s, perce p t i on,  r eas oning, and  judgm e nt” [1]. Figure   2  shows  conce p tually how t h e  process   o f  kno wi n g  app lies to  a cogn itiv e sen s or syst e m .    Evaluation Warning : The document was created with Spire.PDF for Python.
I J ECE   I S SN :  208 8-8 7 0 8     C o g n i t i ve Se ns or Pl at f o r m  ( M ark Mc  De rm o t t)   52 2     Fig u re  2 .  “Pro cess of  Knowing ”  in a co gn itiv e sen s o r  system      Th is “pro cess o f   k nowing ”  driv es th e fo llowing  b a selin e  fun c tion a l requirem e n t s o f  th e CSP. Th ese  in clu d e  th e ab i lity to :     Perfo rm  sel f-di a gnost i c s and s e l f-cal i b rat i on.    Co m p ensate for sy stem atic errors, sy stem  drift and ra n dom  erro rs pr od uced  by  sy st em  param e t r i c  changes   such as sens or  agi ng,  bat t e ry  agi ng.     Fuse dat a  fr om  hom ogeneo u s  and het e roge neous  sens ors.     Detect and repair corrupted  data     Reason about the state of the syste m   and pe rform   n eed ed  serv ices to   m a in ta i n  op ti m a l sys t e m   perf orm a nce.     An ticip ate p o t en tial sys t e m at i c  ch an g e s a nd  m odi fy  operat i onal  beha vi or.       Tran smit/rec ei v e  in form a tio n  to /fro m  o t h e r dev i ces.  Th e CSP  fun c t i o n a lity requ iremen ts d e scrib e d  ab ov e  driv es   a nu m b er of  k e y arch itectural  featu r es in cl u d in g :     Debu g an d  di agn o si s    Tim e  St am pi ng    Ad ap tiv e cap ab ilit ies in clu d i n g :     Co nfigu r ab le  data lo ok up  capab ility     R econ f i g ura b l e  eve n t - dri v en   pr o g ram m i ng     Dy nam i c sam p l i ng a n d  f r eq ue ncy  scal i n g      Dy nam i c dat a  preci si o n     Fu zzy lo g i c cap ab ilit y     Data fu sio n  cap a b ilit y     2 . 1  Debug  a nd  Diag no stic  Ca pa bility  Th e CSP  p r ovid e s a co m p u t atio n a l (d ig ital) d i agno stic m o d e  th at u til izes au x iliary ch ann e ls t o   confirm  that the prim ary ch annels  a r e pe rform i ng as expected.  Injecti n g  calibration  to k e n s  in to  t h e SDF  network a n d a n alyzing t h e  response   to c o nfirm  com putational acc urac y accom p lishes the  diagnostic. T h e   so urce of t h e calib ratio n tok e n s  is con t ro lled   b y  th e Ch ann e l  Nod e s i n   respo n s e to a co n t ro l  sign al fro m  th e  Debug Unit. A wide range of  diagno stics can be accom p lished  using “di g ital”  tokens. T h e discrete val u e and   te m p o r al  respon se o f   th e SDF  n e two r k   can  be  an alyzed  b y   t h e DPE u tilizin g  th is d i agno stic  m o d e . In  add itio n   to  th e “d ig ital” d i ag no stics, the Debu g  Un it can  in j ect “an alo g ”  v a l u es in to  th e sen s o r  read ou t circu itry .  The  val u es a r e ge neral l y  l i m i t e d t o  t hose t h at  can be easi l y  im pl em ent e d usi ng  vol t a ge re fere nces  t h at  are  in sen s itiv e  t o   ag ing ,  po wer  sup p l y v a riation s   and  d e v i ce v a riatio n s .   Calibration of the sensor readout circuit r y  is acco m p lished usi ng  a programma ble conte n t- ad dressab l e loo kup  tab l e  (C LT) in th e senso r  d a ta-con d i t i o n i ng  elem en t. Th e CLT is i n itialized  at reset with   the stored cali b ration  data from  an  ext e r n a l   m e m o ry . Du ri n g  sy st em  operat i o n, t h e  C LT val u e s  c a n b e   up dat e d t o  ad apt  t o  en vi ro n m ent a l  change s i n  t h e sens or t r a n s duce r .  The m odi fi ed C LT dat a  can b e   tran sferred  to  th e ex tern al  m e m o ry so  th at s u b s equ e n t  reset o p e ration s  load  th e n e w calib ration  d a ta in to  th e  CLT.    2. 