TsetlinKWS：一种65nm 16.58μW 0.63mm2 基于状态驱动的卷积Tsetlin机器关键词检测加速器
声音
2025-10-29 v1 硬件体系结构
音频与语音处理
摘要
Tsetlin机器（TM）最近因其简单且可解释的推理机制而引起关注，作为神经网络的低功耗替代方案。然而，其在语音相关任务上的性能仍有限。本文提出TsetlinKWS，即针对12关键词检测任务的卷积Tsetlin机器（CTM）的首个算法硬件协设计框架。首先，我们引入一种新型的梅尔频率谱系数和频谅通量（MFSC-SF）特征提取方案，结合频谱卷积，使CTM在12关键词检测任务上达到首次具竞争力的87.35%准确率。其次，我们开发一种优化的分组块压缩稀疏行（OG-BCSR）算法，实现了约9.84倍的模型大小减小，显著提升了CTM的存储效率。最后，我们提出一种针对CTM的状态驱动架构，同时利用数据复用和稀疏性实现高能效。整个系统在65nm工艺中实现，核心区域面积紧凑为0.63mm2，功耗为16.58μW（工作电压0.7V）。TsetlinKWS仅需每推理907k次逻辑运算，较当前最先进的关键词检测加速器降低约10倍，将CTM定位为超低功耗语音应用的高效候选方案。
引用
@article{arxiv.2510.24282,
title = {TsetlinKWS: A 65nm 16.58uW, 0.63mm2 State-Driven Convolutional Tsetlin Machine-Based Accelerator For Keyword Spotting},
author = {Baizhou Lin and Yuetong Fang and Renjing Xu and Rishad Shafik and Jagmohan Chauhan},
journal= {arXiv preprint arXiv:2510.24282},
year = {2025}
}
备注
12 pages, 17 figures. This work has been submitted to the IEEE for possible publication