【技术实现步骤摘要】
基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法
本专利技术涉及低功耗电路设计，尤其是低功耗的关键词唤醒电路的存储和计算压缩设计，具体涉及基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，属于计算、推算或计数的
技术介绍
关键词唤醒技术，是语音识别技术的一个重要分支，通常作为语音识别的入口而存在，主要用于叫醒机器。关键词唤醒技术与通用语音识别技术的不同之处在于，它只需识别语音信号中是否包含某一个或某些特定词汇，而并非需要完整识别整段语音信号的语义；并且它扮演的是设备开关的角色，必须常开状态，因此，其功耗就显得极为重要。设计出资源占用小、功耗低的关键词唤醒电路非常有必要。端到端神经网络关键词唤醒系统是一种新型的关键词唤醒系统，语音信号到输出结果的识别过程就是一个神经网络的正向推理过程，通常采用卷积神经网络（CNN，ConvolutionalNeuralNetwork）实现。由此，神经网络电路的低功耗设计很必要。通常在神经网络处理器的设计中，由于并行的计算量巨大，需调用的参数及中间数据也随之剧增，这...
【技术保护点】
1.基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，其特征在于，在每一帧输入数据到来时，替换前一帧输入数据的部分行数据为当前帧输入数据的更新行数据，调整更新后输入数据的取址顺序以使更新后的输入数据按照到来的先后顺序依次与卷积核做运算，针对输入数据更新的行数与卷积步长相等以及输入数据更新的行数与卷积步长不相等两种情形更新中间数据对应于输入数据更新行数据的卷积结果。/n
【技术特征摘要】
1.基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，其特征在于，在每一帧输入数据到来时，替换前一帧输入数据的部分行数据为当前帧输入数据的更新行数据，调整更新后输入数据的取址顺序以使更新后的输入数据按照到来的先后顺序依次与卷积核做运算，针对输入数据更新的行数与卷积步长相等以及输入数据更新的行数与卷积步长不相等两种情形更新中间数据对应于输入数据更新行数据的卷积结果。
2.根据权利要求1所述基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，其特征在于，调整更新后输入数据的取址顺序的方法为将数据取址顺序循环下移m位，m为输入数据更新的行数。
3.根据权利要求1所述基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，其特征在于，当输入数据更新的行数与卷积步长相等时，更新中间数据对应于输入数据更新行数据的卷积结果的具体方法为，直接更新中间数据为调整输入数据取址顺序后得到的卷积结果。
4.根据权利要求1所述基于语音特征复用的关键词唤醒CNN的存储和计算压缩方法，其特征在于，当输入数据更新的行数与卷积...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。