2 T i me S t a m pi ng    The t i m e  st amp fu nct i o n use s  a t i m i ng refe rence t o   gene r a t e  a uni que  v a l u e t h at  i s  t a gge d t o  t h e   t oke n dat a   pr o duce d   by  A/ D  con v e r t e r. T h i s  t i m i ng re fer e nce can  be  g e nerat e d i n t e r n al l y  i n  t h e C SP  o r   deri ved  fr om  an ext e r n al  net w o r k sy nch r on i zat i on si gnal   [5 ]. If the ti m i n g  referen ce is d e ri v e d  in tern ally th e  external receiver m u st synchronize to  the int e rnal tim i ng re fere nce by algo rithm i c means  [6]  [7]. T h e num b er  o f   sam p les is d e term in ed  b y   th e op eratio n  t h at th e CSP  is in tend ed to   p e rfo r m .  For ex am p l e if fiv e  sam p le s   are b e ing  av erag ed  to  a single d a tu m th en  th e ti min g  wind ow is v a lid  fo r fi v e  sam p le s an d  a sing le ti me  sta m p  v a lu e is  issu ed. Th e time sta m p  v a lu e is in crem en t e d  fo r ev ery sam p le an d  o n e   o f  the fiv e  time sta m p  val u es i s  use d  t o  t a g t h e dat a  depe ndi ng o n  t h e al go ri t h m  bei ng per f o r m e d. In t h i s  exam pl e t h e t h ird t i m e   sta m p  v a lu e cou l d  b e   u s ed   when  av erag i n g  fi v e  sam p les. Th is tech n i qu e p r o v i d e s a b u ilt in  ti m e  referen c e for  al l  dat a  t h at  i s   bei n g p r oce sse d by  C SP.  T h e t i m e  st am p val u e can be t r a n sm i t t e d al ong  t h e out put  t o k e n dat a   via the c o mm unications  elemen t fo r ex ter n al  pr o cessing .  Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN :  2 088 -87 08  I J ECE Vo l. 4 ,  N o . 4 ,  Au gu st 2 014   :   52 0  –  53 1  52 3 2 . 3  Ada p ti v e  Capabilities  The CSP dete cts environm ental changes by tracking f act ors s u ch as t h e rat e  of cha n ge of se ns or   d a ta, co m p u t atio n a l d a ta errors, b a ttery vo ltag e , tem p er ature, etc. The CSP can ad ap t to  th ese ch an g e s  u s ing  p r e-d e fin e d  ru l e s. On e of th e  m o st u s efu l  adap tatio n  techn i q u e s u tilizes fuzzy lo g i c d ecisio n -m ak in g  [8 ]. Th is  i s  descri be d b e l o w i n  t h e n e xt  sect i on. T h e C SP has a  cont ent  ad d r e ss l o o k u p  t a bl e (C LT) t h at  can be   dy nam i cal ly  repr o g ram m ed  du ri n g  sy st em  ope rat i o n. T h e C LT i s  use d  t o  cal i b rat e  sens or  dat a ,  p r o v i d e   com p lex logic  functions a n d for fuzzy logic  ope rations s u c h  as  the  de fuz z ify step  where the a n tecede n ts are   m a pped  t o   det e rm i n i s ti c out pu t  val u es .    Th e CSP can   d y n a m i call y  reco nfigu r e its prog ra m   sequ en ci n g , wh ich   is req u i red for  co gn itive  sy st em s t h at  need t o   dy nam i cal l y   m odi fy  t h ei r al g o r i t h m s  base d  on  o p e rat i onal  c o ndi t i ons  [9]  [ 1 0] .  Thi s   cap ab ility in  th e CSP is ach iev e d   b y  u s i n g  an  acto r /ev e n t  qu eu e. The relativ e o r d e r of the h o w th e  o p e ratio ns  are  pr ocesse d  can  be  dy nam i cal l y  chan ged   by  ree n t e ri ng  o r  re o r de ri n g  t h e act or s i n  t h e   que ue.  T h e act ors  ca n   b e  in serted  in t o  th e qu eu e in   eith er FIFO  o r   LIFO  orde r. T h e actors are e x ecute d  from  the “Top-of-Stack” as   sho w n  bel o w i n  Fi gu re  3. Eac h  o p e r at i o n  i s   m a pped  t o   a m i croc ode  routine that te rm inates usi ng a  “ W a it-fo r- Eve n t ”  i n st r u c t i on. I n t e r r upt s and  ot he r a s y n ch ro n o u s  event s  ca n al so  ent e r o p e r at i ons t o  t h e  qu eue by   in serting  th em  in to  the ex ecu tio n stream . Th ese ev en ts   are s quas h e d  from  the actor-que ue a f ter t h ey are  ex ecu ted .  