高效能抗噪語者辨識RISV-V系統晶片

摘要:

隨著智慧家庭以及智慧城市的概念興起，神經網路的應用在我們的生活中隨處可見， 其應用也非常廣泛，也帶給我們許多便利，例如自動駕駛或是語音辨識。總體而言，神經網路的發展主要建立在人類兩個重要的特徵， 視覺以及聲學。在這次的作品中，我們致力於聲學中的其中一項領域，語者辨識，並將它實現成一個系統晶片(SoC)。語者辨識主要的功 能為分析一段語音並找出對應的發言者，找出發言者後即可應用在不同的場域，在安全性的應用中可以做為門鎖，啟動開關等等，亦或是 套用在商品的個人化，像是手機的專屬助理，會議麥克風等等。在生活中環境噪音是無可避免的，大部分傳統語者辨識的作法很難在噪音 環境下維持好的辨識率，因此我們選定一個抗造能力較佳的神經網路來實現語者辨識，並將其優化。在硬體的部份我們設計了一個高效率的 神經網路加速模組，並搭配一個RISC-V架構的CPU實現為系統晶片，增加了晶片的擴充性以及便利性。在此晶片中，我們不僅設計了一個高效 率的資料流能讓資料利用性提高，減少SRAM的讀取，並透過獨特的資料壓縮方法，將所有的參數存在晶片當中，也就是說這個晶片不用另外讀 取外部記憶體，達成低功耗高效能的表現，準確率也可以維持在95%左右 (測量在一個大型的語者辨識資料集)。在模擬的部分通過了必要的下線 流程，讓這個語者辨識的系統晶片隨時可以被整合在不同的應用當中。

 

硬體架構:

 

 

 

 

 

Made by  江孟叡