基于自适应中心频率的局部竞争算法用于语音处理
声音
2025-09-01 v2 音频与语音处理
摘要
神经形态计算以神经系统为灵感，致力于提高处理效率和降低功耗。稀疏编码范式增强了处理效率，这对于功耗受限的边缘设备至关重要。局部竞争算法 (LCA) 经过音频改造，使用 Gammatone 和 Gammachirp 滤波器组，提供了神经形态语音处理的高效稀疏编码方法。自适应 LCA (ALCA) 进一步通过动态调整调制参数来提升重构质量和稀疏性。本文我们引入了增强版 ALCA，即 ALCA 中心频率 (ALCA-CF)，动态适应调制参数和中心频率，优化语音表示。评估表明，该方法在改善重构质量和稀疏性方面具有优势，同时显著降低语音分类的功耗，且未妥协分类精度，尤其在英特尔 Loihi 2 神经形态芯片上效果显著。
引用
@article{arxiv.2502.06989,
title = {Adaptive Central Frequencies Locally Competitive Algorithm for Speech},
author = {Soufiyan Bahadi and Eric Plourde and Jean Rouat},
journal= {arXiv preprint arXiv:2502.06989},
year = {2025}
}
备注
This is the preprint version of the paper accepted at IEEE ICASSP 2025. The final published version is available at IEEE Xplore: https://doi.org/10.1109/ICASSP49660.2025.10887648