面向嵌入式系统的基于 LogNNet 储备池计算的语音指令识别
声音
2025-09-03 v1 人工智能
机器学习
音频与语音处理
摘要
本文提出了一种低资源语音指令识别器，它结合了基于能量的语音活动检测（VAD）、优化的梅尔频率倒谱系数（MFCC）流水线以及 LogNNet 储备池计算分类器。使用来自语音指令数据集并降采样至 8 kHz 的四条指令，我们评估了四种 MFCC 聚合方案，发现自适应分箱（64 维特征向量）提供了最佳的精度与紧凑性权衡。采用 64:33:9:4 架构的 LogNNet 分类器在说话人无关评估下达到了 92.04% 的准确率，同时所需的参数远少于传统的深度学习模型。在 Arduino Nano 33 IoT（ARM Cortex-M0+，48 MHz，32 KB RAM）上的硬件实现验证了其实际可行性，实现了约 90% 的实时识别准确率，而仅消耗 18 KB RAM（利用率为 55%）。因此，完整的流水线（VAD -> MFCC -> LogNNet）能够在严格的内存和计算限制下实现可靠的设备端语音指令识别，使其适用于电池供电的物联网节点、无线传感器网络和免提控制接口。
引用
@article{arxiv.2509.00862,
title = {Speech Command Recognition Using LogNNet Reservoir Computing for Embedded Systems},
author = {Yuriy Izotov and Andrei Velichko},
journal= {arXiv preprint arXiv:2509.00862},
year = {2025}
}
备注
20 pages, 6 figures