基于 Hilbert 变换的低功耗 SNN 音频源定位

声源定位用于许多消费级设备，以隔离来自单个说话者的音频并抑制噪声。定位通常通过“波束成形”实现，该方法在已知麦克风阵列几何结构下，将相位偏移的音频流组合，以增加来自所选源方向的能量。为获得窄带信号分量，常需使用稠密带通滤波器将宽带音频进行窄带提取。这些方法虽能实现高精度，但窄带波束成形计算负荷较大，不适用于低功耗 IoT 设备。我们展示了一种 novel 方法，用于任意麦克风阵列的声源定位，旨在高效实现于超低功耗脉冲神经网络（SNN）中。我们采用 Hilbert 变换以避免稠密带通滤波，提出一种新型基于事件的编码方法，捕获复解析信号的相位信息。该方法在 SNN 方法中实现了与传统非 SNN 超分辨率波束成形相当的准确度。我们将该方法部署于低功耗 SNN 推理硬件，其功耗远低于超分辨率方法。我们表明，与脉冲神经网络实现协同设计的信号处理方法可实现更高的功效。我们新的基于 Hilbert 变换的方法亦可提高传统基于数字信号处理的波束成形效率。