CN115514344A - 数字带通滤波器、滤波方法、音频特征提取器和芯片 - Google Patents
数字带通滤波器、滤波方法、音频特征提取器和芯片 Download PDFInfo
- Publication number
- CN115514344A CN115514344A CN202211373605.6A CN202211373605A CN115514344A CN 115514344 A CN115514344 A CN 115514344A CN 202211373605 A CN202211373605 A CN 202211373605A CN 115514344 A CN115514344 A CN 115514344A
- Authority
- CN
- China
- Prior art keywords
- filter
- bits
- autoregressive
- butterworth
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0202—Two or more dimensional filters; Filters for complex signals
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种数字带通滤波器(BPF)、滤波方法、音频特征提取器和芯片。为解决现有音频前端中模拟BPF面积大、难以精确实现以及数字BPF功耗高的技术问题,本发明数字实现的低阶巴特沃斯滤波器包括级联的移动平均滤波器与自回归滤波器,功耗与模拟BPF相当,面积小、精度高、稳定性强,能够有效避免滤波计算过程中的溢出或下溢,以及死区等问题。本发明适于类脑芯片或神经形态芯片的前端信息处理领域。
Description
技术领域
本发明涉及一种数字带通滤波器、滤波方法、音频特征提取器和芯片,尤其涉及一种音频处理过程中进行全数字带通滤波的装置、方法、音频特征提取器和芯片。
背景技术
AI处理信息前,通常使用声学特征提取器(Acoustic Feature Extractor)来提取音频信号的特征,如梅尔倒谱系数(Mel-Frequency Cepstral Coefficients, MFCCs)是最常见的声学特征。神经形态芯片中,常使用音频前端(Audio Front End, AFE)处理原始音频信号,提取音频特征,并将提取的音频特征编码后由神经网络处理器(如脉冲神经网络SNN、类脑芯片)进行识别,如图1所示。音频前端包括带通滤波器、整流器、脉冲发生器等。
然而,现有音频前端中的带通滤波器(BPF),通常使用模拟电路(如CN202111201666X),虽然模拟BPF有低功耗、处理速度快的优点,但音频前端包括多个滤波器组成的滤波器组,大量精确的电阻、电容占用巨大的芯片面积。此外,模拟BPF的品质因子Q和带宽范围有限,且对温度的变化敏感,不易精确实现。同时,由于工艺、制造等原因,多个通道间容易失配,产生噪声,影响稳定性。
数字实现的BPF能够很好的避免上述问题,但通常数字BPF功耗高,这对微瓦级功耗的音频前端来说是致命的,并且在低频时容易出现死区。
为了解决或缓解上述部分或全部技术问题,需要一种同时具备模拟电路高速、低功耗优点和数字电路成本低、易实现优点的带通滤波器,以提升音频前端的性能。
发明内容
本发明的数字带通滤波器,与模拟带通滤波器功耗相当,面积小、稳定性强,且具有非常高的精度。本发明是通过如下技术方案实现的:
一种数字带通滤波器,所述数字带通滤波器为巴特沃斯滤波器;所述巴特沃斯滤波器包括移动平均滤波器和自回归滤波器;所述移动平均滤波器和自回归滤波器级联。