Th e acto r -qu e u e  i s  circu l ar wh i c h  allo ws it to  ex ecu t e contin u o u s ly un til a b r eak  con d itio n  is   en coun tered .   Typ i cally a b r eak  co nd itio n occu rs wh en   n e w to k e n s  d a ta are n e ed ed.            Fi gu re  3.  Act o r  an d E v e n t  Q u eue       The De bu g U n i t  prel oa ds t h e act or- que ue  wi t h  a presc r i b ed se que nce  of o p e r at i o n s  vi a t h e JTA G   scan c h ai n .   As  t h e C S P  bec o m e s ope rat i o n a l l y  and c o ndi t i onal l y  awar e  o f  i t s  e nvi ro n m ent  t h e  ope r a t i on- que ue ca n  be  s a ved  t o  e x t e r n a l   m e m o ry  so t h at  t h e ne w  state can  be  reloa d ed  during t h e  next reset cycle.   The dat a pat h  i n  t h e C SP i s  d e si gne d t o  u s e  si gne d sat u rat i ng ari t h m e t i c . The dat a  p r ec i s i on can  be  dy nam i cal ly   modi fi ed t o  sa ve  po wer  by  cha ngi ng t h e sat u r a t i on l i m i t s  an d scal i ng t h e d a t a  t okens as  n eeded .   Ad di t i onal l y  t h e C S P  ca n m odi fy  t h e sam p l i ng  rat e  o f  t h e  sens or  d a t a  i f   t h e rat e   of  c h a nge  o f  t h e i n c o m i ng  d a ta is low.    2 . 4  Fuzzy  Lo gic Capability  The C SP c o ntains a  fuzzy logic e ngi ne to a n alyze  sensor  data a n d m a ke system a tic adjustm e nts to  t h e o p erat i o n  of t h e  pl at fo r m  pl us pr ovi d e  speci al i zed  fu nct i o ns l i k e  dat a  f u si n g   ( d escri b ed  i n  t h e  next   sect i on) . T h i s   engi ne i s  i m plem ent e d usi n g  a com b i n a t i o n  of  speci al i zed  har d ware  fu n c t i ons a n d  m i croc o d e   ro ut i n es.  The  speci al i zed ha rd ware c o nsi s t s  of l ogi c t o   per f o r m   m i ni m u m ,   m a xim u m  and t a bl e l o o k u p   fu nct i o ns. T h e   m i crocode e n gi ne pe rf o r m s   t h e  m e m b ershi p , r u l e  eval uat i on a nd  wei g ht ed ave r age f u n c t i ons  [1 1] .   As m e n tio n e d  ab ov e t h e CSP can  co n t ro l energ y   u s ag e b y   co n t ro lling  th e  sam p lin g  rate  o f  t h e sen s o r   dat a  an d c o nt r o l l i ng t h e cl oc k  fre que ncy .   A f u zzy  l ogi c  base d al g o ri t h m   i s  used  t o   d e t e rm i n e t h e s a m p l i n g   r a te b y  an alyzin g th e ch ang e   an d th e  r a te of   ch ang e   o f  th e i n pu t  d a ta. Figur e 4 b e l o w   show s th e f l ow   d i ag r a m  for the  fuzzy logic e n gine. T h e fi rst step  perform s   a  m e m b ership e v aluation on  t h e inputs.  T h ere  are  two  i n p u t s ;  o n e i s  t h e a b sol u t e  val u e  of t h e se ns or  dat a  c h an ge  an d t h e sec o n d  i n p u t  bei n g t h e rat e   of  cha n ge  of  dat a  cha n ge. T h e sec o n d  st e p  per f o r m s  t h e eval uat i o n  of  the ru les t h at d e t e rm in e th e en erg y  lev e ls. Th e th ird  st ep co n v ert s  t h e en er gy  l e ve l s  t o  co nt r o l  si gnal s  t o  d r i v e t h e sam p l i ng ra t e  and/ or t h e cl ock  fr eq ue ncy  of t h e   CSP.   Que u e   Co nt roll e r   Ev e n t   #1   Re ci r c u l a t e d   Ac to rs   Ev e n t   #2   Ev en t   #N   Rea d   TO S   Wri t e   BOS   AC T O R   &   EVE N T   QUEUE   Wr it e   TO S   Res u lt   Bu s   μ OP   AD DR   Evaluation Warning : The document was created with Spire.PDF for Python.
