Low-Power Neuromorphic Sound Source Localization

Abstract

I denne hovedoppgaven presenterer vi et neuromorft system for lydkildelokalisering basert på Jeffress sin lokaliseringsmodell. Systemet bruker nevral spike-koding og asynkrone delay-linjer for a beregne krysskorrelasjonen i tidsdomenet og bestemme tidsforsinkelsen mellom binaurale inngangssignaler. Vår tilnærming kan potensielt gi bedre ytelse enn dagens lokaliseringssystemer, med hensyn til effektforbruk og responstid. I de simulerte testene kan systemet estimere tidsforsinkelsen med omtrent 10us nøyaktighet, med et gjennomsnittlig effektforbruk på 350nW. Simuleringene viser også at systemet kan reagere på forandringer i tidsforsinkelsen på under et millisekund. Systemet er derimot svært avhengig av nøyaktig komponentmatching, og vil derfor kreve ytterligere former for kalibrering før fysisk implementering er mulig.

In this thesis, we present a neuromorphic approach to the sound source localization problem, based on the Jeffress model of sound source localization. The proposed system uses binary neural spike coding and asynchronous axonal delay lines to efficiently compute the cross-correlation in the time domain and determine the interaural time delay (ITD) between binaural input signals. While more research is needed, the proposed approach potentially offers significant improvements over current hardware implementations, with regards to power consumption and response time. In the test cases simulated, the system estimates the ITD to within 10us, with an average power consumption of 350nW. Simulations also showed a sub-millisecond reaction time to changes in the ITD. However, the proposed system is highly dependent on accurate component matching for proper functioning, and we find that additional compensation techniques would be required for a fabricated chip.