在某类实施例中,所述巴特沃斯滤波器基于有限脉冲响应实现。
在某类实施例中,所述移动平均滤波器级联在自回归滤波器之后。
在某类实施例中,所述巴特沃斯滤波器的输出比特位大于输入比特位。
在某类实施例中,所述巴特沃斯滤波器输出信号整数部分的比特位Bw,i比输入信号整数部分的比特位Bin大r位;其中,r为正整数,且2r≥所述自回归滤波器的最大放大因子。
在某类实施例中,对所述自回归滤波器系数进行量化,所述自回归滤波器系数包括整数部分;或者,所述自回归滤波器系数包括整数部分和小数部分。
在某类实施例中,对所述自回归滤波器系数进行量化前,先进行归一化处理。
在某类实施例中,增加量化自回归滤波器系数整数部分的量化位数,或者增加量化所述自回归滤波器系数整数部分和小数部分的量化位数。
在某类实施例中,对于自回归滤波器系数整数部分的量化位数至少需要Bb+2k位,其中,Bb为与量化精度相关的整数,k为滤波器系数取值范围相关的正整数。
在某类实施例中,所述巴特沃斯滤波器的输出为所述移动平均滤波器的输出。
在某类实施例中,所述巴特沃斯滤波器输出信号的位数包括输出信号整数部分位数和输出信号小数部分位数。
在某类实施例中,增加所述巴特沃斯滤波器输出信号小数部分的比特位Bw,f。
在某类实施例中,所述巴特沃斯滤波器输出信号小数部分的比特位Bw,f至少增加Bb− (Bin−1)位,其中,Bb为与量化精度相关的整数。
在某类实施例中,所述自回归滤波器包括第一加法器;所述第一加法器将所述自回归滤波器的输入经第一移位寄存器左移Bw,f位后与所述自回归滤波器系数经量化后的整数部分求和;所述求和结果经第二移位寄存器右移Bb位后得到所述巴特沃斯滤波器的输出信号。
在某类实施例中,所述移动平均滤波器级联在自回归滤波器之前。
在某类实施例中,所述移动平均滤波器和自回归滤波器均为二阶滤波器。
在某类实施例中,所述巴特沃斯滤波器的传递函数为:
一种滤波方法,所述滤波为基于有限脉冲响应实现的数字带通滤波;所述带通滤波为巴特沃斯滤波,包括级联的移动平均滤波和自回归滤波。
在某类实施例中,所述移动平均滤波级联在自回归滤波器之后,或者所述移动平均滤波级联在自回归滤波之前。
在某类实施例中,所述巴特沃斯滤波输出信号整数部分的比特位比输入信号整数部分的比特位大。
在某类实施例中,对所述自回归滤波器系数进行量化,所述自回归滤波器系数包括整数部分;或者,所述自回归滤波器系数包括整数部分和小数部分。
在某类实施例中,增加量化自回归滤波器系数整数部分的量化位数,或者增加量化所述自回归滤波器系数整数部分和小数部分的量化位数。
在某类实施例中,增加所述巴特沃斯滤波器输出信号小数部分的比特位Bw,f。
在某类实施例中,所述自回归滤波包括第一加法器;所述第一加法器将所述自回归滤波器的输入经第一移位寄存器左移Bw,f位后与所述自回归滤波器系数经量化后的整数部分求和;所述求和结果经第二移位寄存器右移Bb位后得到所述巴特沃斯滤波器的输出信号,其中,Bb为与量化精度相关的整数。
一种音频特征提取器,所述音频特征提取器用于对麦克风输出的音频信号进行处理,得到多个通道的脉冲序列;所述音频特征提取器包括低噪声放大器,音频信号经低噪声放大后进入所述多个通道;每个通道包括如前所述的数字带通滤波器与所述低噪声放大器耦接,或者每个通道使用如前所述的滤波方法对低噪声放大后的通道信号滤波。
一种芯片,所述芯片包括如前所述的音频特征提取器和分类器;所述分类器根据所述音频特征提取器产生的脉冲序列执行分类任务。
在某类实施例中,所述芯片为类脑芯片。
在某类实施例中,所述分类器为决策树或神经网络。
一种电子设备,该电子设备包括如前所述的芯片或音频特征提取器。
本发明的部分或全部实施例,具有如下有益技术效果:
1)本发明的带通滤波器结构简单、容易实现、功耗低,克服了IIR (infiniteimpulse response)滤波器的敏感性,具有很强的稳定性。
2)本发明的带通滤波器精度高,可实现精确控制,通过增加量化比特数量,可避免BPF计算中的溢出和下溢问题。
3)本发明的带通滤波器可编程,滤波器系数范围广,中心频率可被调谐到任意频率,采用对数间隔滤波器组(两个连续滤波器的中心频率之间的比率保持不变),通过改变滤波器系数,以具有不均匀的频带间隔,具有灵活性和普适性。
4)本发明的带通滤波器能有效避免低频时的死区问题。
5)本发明的带通滤波器简化乘法,通过使用简单的左移、右移及加法操作,节省了功耗和计算资源,同时充分考虑了量化导致的精度损失,以维持高精度。
更多的有益效果将在优选实施例中作进一步的介绍。
以上披露的技术方案/特征,旨在对具体实施方式部分中所描述的技术方案、技术特征进行概括,因而记载的范围可能不完全相同。但是该部分披露的这些新的技术方案同样属于本发明文件所公开的众多技术方案的一部分,该部分披露的技术特征与后续具体实施方式部分公开的技术特征、未在说明书中明确描述的附图中的部分内容,以相互合理组合的方式披露更多的技术方案。
本发明任意位置所披露的所有技术特征所组合出的技术方案,用于支撑对技术方案的概括、专利文件的修改、技术方案的披露。
附图说明
图1为音频特征提取及处理原理图;
图2为本发明数字带通滤波器框图;
图3为使用14bit量化AR滤波器系数的频率响应;
图4为使用18bit量化AR滤波器系数的频率响应;
图5为本发明某优选实施例中AR滤波器框图;
图6为本发明某优选实施例中MA滤波器框图;
图7为本发明带通滤波器硬件实现的频率响应。
具体实施方式
由于不能穷尽描述各种替代方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案中的要点内容进行清楚、完整地描述。对于下文未详细披露的其它的技术方案和细节,一般均属于本领域通过常规手段即可实现的技术目标或技术特征,限于篇幅,本发明不对其详细介绍。
除非是除法的含义,本发明中任意位置的“/”均表示逻辑“或”。本发明任意位置中的“第一”、“第二”等序号仅仅用于描述上的区分标记,并不暗示时间或空间上的绝对顺序,也不暗示冠以这种序号的术语与冠以其它定语的相同术语必然是不同的指代。
本发明会对各种用于组合成各种不同具体实施例的要点进行描述,这些要点将被组合至各种方法、产品中。在本发明中,即便仅在介绍方法/产品方案时所描述的要点,意味着对应的产品/方法方案也明确地包括该技术特征。
本发明中任意位置处描述存在或包括某步骤、模块、特征时,并不暗示这种存在是排它性地唯一存在,本领域技术人员完全可以根据本发明所披露的技术方案而辅以其它技术手段而获得其它实施例。本发明所公开的实施例,一般是出于披露优选实施例的目的,但这并不暗示该优选实施例的相反实施例,为本发明所排斥/排除,只要这种相反实施例至少解决了本发明的某个技术问题,都是本发明所希望涵盖的。基于本发明中具体实施例描述的要点,本领域技术人员完全可以对某些技术特征施加替换、删减、增加、组合、调换顺序等手段,获得一个仍遵循本发明构思的技术方案。这些未脱离本发明技术构思的方案也在本发明保护范围之内。
通常数字滤波器可以分为有限脉冲响应(infinite impulse response,IIR)滤波器、无限脉冲响应(finite impulse response,FIR)滤波器。FIR滤波器稳定性好、对量化(quantization)效应不敏感,但实现成本高。IIR滤波器计算复杂性低、成本小,容易在状态空间(state-space representation)中实现,只需很少的移位寄存器,复杂度可以忽略不计,但稳定性差、对量化敏感。
