邊緣的超低功耗關(guān)鍵短語檢測

語音在與智能手機、平板電腦和個人輔助系統(tǒng)交互的廣泛使用，使語音成為其他技術(shù)的首選HMI（人機界面）。例如，在當(dāng)今的智能家居中，用戶可以要求Alexa打開或關(guān)閉燈，鎖門和調(diào)節(jié)恒溫器。隨著這項技術(shù)變得越來越普遍，人們越來越需要使用高度準(zhǔn)確、緊湊和高能效的基于神經(jīng)網(wǎng)絡(luò)的關(guān)鍵短語檢測解決方案來增加人與機器之間的交互的技術(shù)解決方案。與需要網(wǎng)絡(luò)連接的云連接神經(jīng)網(wǎng)絡(luò) （NN） 關(guān)鍵短語檢測實現(xiàn)不同，基于邊緣的解決方案在邊緣執(zhí)行所有計算，并且不會記錄數(shù)據(jù)或?qū)?shù)據(jù)傳輸?shù)皆啤?/p>

本文將介紹一種專為網(wǎng)絡(luò)邊緣設(shè)計的基于NN的關(guān)鍵短語檢測解決方案。這些二值化型號可在低功耗超增強? FPGA 上運行。本文將討論當(dāng)使用包含嘈雜背景（如音樂或聊天噪音）的數(shù)據(jù)集訓(xùn)練 NN 時，如何在嘈雜環(huán)境中使用關(guān)鍵短語檢測。在這種情況下，神經(jīng)網(wǎng)絡(luò)是使用公共數(shù)據(jù)集來檢測單詞“seven”的訓(xùn)練。關(guān)鍵短語檢測可用于各種應(yīng)用，無需個人助理設(shè)備?？赡艿膽?yīng)用包括智能電燈開關(guān)、智能電視和使用調(diào)高和調(diào)低音量等命令管理設(shè)備的 AVR。

一、引言

長期以來，使用語音命令來控制人機界面（HMI）一直是系統(tǒng)設(shè)計人員的目標(biāo)?？勺匪莸?0世紀(jì)中葉的流行科幻電視節(jié)目和電影，如“星際迷航”和“星球大戰(zhàn)”，給了我們一個聲音世界可能是什么樣子的暗示。但是，事實證明，為現(xiàn)實生活中的消費類應(yīng)用開發(fā)低成本、高能效的解決方案是難以捉摸的。

然而，在過去幾年中，亞馬遜的Alexa和蘋果的Siri等流行的AI應(yīng)用程序的出現(xiàn)以及它們將語音命令轉(zhuǎn)換為系統(tǒng)操作的能力加速了向基于語音的HMI的遷移。這些快速的進(jìn)步為依賴關(guān)鍵短語檢測的智能家居解決方案打開了大門。如今，用戶可以要求Alexa通過互聯(lián)網(wǎng)訂購產(chǎn)品，打開燈，鎖門，設(shè)置家庭恒溫器，甚至給草地澆水。

通常，這些支持語音的 HMI 執(zhí)行識別云中關(guān)鍵短語所需的計算。在許多情況下，設(shè)計人員將他們的應(yīng)用程序插入到像亞馬遜的Alexa這樣的預(yù)先存在的基礎(chǔ)設(shè)施中。但是，這種發(fā)展戰(zhàn)略面臨幾個限制。首先是成本。在云中的服務(wù)器上運行關(guān)鍵短語檢測算法的解決方案必須在每次訪問云中的資源時按分鐘付費。此外，構(gòu)建基于云的邊緣解決方案的開發(fā)人員必須向 NRE 支付費用，以針對特定設(shè)備訓(xùn)練其解決方案，然后為他們發(fā)布的每個解決方案支付版稅。將設(shè)計插入預(yù)先存在的基礎(chǔ)設(shè)施的設(shè)計人員將看到他們的成本上升，因為他們轉(zhuǎn)向Wi-Fi模型，該模型需要更強大的處理器來獲取數(shù)據(jù)，分析數(shù)據(jù)，將其發(fā)送到邊緣設(shè)備，并通過Wi-Fi收聽命令。