I J ECE   I S SN :  208 8-8 7 0 8     C o g n i t i ve Se ns or Pl at f o r m  ( M ark Mc  De rm o t t)   52 4     Fi gu re 4.   F u zz y   l ogi c fl o w  di agram       Fi gu re  5  bel o w s h o w s a  t a b l e of t h e  out pu t s  fr om  t h e rul e  eval uat i o n  o f  t h e e n e r gy   f unct i o n.  Th e  l o we r ene r gy  o p erat i o ns  occ u r w h e n  t h e i n p u t  dat a  i s   not  c h an gi n g   very   r a pi dl y  an d t h e   rat e  o f  cha n ge  of t h e  chan ge i s  al so  not  c h a ngi ng  v e ry  ra pi dl y .  C o nve rsel y  i f  t h e  i n p u t  dat a  i s  c h an gi n g   ra pi dl y  a hi g h e r  e n er gy  i s   requ ired  to process th e  d a ta.          Fi gu re  5.  Ene r gy  us age  r u l e  e v al uat i o n t a bl e      2 . 5   Data Fusi on Ca pa bility  Data fu si o n  is im p o r tan t  for d a ta  reliab ility and   robu stness,  d a ta co mp ressi on   o p e ratio n s  and   for  com posi n g c o m p lim ent a ry  or  spect ral   da t a  [1 2] .  The   C SP s u p p o rt s  l o w - e n er gy   dat a  f u si on  u s i n g  a  com b i n at i on  o f  m i croco d e  r out i n e s  a n d  t h e f u zzy  l o gi c  engi ne t o   per f o rm  t h e  dat a  f u si o n   o p erat i o ns  [1 3]   [14]. This low-ene r gy approach is  p r eferred  ov er m a th e m atical ly  in ten s iv e alg o rith ms u s ing  least s q u a re- base d estim a tion m e thods s u ch as Kalm an  Filtering [15]  or  proba bilistic  m e thods s u c h  as Bayesian analysis   [16]. For those  sens or applications  wh e r e a  m o re accurate  data fusion al gor ithm  is needed a  h ybrid of Kalm an  filters an d  fu zzy lo g i c can  b e  i m p l e m en ted   with  min i m a l   ad d ition a l lo g i c [1 7 ] . Th e limita tio n  o f  th i s  h y b r i d   app r oach  i s  t h e  dat a   preci si on   pr o v i d e d   by  the DPE a n d the  increase d  e n ergy us age .     Data fro m  eith er sing le  o r  mu ltip le sen s ors can   b e   fu sed  in to  a co m p o s i t e d a ta stream . Th e fu sed   d a ta co n t ains m o re in fo rm at io n  th an  th e o r i g in al in pu ts an d  is u s ed   eith er lo cally  in  th e CSP an d / or  transm itted to a receiving  node for  furthe r  processi ng. The fu zzy  data fusion al gorith m involves a g gregati ng  d a ta fro m  th e in pu t sen s ors  an d   u tilizin g   pred ictiv e  d a ta fro m  p a st ag g r eg atio n  t o  g e nerate fused   d a t a  an d  opt i o nal  si deba nd  dat a  a s  s h o w n  bel o w  i n   Fi gu re  6.         DE C R E A SIN G   NONE   IN CR EA S I N G   CH A N GE   RA TE   of   CH AN GE   NE G_B I G   NE G_SM A L L   PO S _ B I G   P O S_SMA L L   NO N E   HE:   Hi gh   En erg y           ME :   Med i u m   en e r g y                  LE :   Lo w   En er gy   HE   HE   ME   ME   ME   HE   HE   HE   ME   ME   LE   ME   ME   HE   HE   ME   LE   LE   LE   ME   HE   ME   LE   LE   LE   LE   LE   ME   HE   ME   LE   LE   LE   ME   HE   HE   ME   ME   LE   ME   ME   HE   HE   HE   ME   ME   ME   HE   HE   Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN :  2 088 -87 08  I J ECE Vo l. 4 ,  N o . 4 ,  Au gu st 2 014   :   52 0  –  53 1  52 5     Fi gu re  6.  F u zz y  dat a  f u si o n       In th is ex am p l e, th e d a ta from   two asymmetrical sens ors   are  fuse d  tog e th er to produ ce a co m p o s ite  signal that  has  the key c h aract eristics from  e ach se ns or . The first  o p e ration  invo lv es  d e term in in g  th e abso lu te  val u e  o f  t h e c h an ge  an d  rat e  o f  c h a nge  ( R OC )  fo r t h e  t w o  se ns ors .  The  sec o n d   ope rat i o n  per f o rm s a  m e m b ershi p  e v al uat i o n an d  seri es o f  fu zzy  rul e  eval uat i o ns t o  p r od uce  a wei g ht i ng  fa ct or an d a se ns or  dri f t   v a lu e.  Th e  th i r d  o p e ration  u s es  th e weigh tin g  and  sen s or d r ift  i n fo rm ati o n  to  produ ce th e  fu sed  d a ta an d  a  q u a lity tag .  Th e qu ality tag  is sid e b a nd  data th at can  b e  u s ed   b y  th e CSP to  ad ap t  to  sen s o r  drift, d a ta  sam p ling issue s , etc.      3.   