为了克服IIR滤波器的缺点,本发明设计1阶巴特沃斯滤波器(butterworthfilter),该数字滤波器系数结构非常简单,比常规滤波器更易实现。为了提升稳定性,该滤波器具有较低的品质因子(如10以内),并且该滤波器在二阶系统(second-order system,SoS)结构中实现,以在量化过程中保持更好的计算精度。1阶巴特沃斯滤波器的传递函数(z变换)可表示为:
图2为本发明数字带通滤波器框图,巴特沃斯滤波器具体由移动平均滤波器(moving average filter,MA)与自回归滤波器(auto-regressive filter,AR)级联实现。
区别于现有技术中使用浮点精度的DSP实现z变换,本发明可以非常精确地选择量化比特的数量,可在FPGA、ASIC等硬件中实现定点精度的优化方案,本发明可以避免滤波器计算中的溢出(over flow)和下溢(under flow),以及死区(dead zone)问题。
本发明不限定AR滤波器与MA滤波器级联的先后顺序。在某些实施例中,如图2所示,MA滤波器级联在AR滤波器之后,w[n]表示AR滤波器的输出,y[n]表示MA滤波器的输出(同时对应整个巴特沃斯滤波器的输出),其中,y[n]=w[n]-w[n-2],由此可见,若y[n]比w[n]多1bit及以上,即可能保证巴特沃斯滤波器在滤波计算过程中的溢出和下溢问题。
同时,在另一些实施例中,MA滤波器可级联在AR滤波器之前,但该级联方式在一些情况下会使AR滤波器一些较小的输入被抑制,由于量化会导致死区问题,当输入信号幅值较低时,死区问题会更明显。本发明后续实施例均示例性地采用MA滤波器级联在AR滤波器之后的方式,但本发明不以此为限。
为了保证高精度、避免精度损失,需要给滤波器输出和系数分配合适的位数。
本发明某优选实施例中,通过对输入信号进行最坏情况分析(worst-caseanalysis)以确定滤波器系数的bit位。最坏情况分析是指,AR输出中可能产生最大波动的最坏情况的等幅输入信号,实践结果表明,在最坏情况下,巴特沃斯滤波器的输出比输入信号的最大幅值大一个脉冲响应的放大因子,且低频巴特沃斯滤波器受到的影响比高频巴特沃斯滤波器大,会产生更多的波动,易导致在滤波操作过程中出现的溢出和下溢。
为了避免该状况,相对于AR滤波器输入x[n],本发明为其输出w[n]分配额外的比特位,设输出w[n]比输入x[n]多r位,其中r为正整数,且2r≥AR滤波器的最大放大因子。例如,若最大放大因子为50,w[n]比x[n]至少多分配6位(对应26=64的放大因子),又如,若最大放大因子为20,则至少多分配5位,即可避免最坏情况下AR滤波器的溢出和下溢。
为了调整滤波器系数的动态范围,本发明在某些优选实施例中,在量化巴特沃斯滤波器前先对其进行适当的归一化,以便尽可能精确地保持极点和零点的位置。
本发明的数字滤波器具有有效的量化位。由于MA滤波器结构非常简单,为了简化操作,本发明主要对AR滤波器系数进行量化。在某些实施例中,可对MA滤波器与AR滤波器均进行量化,本发明对此不作限定。
量化滤波器频率响应的一个决定性因素是用于量化AR部分系数的比特数。对于包含16个不同中心频率的滤波器组,图3为使用14bit量化AR滤波器系数的频率响应,图4为使用18bit量化AR滤波器系数的频率响应。对比可知,本发明的低频AR滤波器对量化更敏感,受量化bit影响较大,其余AR滤波器相对稳定。测试结果表明,使用较多比特量化AR滤波器系数(大于等于16bit),量化后的频率响应与未量化滤波器的频率响应非常接近,几乎无精度损失,因此较多的比特数对于低频滤波器是有利,但过多的比特位造成资源浪费。
