電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>為 IoT 設(shè)計(jì)添加高性能語音關(guān)鍵字識別：第 1 部分 – 使用 FPGA

為 IoT 設(shè)計(jì)添加高性能語音關(guān)鍵字識別：第 1 部分 – 使用 FPGA

2078772 2022-11-25 | pdf | 296.01KB | 次下載 | 2積分

資料介紹

編者注：使用一類新興的高效算法，任何開發(fā)人員現(xiàn)在都可以在低功耗、資源受限的系統(tǒng)上部署復(fù)雜的關(guān)鍵字識別功能。這個(gè)由兩部分組成的系列的第一部分將展示如何使用 FPGA 來實(shí)現(xiàn)。編者注：使用一類新興的高效算法，任何開發(fā)人員現(xiàn)在都可以在低功耗、資源受限的系統(tǒng)上部署復(fù)雜的關(guān)鍵字識別功能。這個(gè)由兩部分組成的系列的第一部分將展示如何使用 FPGA 來實(shí)現(xiàn)。第二部分第二部分將展示如何使用 MCU 來做到這一點(diǎn)。將展示如何使用 MCU 來做到這一點(diǎn)。隨著響應(yīng)“Alexa”、“Hey Siri”或“Hi Google”等關(guān)鍵短語的產(chǎn)品取得成功，關(guān)鍵詞發(fā)現(xiàn) (KWS) 已成為越來越多的嵌入式應(yīng)用程序的重要要求。雖然典型的最先進(jìn) KWS 解決方案依賴于復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò) (CNN) 和其他深度神經(jīng)網(wǎng)絡(luò) (DNN) 機(jī)器學(xué)習(xí)算法，但資源受限產(chǎn)品的開發(fā)人員可以使用二值化神經(jīng)網(wǎng)絡(luò)獲得所需的準(zhǔn)確結(jié)果（ BNN）。隨著響應(yīng)“Alexa”、“Hey Siri”或“Hi Google”等關(guān)鍵短語的產(chǎn)品取得成功，關(guān)鍵詞發(fā)現(xiàn) (KWS) 已成為越來越多的嵌入式應(yīng)用程序的重要要求。雖然典型的最先進(jìn) KWS 解決方案依賴于復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò) (CNN) 和其他深度神經(jīng)網(wǎng)絡(luò) (DNN) 機(jī)器學(xué)習(xí)算法，但資源受限產(chǎn)品的開發(fā)人員可以使用二值化神經(jīng)網(wǎng)絡(luò)獲得所需的準(zhǔn)確結(jié)果（ BNN）。本文介紹了將 KWS 添加到可穿戴設(shè)備和其他低功耗物聯(lián)網(wǎng)設(shè)備的好處，然后概述了挑戰(zhàn)。在描述了 BNN 架構(gòu)以及為什么它是資源受限 KWS 應(yīng)用程序的好方法之后，本文介紹了一個(gè)可用的解決方案，該解決方案使用低功耗 FPGA 實(shí)現(xiàn) BNN。該解決方案將用于展示如何以 CNN 資源需求的一小部分實(shí)現(xiàn)低功耗 KWS 實(shí)施的 CNN 的高精度。本文介紹了將 KWS 添加到可穿戴設(shè)備和其他低功耗物聯(lián)網(wǎng)設(shè)備的好處，然后概述了挑戰(zhàn)。在描述了 BNN 架構(gòu)以及為什么它是資源受限 KWS 應(yīng)用程序的好方法之后，本文介紹了一個(gè)可用的解決方案，該解決方案使用低功耗 FPGA 實(shí)現(xiàn) BNN。該解決方案將用于展示如何以 CNN 資源需求的一小部分實(shí)現(xiàn)低功耗 KWS 實(shí)施的 CNN 的高精度。KWS的起源和演變KWS的起源和演變KWS，也稱為關(guān)鍵短語檢測，多年來一直在信息處理中得到應(yīng)用。例如，在文檔處理中，KWS 為索引大量數(shù)字化文檔提供了一種比光學(xué)字符識別更有效的替代方法。隨著智能手機(jī)、手表、家居產(chǎn)品和其他產(chǎn)品中語音激活服務(wù)的可用性，基于語音的 KWS 方法在產(chǎn)品開發(fā)中迅速受到關(guān)注。在這些產(chǎn)品中，“始終在線”功能允許產(chǎn)品持續(xù)處理音頻輸入，尋找旨在激活基于語音的用戶界面的關(guān)鍵字。KWS，也稱為關(guān)鍵短語檢測，多年來一直在信息處理中得到應(yīng)用。例如，在文檔處理中，KWS 為索引大量數(shù)字化文檔提供了一種比光學(xué)字符識別更有效的替代方法。隨著智能手機(jī)、手表、家居產(chǎn)品和其他產(chǎn)品中語音激活服務(wù)的可用性，基于語音的 KWS 方法在產(chǎn)品開發(fā)中迅速受到關(guān)注。在這些產(chǎn)品中，“始終在線”功能允許產(chǎn)品持續(xù)處理音頻輸入，尋找旨在激活基于語音的用戶界面的關(guān)鍵字。XMOS XMOS VocalFusion 4-Mic 套件VocalFusion 4-Mic 套件等板級產(chǎn)品提供與亞馬遜語音服務(wù)的完全集成，為在許多應(yīng)用程序中添加語音助手服務(wù)提供現(xiàn)成的解決方案。然而，對于功率預(yù)算有限的可穿戴設(shè)備或其他電池供電產(chǎn)品，開發(fā)人員在很大程度上不得不尋找自己的 KWS 解決方案。等板級產(chǎn)品提供與亞馬遜語音服務(wù)的完全集成，為在許多應(yīng)用程序中添加語音助手服務(wù)提供現(xiàn)成的解決方案。然而，對于功率預(yù)算有限的可穿戴設(shè)備或其他電池供電產(chǎn)品，開發(fā)人員在很大程度上不得不尋找自己的 KWS 解決方案。