C S P AR CHITEC TUR E   Th e CSP is an ev en t d r i v en  syn c hr ono us data f l o w  arc h itecture. It is “co m p o s ed ” b y   in stan tiatin g  functional elements that are conn ect ed  v i a chan nel s . The f unct i ona l  el em ent s  provi de key  o p e rat i onal   services  com m only called “actors”  in a   dataflow  syst em . In the  current im ple m entation t h e c h annels a r e   m odeled as bounded FIFOs .  The  in form a tion  datum  that is comm unicat ed via the  cha nnel i n terface is   refe rre d t o  as  a  “t ok en” .  Fi gu r e  7  bel o w  sh o w s t h e  fi ve  bas i c fu nct i o nal  el em ent s  t h at  are  use d  t o  c o m pose a   CSP:   1. Sens or El em ent  - Trans duc er and R ead out  C i rcui t r y  2. Sens or  Dat a  C ondi t i oni ng  ( S DC ) El em ent  3. Dat a fl ow  Pr ocessi ng El em ent  (DPE)   4. C o m m uni cati ons El em ent     5. De bu g El em ent         Fi gu re 7.   C SP B l ock Di ag ram       Th e ou tpu t  from th e read ou t  circu itry in  th e Sen s o r  Elem e n t will g e n e rally b e  an  an al og  sign al th at   will requ ire some ad d ition a l  an alog   p r o cessin g   su ch  as  filterin g , am p lificatio n  and  co nv ersi o n  to a  d i g ital  rep r ese n t a t i o n  usi ng a n  an al og -t o- di gi t a l  con v ert e r ( A DC ). T h i s  ad di t i onal  p r oce ssi ng i s  d one  i n  a  pre p r o cessi ng  uni t  i n  t h e S D C  el em ent .  The C SP  m a y  opt i onal l y  cont ai n o n e o r  m o re dat a fl o w - p r o c e ssi n g   ele m ents (DPE ) that  process  the  da ta from  the SDC a n d c o mm unicate the  output data  via the COM el e m ent  to a receiving  device.  In addi tion to  these four elem ents,  an optional debug elem ent c a n be  used to  debug  fu nctio nal failu res a n d  rec o nfi g u r e t h e CSP  d u ri ng  n o rm al operatio ns.     Thi s  pl at f o rm   i s  desi gne d t o  sup p o r t  a rea s on abl y  wi de  vari et y  of se n s i ng t ech ni q u e s  i n cl udi ng ,  voltage , resistive, capacitive, induc tive,  opti cal,  m a gnetic, force and acce leration. Ty pical e m bedde d sensors  would i n clude  strain gauges,  piezoel ect ri c d e vi ces, ph ot ot r a nsi s t o rs, hal l - effect  devi ces,  t h erm o -co upl e s ,  i o n- sensitive tra n si stors, ca pacitiv e displacem ent  de vices, a n d  bi o-se nsing  de vices [18].     CO M   Element   Se ns o r  El e m e nt(s )   Data flo w   P r o cessin g   El em ent(s )  T r ansd ucer( s )   Read out   C i r c ui tr y   Se nso r  Data   Co nditi on ing   El e m en t    Fe ed b a c k   & Co nt r o l  D e bu g  El e m e nt  (O pti o n a l )   Evaluation Warning : The document was created with Spire.PDF for Python.
I J ECE   I S SN :  208 8-8 7 0 8     C o g n i t i ve Se ns or Pl at f o r m  ( M ark Mc  De rm o t t)   52 6 The se ns or   dat a -c on di t i oni ng  el em ent   pr o v i d es a  b r oa d  ran g e  o f  dat a  c o n d i t i oni n g  a n d   tran sform a t i o n  serv ices. Th ese serv ices in clu d e  sign al  con d ition i ng , sign al con v e rsion, d e tectio n   functio n s ,  dat a -re d u ct i o n  and  dat a -f usi o n.T h e  hi g h -l e v el  bl oc k  di ag ra m  for t h e  SDC  el em ent  i s  sh o w n  bel o w  i n   F i gu re  8.  The  SDC contains t h ree  ba sic units:   1 .  Prep ro cessi ng  u n it (PPU)  - in cl u d e s filters, A/ D co nv erters, etc.  2.  Fu nct i o nal  s e rvi ces  u n i t  (F SU)  -  pe rf orm s  dat a  c o n d i t i o n i ng  ser v i ces.   3. C h a nnel   n o d e (s)         Fi gu re  8.  Se ns or  Dat a  C o n d i t i oni n g   (S DC )   El em ent  B l ock  Di ag ram       A typical preprocessi ng uni t  contains som e  co m b ination  of the followi ng c o m ponents: filters ,  a m p lifiers, an alo g -to - d i g ital co nv erters (ADC), sam p le -h o l d  circu its an d  an alog  m u ltip le x o rs as sho w n   b e low  in  Figur e  9 .           