本篇论文第一作者来自东南大学的单伟伟老师，第二作者是ISSCC19年的1μW VAD的作者。
该论文是面向低功耗关键词检测（Keyword Spotting）的电路设计
论文中主要讲述四个创新点：
-
在特征提取模块采用串行的FFT结构，降低功耗和面积
-
在分类模块采用DSCNN网络结构，网络中权重和**值是全二值化的
-
分类模块采用语音帧内复用计算，每次需要计算一帧更新的数据
-
电路层次采用低电压、低频率（0.41v，40khz），定制化的NTV Memory
整体结构如下图所示：
算法、结构、电路
MFCC特征提取模块的分精度定点化策略，如下图所示：
整个关键词系统采用分帧流水的处理策略，每帧语音长度16ms，故系统64ms的延时，如下图所示：
分帧流水的策略
DSCNN网络的具体结构如下图所示：
DSCNN网络
判断：第一层cnn的频率维度stride应该为2；DSCNN层的stride为1；pooling层的频率维度stride为2。
NN模块的帧复用策略如下图所示，故每次只需计算新更新的一帧数据计算。
帧复用流程图
结论如下图所示，在tmsc 28nm工艺下，电压0.41v，40khz，整体功耗为：510 nW 。
结果图
思考：
论文中给出：
一帧的语音数据长度为16ms，包括10个特征MFFC值，由于NN模块中采用了帧复用技术，也就是NN模块每次只需计算一帧新的数据。而本文中电路的频率为40khz，也就是说：需要在640个cycle处理完这10个特征值。
NN模块是采用DSCNN的网络结构(1CNN+1DSCNN+1POOLING+1FC)，文中给出的运算量为：202400 个8-bit MACs，和48096 个1-bit MACs，估计NN 模块的算力大概为：15M MACs/s。
欢迎关注公众号“芯设计”