Virtex-5 FPGA User Guide;
Virtex-5 Family Overview;
标准包装 1
包装 托盘
零件状态 在售
类别 集成电路（IC）
产品族 嵌入式 - FPGA（现场可编程门阵列）
系列 Virtex®-5 LX
规格
LAB/CLB 数 8640
逻辑元件/单元数 110592
总 RAM 位数 4718592
I/O 数 440
电压 - 电源 0.95V ~ 1.05V
安装类型 表面贴装
工作温度 0°C ~ 85°C（TJ）
封装/外壳 676-BBGA，FCBGA
供应商器件封装 676-FCBGA（27x27）
文档
设计资源 Development Tool Selector
HTML 规格书 Virtex-5 FPGA Datasheet
Virtex-5 Family Overview
PCN 设计/规格 Cross-Ship Lead-Free Notice 31/Oct/2016
· 对于频率域和时域，特征都应该尽可能完整地描述环境，提供尽可能多的细节。它们必须描述静止的嗡嗡声，以及咔哒声、
哗啦声、吱吱声和任何瞬间变化的声音。
· 特征应尽可能按正交方式构成一个集合。如果一个特征被定义为“块上的平均振幅”，那么就不应该有另一个特征与之高度相
关，例如“块上的总光谱能量”。当然，正交性可能永远无法实现，但不应将任何一种表述为其他特征的组合，每种特征都必须
包含单一信息。
· 特性应该最小化计算量。我们的大脑只知道加法、比较和重置为 0。大多数 OtoSense 特性都被设计成增量，这样每个新示
例都可以通过简单的操作修改特性，而不需要在完整的缓冲区，或者更为糟糕的，在块上重新进行计算。最小化计算量还意味
着可以忽略标准物理单元。例如，尝试用值(以 dBA 为单位)表示强度是没有意义的。如果需要输出 dBA 值，则可以在输出时
完成(如果必要)。
在 OtoSense 平台的 2 到 1024 个特性中，有一部分描述了时域。它们要么是直接从波形中提取，要么是从块上任何其他特性
的演化中提取。在这些特性中，有些包括平均振幅和最大振幅、由波形线性XC5VLX110-2FFG676C长度得到的复杂度、振幅变化、脉冲的存在与否和
其特性、第一个和最后一个缓冲区之间相似性的稳定性、卷积的超小型自相关或主要频谱峰值的变化。
在频域上使用的特性提取自 FFT。FFT 在每个缓冲区上计算，产生从 128 到 2048 个单独频率的输出。然后，该过程创建一个
具有所需维数的向量，该向量比 FFT 小得多，但仍能细致地描述环境。OtoSense 最初使用一种不可知的方法在对数频谱上创
建大小相同的数据桶。然后，根据环境和要识别的事件，这些数据桶将重点放在信息密度高的频谱区域，要么是从能够熵最大
化的无监督视角，要么是从使用标记事件作为指导的半监督视角来判断。这模拟了我们的内耳细胞结构，在语言信息密度最大
的地方，语音细节更密集。
结构：支持终端和本地数据
OtoSense 在终端位置实施异常检测和事件识别，无需使用任何远程设备。这种结构确保系统不会受到网络故障的影响，且无
需将所有原始数据块发送出去进行分析。运行 OtoSense 的终端设备是一XC5VLX110-2FFG676C种自包含系统，可以实时描述所鉴听设备的行为。
听懂声音——ADI公司的人工智能如何大幅延长设备的正常运行时间
图1.OtoSense 系统。
运行 AI 和 HMI 的 OtoSense 服务器一般托管在本地。云架构可以将多个有意义的数据流聚合成为 OtoSense 设备的输出。对
于一个专门处理大量数据并在一个站点上与数百台设备交互的 AI 来说，使用云托管的意义不大。
从特性到异常检测
正常/异常评估无需与专家进行太多交互。专家只需要帮忙确定表示设备声音和振动正常的基线。然后，在推送给设备之前，
先将这个基线在 Otosense 服务器上转换为异常模型。
然后，我们使用两种不同的策略来评估传入的声音或振动是否正常：
· 第一种策略是我们所说的“常态性”，即检查任何进入特性空间的新声音的XC5VLX110-2FFG676C周围环境、它与基线点和集群的距离，以及这些集
群的大小。距离越大，集群越小，新的声音就越不寻常，异常值也就越高。当这个异常值高于专家定义的阈值时，相应的块将
被标记为不寻常，并发送到服务器供专家查看。
· 第二种策略非常简单：任何特性值高于或低于特性定义的基线的最大值或最小值的传入块都被标记为“极端”，并发送到服务
器。
异常和极端策略的组合很好地涵盖了异常的声音或振动，这些策略在检测日渐磨损和残酷的意外事件方面也表现出色。
从特征到事件识别
特征属于物理领域，含义属于人类认知。要将特征与含义联系起来，需要 OtoSense AI 和人类专家之间展开互动。我们花了
大量时间研究客户的反馈，开发出人机界面 (HMI)，让工程师能够高效地与 OtoSense 交互，设计出事件识别模型。这个 H
MI 允许探索数据、标记数据、创建异常模型和声音识别模型，并测试这些模型。
OtoSense Sound Platter(也称为 splatter)允许通过完整概述数据集XC5VLX110-2FFG676C探索和标记声音。Splatter 在完整的数据集中选择最有趣
和最具代表性的声音，并将它们显示为一个混合了标记和未标记声音的 2D 相似性地图。