Fi gu re  9.  Ty pi cal  con f i g ur at i o n  o f  a  PP U       The F S U ca n  be i m pl em ent e d u s i n g a sy nt hesi zed  ha rd -c ode d l o gi c  uni t  or  wi t h  a m i croc ode d   engi ne s u c h  as  t h e  DPE.  T h e  sy nt he sized implem entation is prefe rre d  for  basic se rvices i n cluding a v era g ing,  d a ta co m p ressio n , tran sition   co un ting ,  ev ent trig g e ring  and  t h resho l d   d e tectio n .  Th e micro c o d e d  eng i n e  is  b e st su ited  fo r  th e co m p lex  serv ices, as th ey  typ i cally  require com p licated processing  o f  t e m poral  dat a .  These   i n cl ude  ser v i c e s  suc h  as l i n ea ri zat i on a n d s m oot hi ng,  ed g e  det ect i o n ,   da t a  sup p r essi o n ,  dat a  f u si o n ,  fi l t e ri ng  and si gn al  rep r od uct i o n. C h an nel  n ode s ha n d l e al l  t r an sm i s si on  a nd b u f f eri ng of dat a   bet w een  t h e  F unc t i onal   Service Unit (FSU) and t h e  PPU. The FS U  i s  “fi r ed”  w h e n  t h e c h an nel   no de  has  bu ffe red al l  t h e t o ke n dat a   fro m  th e PPU an d  is read y  to  tran sm it i t . Ch ann e l nod es are also  used to  tran sm it d a ta b e tween  m u ltip le   dat a fl o w   pr oce ssi ng  el em ent s  as desc ri be d  be l o w i n  Sect i o n  4.   The dat a fl ow  pr ocessi ng el e m ent  (DPE)  u s ed f o r t h is pl atform  is  im ple m ented as a  stack-base d   micro c od ed eng i n e   with adv a n ce  features such  as n e sted  l o o p i n g , co nd ition a l execu tion ,   rep eat ex ecu tion  an d  a p r o g ram m abl e  l o o k u p  t a bl e  f o r  rec o n f i g ur abl e  f u nct i onal  o p erat i o ns  [ 1 9] . Fi gu re  10   bel o w s h ows  a  bl oc k  di ag ram  of t h e DPE i m pl em ent e d  usi n g t h re e Que u e d -St a c k  ( Q S) el em ent s  and o n e  out put  F I F O . T h e  i nput   QS elem ents are used to  rece ive cha n nel da ta from  two  so urces  o r  t h ey  c a n  be c o n f igured s u ch that  one  QS  ele m ent is receiving  data  while the ot her is  processi ng  da ta from  a pre v ious tra n saction. T h e Res u lt-QS is   u s ed  to store the resu lts of th e  d a tap a th op eratio n s .    Funct i o n al   Se r v i c e s  Uni t  ( F SU)    Signal   Da ta  T o k e ns  Sideba nd   Da t a  T o ke ns     P r e p roc essi n g   Uni t  (PPU )    Condi t i on ing   Con ver sio n   Det ect i on  Redu ct ion  Inp u t   fro m   Sen s or  Reado u t   Ci rcui try    Fus i o n  Control  Ti m e  S t a m p i n g   C h a nnel   N ode  Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN :  2 088 -87 08  I J ECE Vo l. 4 ,  N o . 4 ,  Au gu st 2 014   :   52 0  –  53 1  52 7 The DP E i s  im pl em ent e d usi n g a param e t e rized sy nt hesi ze d m odel  where  t h e wi dt h an d dept h of t h e   stack s,  fun c tion a l un its, an d data-p ath s  are determin ed   du ri ng  al g o ri t h m i c devel opm ent time. For systems that   are com posed  of m u ltiple DPEs, it is  feasible for each  DPE to be confi g ur e d  for a task or group  of  tasks  du ri n g  t h e sy nt hesi s  pr ocess  b y  sel ect i ng t h e   opt i m al  param e t e rs.    The m i crocode  st orage i s  i m pl em ent e d usi ng a st an da rd  si ngl e p o rt  R O M  or R A M / WC S  m e m o ry   com p i l e r. The  R A M / W C S c o nfi g u r at i o n  i s   usef ul  f o r sy st em s whe r e t h e  m i croco d e  nee d s t o  be  u pdat e d f r o m   an e x ternal source s u ch as  flas h m e m o ry [20].          Fi gu re  1 0 .  Dat a fl o w  P r oce ssi ng  El em ent  bl o c k  di ag ram       4.   