此外，依賴互聯(lián)網(wǎng)連接會帶來額外的風(fēng)險。如果連接中斷，使用互聯(lián)網(wǎng)連接將數(shù)據(jù)傳輸?shù)皆瓶赡軙?dǎo)致服務(wù)中斷。通過互聯(lián)網(wǎng)傳輸數(shù)據(jù)也會帶來潛在的黑客攻擊風(fēng)險。從用戶的角度來看，互聯(lián)網(wǎng)連接為侵犯隱私和安全問題打開了大門。依賴于直接位于設(shè)備上的計算資源的邊緣解決方案可避免這些潛在問題。

二、新方法

本文探討了一種不同的方法，可為位于網(wǎng)絡(luò)邊緣的設(shè)備提供低成本的關(guān)鍵短語檢測。利用在開發(fā)高度準(zhǔn)確、緊湊和低成本的二值化神經(jīng)網(wǎng)絡(luò)（NN）模型方面取得的進(jìn)展，以及新一代極低功耗現(xiàn)場可編程門陣列（FPGA）的改進(jìn)，設(shè)計人員現(xiàn)在可以構(gòu)建關(guān)鍵短語檢測解決方案，在邊緣執(zhí)行所有計算，從而消除與云連接的NN關(guān)鍵短語檢測實現(xiàn)相關(guān)的連接性、安全性和隱私問題。

通過在本地執(zhí)行關(guān)鍵短語檢測，與基于云的解決方案相比，此設(shè)計策略可顯著節(jié)省成本。它也不依賴于其他生態(tài)系統(tǒng)來運行。如果基于云的解決方案中的互聯(lián)網(wǎng)連接失敗，則系統(tǒng)將失敗?；谶吘壍谋镜亟鉀Q方案不會冒此風(fēng)險。安全和隱私問題不是威脅。本地解決方案更易于用戶設(shè)置和運行。最后，使用萊迪思的超低功耗iCE40 Ultra Plus FPGA，這種方法為設(shè)計人員提供了顯著的省電功能，這是電池供電器件中的一個重要考慮因素。例如，本演示中描述的解決方案僅消耗7 mW。

將經(jīng)濟實惠的智能家居應(yīng)用推向邊緣的一個關(guān)鍵步驟是開發(fā)能夠在低密度、低功耗FPGA上運行的二值化NN模型。在云中使用浮點計算的深度學(xué)習(xí)技術(shù)對于邊緣的消費者應(yīng)用程序是不切實際的。相反，設(shè)計人員必須開發(fā)計算效率高的解決方案，既要滿足精度目標(biāo)，又要符合消費市場的成本、尺寸和功耗限制。因此，在邊緣操作的設(shè)計人員必須使用盡可能少的位的數(shù)學(xué)。

設(shè)計人員可以簡化計算的一種方法是從浮點數(shù)切換到定點數(shù)甚至基本整數(shù)。通過補償浮點到定點整數(shù)的量化，使用二值化NN的設(shè)計人員可以開發(fā)出訓(xùn)練速度更快、精度更高的解決方案，并提高定點、低精度整數(shù)NN的性能，接近浮點版本的水平。要構(gòu)建簡單的邊緣設(shè)備，訓(xùn)練必須創(chuàng)建具有 1 位權(quán)重的 NN 模型。這些模型稱為二值化神經(jīng)網(wǎng)絡(luò) （BNN）。

通過使用 1 位值而不是較大的數(shù)字，BNN 可以消除乘法和除法的使用。這允許使用異或和爆裂計數(shù)計算卷積，從而產(chǎn)生顯著的成本和高達(dá)16倍的節(jié)能。借助當(dāng)今的 FPGA，設(shè)計人員擁有了一個高度靈活的平臺，可提供他們所需的所有內(nèi)存、邏輯和 DSP 資源。

三、國家實施

下面的討論描述了一個關(guān)鍵短語檢測解決方案的示例，該解決方案專為邊緣應(yīng)用而設(shè)計，并在具有BNN軟核的iCE40 UltraPlus FPGA中實現(xiàn)。在正常操作期間，關(guān)鍵短語檢測實現(xiàn)在功耗低于 1mW 的情況下偵聽聲音。一旦系統(tǒng)檢測到聲音，它就會激活 1 秒的緩沖，并調(diào)用 BNN。BNN直接在原始輸入上運行，而不是在傳統(tǒng)的頻譜圖和MFCC預(yù)處理上工作。代表 1 秒音頻的 16K 原始樣本經(jīng)過重疊的 1D 卷積層，變成 30 張 32x32x3 圖像，每張圖像代表一個 10 毫秒的音頻樣本。然后將輸出傳遞到主 BNN 進(jìn)行處理。

