电子发烧友网>电子资料下载>电子资料>为 IoT 设计添加高性能语音关键字识别：第 1 部分 – 使用 FPGA

为 IoT 设计添加高性能语音关键字识别：第 1 部分 – 使用 FPGA

2078772 2022-11-25 | pdf | 296.01KB | 次下载 | 2积分

资料介绍

编者注：使用一类新兴的高效算法，任何开发人员现在都可以在低功耗、资源受限的系统上部署复杂的关键字识别功能。这个由两部分组成的系列的第一部分将展示如何使用 FPGA 来实现。编者注：使用一类新兴的高效算法，任何开发人员现在都可以在低功耗、资源受限的系统上部署复杂的关键字识别功能。这个由两部分组成的系列的第一部分将展示如何使用 FPGA 来实现。第二部分第二部分将展示如何使用 MCU 来做到这一点。将展示如何使用 MCU 来做到这一点。随着响应“Alexa”、“Hey Siri”或“Hi Google”等关键短语的产品取得成功，关键词发现 (KWS) 已成为越来越多的嵌入式应用程序的重要要求。虽然典型的最先进 KWS 解决方案依赖于复杂的卷积神经网络 (CNN) 和其他深度神经网络 (DNN) 机器学习算法，但资源受限产品的开发人员可以使用二值化神经网络获得所需的准确结果（ BNN）。随着响应“Alexa”、“Hey Siri”或“Hi Google”等关键短语的产品取得成功，关键词发现 (KWS) 已成为越来越多的嵌入式应用程序的重要要求。虽然典型的最先进 KWS 解决方案依赖于复杂的卷积神经网络 (CNN) 和其他深度神经网络 (DNN) 机器学习算法，但资源受限产品的开发人员可以使用二值化神经网络获得所需的准确结果（ BNN）。本文介绍了将 KWS 添加到可穿戴设备和其他低功耗物联网设备的好处，然后概述了挑战。在描述了 BNN 架构以及为什么它是资源受限 KWS 应用程序的好方法之后，本文介绍了一个可用的解决方案，该解决方案使用低功耗 FPGA 实现 BNN。该解决方案将用于展示如何以 CNN 资源需求的一小部分实现低功耗 KWS 实施的 CNN 的高精度。本文介绍了将 KWS 添加到可穿戴设备和其他低功耗物联网设备的好处，然后概述了挑战。在描述了 BNN 架构以及为什么它是资源受限 KWS 应用程序的好方法之后，本文介绍了一个可用的解决方案，该解决方案使用低功耗 FPGA 实现 BNN。该解决方案将用于展示如何以 CNN 资源需求的一小部分实现低功耗 KWS 实施的 CNN 的高精度。KWS的起源和演变KWS的起源和演变KWS，也称为关键短语检测，多年来一直在信息处理中得到应用。例如，在文档处理中，KWS 为索引大量数字化文档提供了一种比光学字符识别更有效的替代方法。随着智能手机、手表、家居产品和其他产品中语音激活服务的可用性，基于语音的 KWS 方法在产品开发中迅速受到关注。在这些产品中，“始终在线”功能允许产品持续处理音频输入，寻找旨在激活基于语音的用户界面的关键字。KWS，也称为关键短语检测，多年来一直在信息处理中得到应用。例如，在文档处理中，KWS 为索引大量数字化文档提供了一种比光学字符识别更有效的替代方法。随着智能手机、手表、家居产品和其他产品中语音激活服务的可用性，基于语音的 KWS 方法在产品开发中迅速受到关注。在这些产品中，“始终在线”功能允许产品持续处理音频输入，寻找旨在激活基于语音的用户界面的关键字。XMOS XMOS VocalFusion 4-Mic 套件VocalFusion 4-Mic 套件等板级产品提供与亚马逊语音服务的完全集成，为在许多应用程序中添加语音助手服务提供现成的解决方案。然而，对于功率预算有限的可穿戴设备或其他电池供电产品，开发人员在很大程度上不得不寻找自己的 KWS 解决方案。等板级产品提供与亚马逊语音服务的完全集成，为在许多应用程序中添加语音助手服务提供现成的解决方案。然而，对于功率预算有限的可穿戴设备或其他电池供电产品，开发人员在很大程度上不得不寻找自己的 KWS 解决方案。