LearnAFE：面向可学习音频模拟前端的电路-算法联合设计框架
音频与语音处理
2025-07-02 v1 人工智能
声音
摘要
本文提出了一种用于音频信号分类的可学习模拟前端(AFE)的电路-算法联合设计框架。将AFE和后端分类器分别设计是常见做法，但不够理想，正如本文所示。相反，本文提出联合优化后端分类器与AFE传递函数，以实现系统层面的最优。具体而言，在面向信噪比(SNR)的训练循环中调整模拟带通滤波器(BPF) bank的传递函数参数。通过使用联合优化损失函数LBPF，本工作显示滤波器bank和分类器均获得优越优化。该设计在开源SKY130 130nm CMOS工艺中实现，实现了在5 dB至20 dB范围内的输入信号SNR下，针对10关键词分类任务达到90.5%至94.2%的准确率，仅需22k个分类器参数。与传统方法相比，所提出的音频AFE在功耗和电容面积上分别实现了8.7%和12.9%的降低。
引用
@article{arxiv.2507.00755,
title = {LearnAFE: Circuit-Algorithm Co-design Framework for Learnable Audio Analog Front-End},
author = {Jinhai Hu and Zhongyi Zhang and Cong Sheng Leow and Wang Ling Goh and Yuan Gao},
journal= {arXiv preprint arXiv:2507.00755},
year = {2025}
}
备注
11 pages, 15 figures, accepted for publication on IEEE Transactions on Circuits and Systems I: Regular Papers