SYSTE M  CO MPO S ABILI T Y  Co m p o s ab ility p r o v i d e s th e  ab ility to  sele ct “co m p o s ab le” ele m en ts a n d  assem b le th em  in to  a   topology nee d ed for a s p ecific algor ith m .  Fo r an   SDF el e m en t to  b e  co m p o s ab le it  m u st b e   m o d u lar (self  cont ai ne d )  a n d  can  be  de pl o y e d i n de pen d e n t l y . It  m u st  also  be stateles s which m eans that it treats  eac h  req u est  (o r  firi ng ) as  a n  in de pen d e n t tra n sa ction,  u n related  to an y prev i o u s  requ est  [21 ] . Th e co m p ositio n   rules f o r  t h is platform   are:  Rule 1 :  All in pu ts to  an  elem en t (act o r ) will h a v e  a FIFO  qu eu e.  Th e ou tpu t  can h a v e  a  q u e u e   to  satisfy th e  n eed of  R u le #3   b e low .     Rule 2 :  All d a ta p r op ag ates th ro ugh  a d a taflow n e t w or k  via channels. Note: channel nodes conve r t dat a   str eam s as  th ey p a ss th ro ugh th e n e tw ork ,   e.g .  Ser i al- P arallel, Par a llel- Ser i al, Str eam - F LI T, FLI T - Stream , etc.  Rule 3 :  Fo r  PUSH M ODE  op eration ,  Read s to  the FI FO will b l o c k, howev er  Writes will not. For PULL  M ODE  op erat i on t h e i nve rse  i s  t r ue. Thi s   pl at fo rm  i s  desi gne d t o  s u p p o rt  b o t h   PU S H  an d P U L L   m ode ope rat i o n.    Rule 4 :  Th e co m p o s ed system  will b e  d e term in ate wh ich   re qu ires th at each  act or is  fun c tion a l  an d th at t h e  set of firi ng  rules are sequent i al. “Functiona l”  m eans  that an actor  firing  lack s side effe cts and that   th e ou tpu ttok e n s  are  p u rely a  fun c tion   o f  t h e  in pu t tok e ns con s u m ed  in th at  firing .    Rule 5 :  Ele m en ts can   b e  so ft ware rou tin es. Ru le  #4  stat es that these  routines   can   be m ove d  t o  al t e r n at e  com put at i onal   engi nes a n d e x ecut e  wi t h o u t   m odi fi cat i on.    The com posa b l e  pl at form  i s   im pl em ent e d us i ng an e v ent  d r i v en sy nc hr o n ous  dat a fl o w  a r chi t ect u r e.  The system   is “com posed”  by instantiating datafl ow-p rocessing elements (DPE )  that are connect ed via  PU S H   PO P / I N S E RT   PU SH   TO S   BOS   TO S   BOS   OUTP UT   C H A NNE L   DAT A   IM M E DI A T E   DAT A   RE S U LT_ B U S   I nput   Queu ed ‐ St ac k   Re sul t   Qu eued ‐ St a c k   RESULT _ B US   RE S U LT_ B US     PO P / I N SE RT   PU S H   TO S   BOS   I nput   Queu ed ‐ St ac k   RE SUL T _ B U S   INP U T    CHA N NE L   DA T A           Datapath               Output   FIFO   ( C hanne l   Nod e )       RESULT_ B U S     PO P/ I N SE RT     Mi cr o ‐ Co d e   Eng i ne       S e que ncer     GPI O   IN P U T   GP I O   OUT P U T   RE S U L T _ B U S   Act o r / E v e n t   Qu e u e   Ev e n t s   Re ci rc u l a t e d   Acto rs   INP U T    CHA N NE L   DA T A   Evaluation Warning : The document was created with Spire.PDF for Python.
I J ECE   I S SN :  208 8-8 7 0 8     C o g n i t i ve Se ns or Pl at f o r m  ( M ark Mc  De rm o t t)   52 8 chan nel s .  Th e  DPE s   pr ovi d e  key   fu nct i o nal  ser v i ces  ( act ors )  i n  t h e  dat a fl ow  sy s t em . In t h e c u r r ent   i m p l e m en tatio n  th e i n pu ts to   th e acto r s are  m o d e led  as bou nd ed  qu eu es  as it is p o ssi b l e to  d e term in e  a-priori   what t h e  dept h  of each que u e  needs to be  duri ng al gorithm i c  m a pping a n d s y ste m  level  m odeling.  Fi gu re  1 1   bel o w s h o w s  an  ex am pl e of  a c o m posed sy st e m  wi t h  fu nct i o nal  an d c h a nne l  no des .  I n  t h i s   exam ple the channel nodes  are use d   to  co nv ert d a ta fro m  th e sen s or ele m en t in to  d a ta to k e n s  t h at are  fo rwa r ded t o  t h e D P Es. T h e  C o m m uni cat ions  El em ent  i s  an eve n t  d r i v en f unct i onal   no de a nd  fol l o ws t h e   co m p o s ab ility ru les  d e scrib e d abo v e .          