ARIA：Tang Nano 20K 上的硬件神经网络加速器与边缘空气质量分类器

ARIA（Air Quality Real-time Intelligence Accelerator）是基于Tang Nano 20K FPGA的实时空气质量分类系统，核心突破在于实现INT8量化两层神经网络的硬件推理流水线，无需云端或外部处理器即可完成从数据采集到分类的全过程。系统采用双可穿戴设备架构（暴露监测+生理响应），融合环境与生理数据，具有低延迟、低功耗、隐私性强的优势，适用于可穿戴设备和个人健康监测场景。

• 原作者/维护者：fareeha-ffk
• 来源平台：GitHub，项目链接：https://github.com/fareeha-ffk/ARIA
• 发布时间：2026年6月16日 传统云端推理存在延迟高、功耗大、隐私泄露风险；单一环境监测无法结合个体生理反应，单一生理监测易误报。ARIA旨在解决这些问题，实现边缘端的智能分类。

双设备架构

1. 暴露监测设备：采集PM2.5、VOC、温度、湿度、CO2等环境数据；
2. 生理响应设备：监测心率、血氧饱和度（SpO2）、呼吸频率、心率变异性（HRV）等生理指标；
3. 推理核心：Tang Nano 20K FPGA运行INT8量化两层神经网络，融合5维输入（PM2.5、VOC、热指数、心率、SpO2）输出安全/警告/危险三类结果。 硬件实现：采用Verilog RTL级设计，INT8量化减少资源占用，自定义时钟逻辑处理同步问题，针对边缘环境设计容错机制。

资源约束应对：通过网络剪枝（两层极简架构）、INT8量化（减少75%存储计算）、定点运算、RTL优化适配FPGA资源； 传感器可靠性：时钟同步机制确保数据一致性，异常值过滤处理故障读数，传感器失效时用其他数据补偿推理； 功耗平衡：本地推理降低通信功耗，平衡计算与通信功耗； 移动端反馈闭环：配套App收集用户症状反馈，用于模型验证、个性化校准、长期健康追踪。

当前阶段：实现Tang Nano 20K上的INT8两层神经网络推理核心，支持5维传感器输入，完成Verilog RTL设计与验证； 未来规划：集成完整双可穿戴设备，引入BiLSTM进行时序模式分析，实现时间维度异常检测（如识别渐进式健康风险）。

• 硬件-算法协同：针对FPGA特性定制网络架构与量化策略；
• 多模态融合：环境与生理数据结合提升分类准确性；
• 隐私优先：本地推理保护敏感健康数据；
• 开放硬件生态：低成本国产FPGA平台（Tang Nano 20K）降低边缘AI原型开发门槛。

ARIA架构可拓展至：

1. 职业健康监测（工厂、矿工等暴露监测）；
2. 运动健康优化（跑步/骑行时空气质量与生理负荷平衡）；
3. 儿童健康保护（学校/幼儿园环境监控）；
4. 老年关怀（独居老人环境安全与健康监测）；
5. 城市环境研究（众包式空气质量地图绘制）。