LearnAFE: Circuit-Algorithm Co-Design Framework for Learnable Audio Analog Front-End

doi:10.1109/TCSI.2025.3578606

LearnAFE: Circuit-Algorithm Co-Design Framework for Learnable Audio Analog Front-End

2025-06-19

0

PRE

AI

DOI：10.1109/TCSI.2025.3578606

原文链接

原文求助

摘要

En 中文

本文提出了一种适用于音频信号分类的可学习模拟前端（AFE）的电路-算法协同设计框架。将AFE和后端分类器分开设计是一种常见做法，但正如本文所示，这种做法并不理想。相反，本文提出对后端分类器与AFE的传递函数进行联合优化，以实现系统级最优。更具体地说，本文针对分类器在信噪比（SNR）感知的训练循环中调谐了模拟带通滤波器（BPF）组的传递函数参数。通过使用协同设计损失函数L_BPF，本研究展示了滤波器组和分类器的卓越优化效果。该设计在开源SKY130 130nm CMOS工艺下实现，优化后的设计在输入信号SNR范围从5 dB到20 dB的广泛区间内，针对10关键词分类任务实现了90.5%–94.2%的准确率，且仅使用22k分类器参数。与常规方法相比，所提出的音频AFE在功耗和电容面积上分别实现了8.7%和12.9%的减少。

Keyword:

Circuit-algorithm co-design

analog front-end

keyword spotting

SNR-aware training

open-source PDK

LearnAFE: Circuit-Algorithm Co-Design Framework for Learnable Audio Analog Front-End

摘要

期刊

机构

引用论文