Fi gu re  1 1 . C o m posed sy st em  sh owi n g  f u nct i onal  a n d  ch an nel  n o d es       Fi gu re  1 2  b e l o w s h o w s  a se n s or  sy st em  t opol o g y  w h e r e t h e cha nnel   n ode s are c o nfi g u r e d  as  r out e r s.   The ch an nel  r o ut i ng  n odes  r o ut e t oke ns t h r o ug h t h e  net w or k i n  a p r e d efi n ed pat t e r n . T h e  ro ut i ng  pat t e r n s are  lo ad ed   du ring  syste m  in itial i zatio n  and  are static. Th es e typ e s  of n e twork  top o l o g i es p r ov id e flex i b ility  in   bui l d i n g  a  wi d e  ra nge  o f  se ns or  pl at f o rm s at  t h e ex pe nse  of   i n crease d  e n er gy  us age  [ 22] .           Fi gu re  1 2 . C o m posed sy st em  sh owi n g  c h an nel  n o d es c o nfi g u r e d  as  r out er s      5.   M O D ELING a n d  PROGRA MM IN G  The C SP i s  m odel e d, a n al y zed an d  pr o g ra m m e d usi ng  M A TLAB / Si m u l i nk  an d Si m E ve nt s fr om   M a t h Wor k s  [2 3] . Si m E vent s  i s  an e v e n t - bas e d si m u l a t o r t h at  w o rks  i n  c o n j unct i o n  wi t h  Si m u l i nk t o   m odel  bot h t i m e based a nd e v e n t  d r i v en  sy st em s. The se ns or a n d  ADC  s u b-sy st e m  can be desc r i bed i n  M A T L A B  o r   built from  Sim u link library m odels . The  out put  of the  ADC is conve rted  into  a signal-e vent that is processe d  b y  th e  Sim E v e n t s sim u lato r. Sim E v e n t s does no t do  co mp u t ation a l simu latio n   bu t rat h er  sim u lates t o k e n s   (en tities) p r opag a tin g  thro ugh  th e SDF  n e twork. Each   resou r ce in  th e n e twork  can b e  in stru m e n t ed  to   d e term in e if th ere are an y erro rs as the to k e n s  prop ag ate through  th e n e t w ork .  Add itio n a ll y th e  in stru m e n t atio n  en ab les d e bug  cap a b ility b y  prov id i n g v i si b ility to  v a ri o u s p a ram e ters in  a n e t w ork  resou r ce.    Evaluation Warning : The document was created with Spire.PDF for Python.
                        I S SN :  2 088 -87 08  I J ECE Vo l. 4 ,  N o . 4 ,  Au gu st 2 014   :   52 0  –  53 1  52 9     Fi gu re  1 3 . C S P  Si m E vent s M odel       Fig u r e   1 3  above sho w s a CSP Sim E v e n t s mo d e l  w ith  t w o   Fun c tio n a l  Serv ice Un its (FSU )  and  thr e e  Dataflow Proc essing  Elem en ts. The  FSUs  are token ge ne ra to rs th at laun ch  t o k e n s  i n t o  th e  n e two r k .  Each  t oke n has t w o  at t r i but es as sh ow n a b o v e i n   Fi gu re 1 4 . T h e  DPE’ s p r oces s  t h e t oke ns an d  t h en o u t p ut s t h em  t o   a comm unications  elem ent that is m odeled a s  a toke n sink.    DPE _1 a n d D P E_ 2 are m odel e d wi t h  a si ngl e que ue a nd a  si ngl e act o r  as  sho w n bel o w i n  Fi g u re  1 4 .   Not e  t h e i n st r u m e nt at i on po rt s on t h e actor. These are us ed to determin e optim al resource allocation for the   single queue   DPE.          Fig u r e  14 . Sing le  qu eu e D P E  m o d e l      DPE _3 i s  m o d e l e d wi t h  t w o  que ues ,  a t o ke n com b i n er , t o ken c o ns um er  and a si n g l e  act or as s h o w n   b e low  in Figure 15 .        Fig u re  15 . M u ltip le Qu eu e  DPE m o d e l      Th e CSP is prog ramm ed  b y  selectin g  actors fro m  a lib rary an d in stan tiating  th em  o n  a DPE.  A  b r o a d  selectio n   o f  acto rs are av ailab l e in clud i n g :   d i g ital filtering   fun c tion s ,  deci m a tio n ,  lin earizatio n ,  av erag ing ,   Evaluation Warning : The document was created with Spire.PDF for Python.