在某实施例中,对AR滤波器系数的整数部分进行量化。为了保证精确的频率响应,在某优选实施例中,对AR滤波器系数的整数部分和小数部分均进行量化。
在某些实施例中,对巴特沃斯滤波器的传递函数进行适当的变形或简化,使得b(z)=b0(1-z2)、a(z)=1+a1z+a2z2。其中,b0、a1和a2为滤波器系数。本发明后文也以此为例,但并不表示、仅能以上述方式表示,进行常规的缩放或变形也在本发明公开的范围内。
巴特沃斯滤波器归一化后的传递函数为:
巴特沃斯滤波器中,系数{1,a1,a2}都在(-k, k)之间,k为正整数,例如当k=2时,归一化后的AR滤波器系数{2B b, 2B b a1, 2B b a2}都在区间(-2B b +1,2B b +1)之间,这意味着,对于整数部分量化,至少需要Ba,i= Bb+2位(bit)以量化滤波器的整数部分。综上所述,AR滤波器系数整数部分量化的相关位数Ba,i为:Ba,i= Bb+k,其中,Bb为与量化精度相关的整数,k为滤波器系数取值范围相关的正整数。示例性地,若Bb=10、k=2,则至少需要12bit将归一化的滤波器系数{2B b, 2B b a1, 2B b a2}量化为整数部分。
在某优选实施例中,本发明对AR滤波器系数的整数部分和小数部分均进行量化,AR滤波器系数总的相关量化位数Ba可表示为:
Ba=Ba,i+Ba,f
其中,Ba,i为AR滤波器系数整数部分量化的相关位数,Ba,f为AR滤波器系数小数部分量化的相关位数。
经归一化和量化后,巴特沃斯滤波器的传递函数为:
相应地,AR滤波器输出总的位数Bw可表示为:
Bw=Bw,i+Bw,f
其中,Bw,i为AR滤波器输出整数部分位数,Bw,f为AR滤波器输出小数部分位数。
若考虑最坏输入情况下,当输入信号bit数为Bin(Bin为正整数),则巴特沃斯滤波器整数部分位数Bw,i所需的比特数为:
Bw,i=Bin+r
其中,r是前述内容中为了避免溢出和下溢为AR波器额外分配的bit位数量,为正整数,例如Bw,i=Bin+6。
然而,由于量化会导致死区问题(dead-zone),当输入信号幅值较低时,死区问题会更明显。实践表明,若巴特沃斯或AR滤波器输入信号量化位数Bin=10bit,对于AR滤波器组中心频率最低的AR滤波器,整数部分的量化位数Ba,i=10bit,当Bw,f=0bit时,会损失所有小于输入信号1/2峰值的输入信号样本,当Bw,f=4bit时,会损失所有小于输入信号1/32峰值的输入信号样本,当Bw,f=10bit时,无任何损失。因此,为了避免死区,需要为AR滤波器系数的小数部分Ba,f分配更多的bit位。
因此,在发明的AR滤波器设计过程中,可考虑以上优化措施中的至少一项:
i)为了避免溢出和下溢,可以增加AR滤波器输出的整数部分的bit位,Bw,i=Bin+r。
ii)为了提高频率响应精度,对于AR系数的小数部分,我们需要增加量化比特Ba,f的位数。
iii)为了避免死区,可以增加AR滤波器输出的小数部分Bw,f的bit位。
对于Bw,f的比特数至少需要:
Bw,f=Bb-(Bin-1)
此外,为了捕获输入信号的峰值,输入动态范围的精度损失不超过2-b的,w[n]的小数部分Bw,f所需的比特数为:
Bw,f=Bb-(Bin-1)+b
图5为本发明某优选实施例中AR滤波器框图。AR滤波器输入信号为x[n] 其bit数为Bin,输出信号w[n]的总位数为Bw,其中Bin和Bw为正整数,且Bw≥Bin,<<表示左移,>>表示右移,Bw+Bb表示右移了Ba,f位后的位数。
根据AR滤波器结构和输入信号x[n]计算AR滤波器输出整数部分位数Bw,i,在某优选实施例中,为避免死区效应,滤波器AR部分的输入x[n]在相加前经第一移位寄存器将其左移Bw,f位。
