JSSC 2019第11期RF & Wireless

An Acoustic Signal Processing Chip With 142-nW V oice Activity Detection Using M

本文提出了一种基于混频器架构和超低功耗神经网络的语音活动检测芯片，显著降低了功耗。

142-nW 功耗，91.5%/90% 语音/非语音检测率，10-dB SNR

语音活动检测超低功耗神经网络混频器无声唤醒

▸创新点1：基于混频器的架构降低功耗（方法创新）。通过顺序扫描4 kHz频率带并将其下变频至500 Hz以下，特征提取功耗降低了4倍，显著优化了系统能效。

▸创新点2：超低功耗神经网络分类器（电路创新）。采用计算冲刺技术，使神经网络处理器功耗降低12倍，同时保持高分类精度，实现了91.5%/90%的语音/非语音命中率。

▸创新点3：可重复使用的系统组件用于无声唤醒（系统创新）。通过复用部分系统组件实现无声唤醒功能，仅消耗66 nW功耗，成功检测到低于噪声水平10 dB的声学特征。

▸创新点4：声学特征检测技术（方法创新）。在10 dB信噪比下，系统能够检测到低于噪声水平的声学特征，展现了高灵敏度和低功耗特性。

Abstract

This article presents a voice and acoustic activity detector that uses a mixer-based architecture and ultra-low- power neural network (NN)-based classiﬁer. By sequentially scanning 4 kHz of frequency bands and down-converting to below 500 Hz, feature extraction power consumption is reduced by 4 ×. The NN processor employs computational sprinting, enabling 12× power reduction. The system also features inaudible acoustic signature detection for intentional remote silent wakeup of the system while