基于FPGA的卷积神经网络语音识别方法

作者：吴宇航; 何军^*

来源：信息技术, 2023, (11): 22-27.

DOI：10.13274/j.cnki.hdzj.2023.11.004

• 语音识别
• 卷积神经网络
• 现场可编程逻辑门阵列(FPGA)
• 高层次综合

近年来，卷积神经网络(CNN)已经广泛应用于语音信号识别。为满足嵌入式应用领域低延时、低功耗、可移动等方面的需求，基于轻量化的卷积神经网络模型，实现了一种应用于现场可编程逻辑门阵列(FPGA)的语音识别系统。通过Vivado中的高层次综合(HLS)设计卷积、池化等计算模块并将CNN算法映射到FPGA上。利用流水线约束和数据定点化等方式，提升语音识别速度。实验结果表明：系统的计算速度相较于ARM处理器实现了36.12倍的加速效果，功耗仅为2.205W,达到了低延时和低功耗的设计要求。

• 单位
  南京信息工程大学