被动关键词识别的质量-弹簧模型:弹簧电子学方法
声音
2025-04-09 v1 无序系统与神经网络
音频与语音处理
摘要
机械系统在计算史上发挥了基础性作用,由于其独特特性(如低阻尼和无需信号转换即可处理机械信号的能力)正重新受到关注。然而,近期工作主要聚焦于基于预定义储备器或基于周期性系统(如压紧束构成的阵列)中实现的基础计算。本文数值演示了一个被动机械系统——以非线性质量-弹簧模型形式——用于处理语音信号中的关键词识别基准问题。该模型在层次化架构中组织,结合特征提取和连续时间卷积,其中每个单独阶段都针对所考虑的质量-弹簧系统的物理特性进行优化。对于计算的每一步,都通过组合小套低阶多项式势能函数来设计子系统。这些势能函数充当相对于电子电路设计中将复杂功能电路构建为组合基本组件的层次化设计方式的基本组件。我们将这种框架称为弹簧电子学(springtronics)。我们引入拥有数百自由度的弹簧电子系统,实现了与现有低毫瓦级电子系统相当的语音分类准确率。
引用
@article{arxiv.2504.05802,
title = {Mass-Spring Models for Passive Keyword Spotting: A Springtronics Approach},
author = {Finn Bohte and Theophile Louvet and Vincent Maillou and Marc Serra Garcia},
journal= {arXiv preprint arXiv:2504.05802},
year = {2025}
}
备注
14 pages, 8 figures