一种71.2微瓦语音识别加速器，集成循环脉冲神经网络
硬件体系结构
2026-05-01 v1 人工智能
音频与语音处理
摘要
本文介绍一种面向边缘设备实时应用的71.2微瓦语音识别加速器，强调超低功耗设计。通过算法和硬件协同优化，我们提出一种紧凑的循环脉冲神经网络，包含两个循环层、一个全连接层和低时间步长(1或2)。该2.79 MB的模型经过剪枝和4位定点量化，规模缩小96.42%至0.1 MB。在硬件层面，我们利用混合级剪枝、零跳过和合并脉冲技术，将复杂度降低90.49%至13.86 MMAC/S。通过并行时间步执行，解决了跨时间步的数据依赖问题，并通过权重共享实现权重缓冲的功耗节省。利用稀疏脉冲活动，输入广播方案消除了零计算，从而进一步节省功耗。在TSMC 28nm工艺上实现，该设计在100 kHz频率下实时工作，功耗为71.2微瓦，超越了当前最先进的设计。其在500 MHz时的能源和面积效率分别为28.41 TOPS/W和1903.11 GOPS/mm²。
引用
@article{arxiv.2503.21337,
title = {A 71.2-$\mu$W Speech Recognition Accelerator with Recurrent Spiking Neural Network},
author = {Chih-Chyau Yang and Tian-Sheuan Chang},
journal= {arXiv preprint arXiv:2503.21337},
year = {2026}
}