-
公开(公告)号:CN110580919B
公开(公告)日:2021-09-28
申请号:CN201910764547.1
申请日:2019-08-19
Applicant: 东南大学
Abstract: 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置,属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点,根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式,装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别,而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取,降低语音特征提取的整体功耗。
-
公开(公告)号:CN110717580A
公开(公告)日:2020-01-21
申请号:CN201910922121.4
申请日:2019-09-27
Applicant: 东南大学
Abstract: 本发明提出面向二值化神经网络的基于电压调制的计算阵列,涉及模拟集成电路技术领域。计算阵列包括多个计算模块,每个计算模块包括数字计算单元、模拟计算单元。其中模拟计算单元包括由多个晶体管组成的模拟计算子单元;模拟计算单元的输入和输出数据均是电压信号。计算阵列包括数字计算阵列、模拟计算阵列。其中模拟计算阵列包括先入先出阵列和模拟计算单元阵列。本发明提出的计算阵列可以根据任务需求进行扩展,最大限度提高计算性能,降低访存要求,节省数据存储资源。通过流水操作实现各个计算子系统的协同操作。在模拟计算单元中,通过对模拟电压的堆叠完成数据的累加,大大提高运算的速度和性能。
-
公开(公告)号:CN110705702A
公开(公告)日:2020-01-17
申请号:CN201910929674.2
申请日:2019-09-29
Applicant: 东南大学
IPC: G06N3/063 , G06F15/167 , G06F12/0897 , G06F12/0862 , G06F12/0868 , G06F9/50 , G06F13/18
Abstract: 本发明公开了一种动态可扩展的卷积神经网络加速器,属于计算、推算、计数的技术领域。该加速器包括自适应数据存储模块和高效计算阵列调度模块。其中,自适应数据存储模块包括层次化存储模块和外部二维数据转换定制接口模块。高效计算阵列调度模块包括基于乘加逻辑的神经元处理单元阵列数据调度模块和基于查找表的神经元处理单元阵列数据调度模块。整个卷积神经网络加速器通过设计合理的多级存储结构来掩盖外存访问的数据延迟。通过根据网络层特点和任务需求对计算阵列进行数据调度,可以实现数据的重复利用和提高计算阵列查找表的访问并行度,提高运算速度,从而能够适应各种复杂的计算任务。
-
公开(公告)号:CN110580919A
公开(公告)日:2019-12-17
申请号:CN201910764547.1
申请日:2019-08-19
Applicant: 东南大学
Abstract: 本发明公开了多噪声场景下语音特征提取方法及可重构语音特征提取装置,属于语音识别的技术领域。本发明结合低通滤波器语音提取低功耗特点和梅尔滤波器语音特征提取高准确率的特点,根据底噪声阈解析判断结果及低通滤波器及神经网络的输出结果动态选择语音特征提取方式,装置通过可重构特征提取功能配置模块切换语音特征提取通道。在外界环境没有语音或有语音但信噪比较高的条件下采用低通滤波器进行语音特征提取同时进行神经网络的识别,而在信噪比较低同时有语音输入的情况下采用梅尔滤波器进行语音特征提取,降低语音特征提取的整体功耗。
-
-
-