在AR滤波器内部进行量化计算,利用第一加法器将左移Bw,f位后的输入x[n]与量化后反馈信号(﹣a1×w[n-1]和﹣a2×w[n-2])的整数部分求和,将求和结果经第二移位寄存器右移Bb位后得到总位数为Bw(Bw=Bw,i+Bw,f)的AR滤波器输出信号。
本发明的AR滤波器简化乘法和累加操作,利用左移、右移操作,简单地实现乘2操作,并且加法器是简单地逻辑块,不需要消耗大量地计算资源。同时,本发明精确分析了量化为2的幂次(如2-B b)而导致的信息损失,以不影响巴特沃斯滤波器的频率响应。
图6为本发明某优选实施例中MA滤波器框图。MA滤波器的输入为AR滤波器的输出w[n],经两个D触发器后得到w[n-2],将w[n]与w[n-2] 求和得到MA滤波器的输出y[n]。在某些对精度要求不那么高的实施例中,可以忽略y[n]的小数部分,将y[n]右移Bw,f位得到y’[n]。
滤波器的频率响应为滤波器达到稳定状态时,输出正弦信号的幅值与输入正弦信号幅值之比。在音频应用中,包括滤波器组,由不同中心频率的多个滤波器组成。图7为本发明设计的带通滤波器组的频率响应,包括16个滤波器,在滤波器内部进行了量化计算,每个滤波器具有精确的频率响应。
本发明的音频前端,包括多个带通滤波器,所述带通滤波器为如前所述的巴特沃斯带通滤波器。本发明的带通滤波器基于IIR实现,可以保证所有输入频率至少被一个滤波器很好的覆盖,具有较低的品质因子(10以内),避免Q值较大引起的不稳定问题以及可能会导致部分频率无法被覆盖而造成信息丢失。
本发明的巴特沃斯滤波器采用全数字实现,品质因子Q和中心频率fc可实现精确的数字控制,巴特沃斯滤波器滤波器系数具有数字可编程特点。
在一些实施例中,多个带通滤波器间为对数间隔滤波器(logarithmically-spaced filters),即两个连续滤波器的中心频率之间的比值保持不变。使用对数间隔滤波器,实现了对输入信号的 Mel(梅尔)变换,并将滤波器输出处的Mel (梅尔)变换强度转换为脉冲输出速率,该脉冲速率在下一阶段被脉冲神经网络SNN用于执行分类任务。
音频前端包括m个带通滤波器BPF(m为正整数),fc1与fcm分别为第一个和最后一个BPF的中心频率,则相邻BPF中心频率间的频率间隔比值为:
为了确保所有音频信号的频率都被至少一个BPF很好地覆盖,BPF的品质因子应满足如下关系:
假设m=16,fc1为100Hz,fcm为16000Hz,则β约等于1.4026,由此可以得到Q≤6。
在一些实施例中,可通过改变滤波器系数,以使相邻带通滤波器间具有不均匀的频带间隔。
本发明某优选实施例中设计的1阶巴特沃斯滤波器,Q=6,fc0为100Hz,输入信号x[n]的bit数为Bin=10。为避免溢出和下溢,AR滤波器输出整数部分Bw,i=Bin+6=16。为了避免死区,为AR滤波器输出增加小数部分Bw,f=8。因此,AR滤波器输出Bw为24位,考虑MA滤波器性能,整个巴特沃斯滤波器输出Bout=Bw+1=25bit。AR滤波器系数的整数部分量化位数Ba,i=Bb+2k=10,其中Bb=8,k=1,具体Bb和k的值取决于滤波器结构,Ba,f=6,总的相关量化位数Ba=16。测试表明,本发明的数字带通滤波器具有与模拟带通滤波器差不多的功耗(如CN202111201666X),且稳定性好,频率响应精度高。
本发明全数字实现的巴特沃斯滤波器的系数结构非常简单,与其他滤波器相比,更容易实现。本发明的1 阶Butterworth 滤波器在二阶系统中实现,可通过1 阶Butterworth 滤波器的级联实现更高阶的滤波器,以在对滤波器系数进行量化时产生更好的精度。此外,根据本发明的思想,还可以设计2阶Butterworth 滤波器,其在三阶系统或四阶等系统中实现,只要该Butterworth 滤波器传输函数满足2阶即可,依次类推。
