ZHDA204 June   2026 MSPM0G5187

 

  1.   1
  2.   摘要
  3.   商标
  4. 1简介
  5. 2带 TinyEngine NPU 的 MSPM0G5187
  6. 3边缘 AI 工具链
    1. 3.1 TI Edge AI Studio
    2. 3.2 TI Tiny ML Tensorlab
    3. 3.3 TI 神经网络编译器
  7. 4边缘 AI 应用领域：数字识别
    1. 4.1 LeNet-5 变体 CNN 模型
    2. 4.2 NPU/CPU 性能比较
  8. 5边缘 AI 应用领域：波形分类器
    1. 5.1 特征提取
    2. 5.2 时序分类模型
    3. 5.3 模型内存注意事项
    4. 5.4 NPU/CPU 性能比较
  9. 6总结
  10. 7参考资料

5 边缘 AI 应用领域：波形分类器

MSPM0 提供了一种实验性波形分类器设计，能够对输入信号进行实时、连续的检测和分类，识别正弦波、三角波和锯齿波等常见波形类型。该设计基于一个 13K 参数的时间序列分类模型，具有较强的可扩展性和可移植性。

该波形分类器系统实现了 100%（R 平方）的分类准确率，推理延迟仅为 5.84ms，同时仅占用 21.5KB 的闪存和 3.3KB 的 RAM，如表 5-6 所示。

表 5-1 波形分类器边缘 AI 解决方案性能
Metric值
精度100%
闪存使用情况21.5KB
RAM 使用情况3.3KB
推理延迟 (NPU)5.84ms
推理功耗 (AVG)412.90uJ

表 5-5 显示了模式主要信息。

表 5-2 波形分类器 AI 模型信息
属性值
模型架构CNN
参数数量14,124
输入形状张量 [(1, 1, 128, 1)]
输出类3（锯齿波、正弦波、方形波）
量化INT8