BNN有四層深，每層執(zhí)行如下圖所示的功能：

二進(jìn)制卷積是輸入數(shù)據(jù)和 1 位權(quán)重的 1 位乘法。在這種情況下，乘法被異或函數(shù)所取代。批量規(guī)范化和縮放使激活規(guī)范化，并在 BNN 訓(xùn)練階段提供幫助。整流線性單元 （ReLu） 將低于特定閾值的數(shù)據(jù)設(shè)置為 0，高于相同閾值的數(shù)據(jù)設(shè)置為 1。對圖像的相鄰像素的每個像素執(zhí)行池化，并選擇概率最高的有意義像素。此函數(shù)可減少后續(xù)步驟中所需的計算量。全連接層通常是最后一層，它需要前一層中的每個神經(jīng)元。它對下一層的神經(jīng)元也有一定的權(quán)重。此函數(shù)的計算成本通常很高，因此它是作為神經(jīng)元明顯較少的最后一次操作執(zhí)行的。

BNN使用GPU進(jìn)行訓(xùn)練，并運行標(biāo)準(zhǔn)訓(xùn)練工具，如咖啡館和張量流。使用的訓(xùn)練數(shù)據(jù)集是一個公共訓(xùn)練集，其中包含 65，000 個一秒長的話語，其中包含 1000 多人的 30 個短詞。此階段稱為訓(xùn)練階段。然后，訓(xùn)練工具的輸出通過萊迪思半導(dǎo)體的NN編譯器工具進(jìn)行格式化，以供FPGA設(shè)計使用。您可以將權(quán)重視為在邊緣硬件推理期間要使用的關(guān)鍵短語的模板。選擇的關(guān)鍵短語是“七”。

四、系統(tǒng)實施

為了演示系統(tǒng)的功能，工程師們將 HiMax HM01B0 UPduino 擴展板與 iCE40 超增強型 FPGA 配合使用。這是一款低成本的 Arduino 板塊，旨在演示 FPGA 的功能。該板有兩個直接連接到 FPGA 的 I2S 麥克風(fēng)、用于 FPGA 設(shè)計的外部閃存和權(quán)重激活存儲。它還具有LED，用于指示關(guān)鍵短語的檢測。用戶可以直接對著麥克風(fēng)講話。一旦檢測到關(guān)鍵短語，LED就會亮起。

五、性能

在此應(yīng)用中，F(xiàn)PGA設(shè)計頻率和處理長度可以換取功耗。在 27MHz 頻率下，16K 原始采樣（相當(dāng)于 1 秒的音頻處理）可在 25ms 內(nèi)處理，而功耗為 7.7mW。當(dāng)頻率降至13.5MHz時，功耗降至4.2mW，并在50ms內(nèi)處理相同的1秒音頻樣本。

關(guān)鍵短語檢測通常必須在嘈雜的環(huán)境中運行，而無需添加額外的硬件來消除噪聲和回聲。該實現(xiàn)通過使用包含噪聲背景的數(shù)據(jù)集來訓(xùn)練 NN 來實現(xiàn)這一目標(biāo)，而無需進(jìn)行定位和波束成形。經(jīng)過訓(xùn)練的NN像人類一樣檢測關(guān)鍵詞，具有類似的局限性。添加了具有各種隨機人群噪音水平（咖啡館，會議等）的數(shù)據(jù)集，并帶有關(guān)鍵短語。使用更高噪聲級別訓(xùn)練的 NN 對噪聲的魯棒性更強，但需要更響亮的關(guān)鍵短語。

BNN 可以檢測多達(dá) 10 個 1 秒的關(guān)鍵短語，使其成為通過語音進(jìn)行 HMI 的理想選擇。為了提高檢測精度，僅當(dāng)發(fā)生連續(xù)檢測時，才使用時域濾波器來報告關(guān)鍵短語檢測。該設(shè)計為單個關(guān)鍵短語提供高達(dá) 99% 的準(zhǔn)確率，為多達(dá) 5 個關(guān)鍵短語提供高達(dá) 90% 的準(zhǔn)確率。

六、結(jié)語

將AI帶到邊緣會帶來幾個重大挑戰(zhàn)。但是，它也提供了巨大的機會。正如該項目所表明的那樣，使用實現(xiàn)BNN而不是基于云的資源的FPGA將AI構(gòu)建到設(shè)備中可以顯著降低硬件成本，同時加快響應(yīng)時間。同時

審核編輯：郭婷