本发明在量化前,对巴特沃斯滤波器系数进行归一化操作,以尽可能精确地保持零点和极点的位置,提升稳定性。
本发明可非常精确地选择AR滤波器量化比特的数量,以避免计算中的溢出和下溢问题。
本发明可非常精确地选择AR滤波器量化比特的数量,以提高频率响应精度。
本发明可非常精确地选择AR滤波器或/和MA滤波器或/和巴特沃斯滤波器输出比特的数量,以避免量化后出现死区问题。
本发明的巴特沃斯滤波器可应用于音频前端(或称为音频特征提取器),音频信号经低噪声放大LNA后进入多个并行通道,每个通道具有不同中心频率的巴特沃斯滤波器以进行滤波处理。示例性地,滤波后的信号经整流器(全波整流、半波整流)、脉冲发放模块(integrate-and-fire)等处理后产生脉冲事件,产生脉冲事件。类脑处理器根据音频前端产生的脉冲事件执行分类任务,进入语音识别或关键字识别,所述类脑处理器为决策树或神经网络处理器(如脉冲神经网络SNN)。此外,音频前端还可以与类脑处理器通过连接在一起,构成一颗“感算一体”的类脑芯片。
尽管已经参考本发明的具体特征和实施例描述了本发明,但是在不脱离本发明的情况下仍可以对其进行各种修改、组合、替换。本发明的保护范围旨在不限于说明书中描述的过程、机器、制造、物质组成、装置、方法和步骤的特定实施例,并且这些方法、模块可能还被实施在相关联、相互依赖、相互配合、前/后级的一个或多个产品、方法当中。
因此,说明书和附图应简单地视为由所附权利要求限定的技术方案的部分实施例的介绍,因而应根据最大合理解释原则对所附权利要求解读,并旨在尽可能涵盖本发明公开范围内的所有修改、变化、组合或等同物,同时还应避免不合常理的解读方式。
为了实现更好的技术效果或出于某些应用的需求,本领域技术人员可能在本发明的基础之上,对技术方案做出进一步的改进。然而,即便该部分改进/设计具有创造性或/和进步性,只要依赖本发明的技术构思,覆盖了权利要求所限定的技术特征,该技术方案同样应落入本发明的保护范围之内。
所附的权利要求中所提及的若干技术特征可能存在替代的技术特征,或者对某些技术流程的顺序、物质组织顺序可以重组。本领域普通技术人员知晓本发明后,容易想到该些替换手段,或者改变技术流程的顺序、物质组织顺序,然后采用了基本相同的手段,解决基本相同的技术问题,达到基本相同的技术效果,因此即便权利要求中明确限定了上述手段或/和顺序,然而该些修饰、改变、替换,均应依据等同原则而落入权利要求的保护范围。
结合本文中所公开的实施例中描述的各方法步骤或模块,能够以硬件、软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各实施例的步骤及组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用或设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为在本发明所要求保护的范围之外。
Claims (11)
1.一种数字带通滤波器,其特征在于:
所述数字带通滤波器为巴特沃斯滤波器;
所述巴特沃斯滤波器包括移动平均滤波器和自回归滤波器;
所述移动平均滤波器和自回归滤波器级联。
2.根据权利要求1所述的数字带通滤波器,其特征在于:
所述巴特沃斯滤波器的输出比特位大于输入比特位。
3.根据权利要求2所述的数字带通滤波器,其特征在于:
所述巴特沃斯滤波器输出信号整数部分的比特位比输入信号整数部分的比特位大r位;
其中,r为正整数,且2r≥所述自回归滤波器的最大放大因子。
4.根据权利要求2或3所述的数字带通滤波器,其特征在于:
增加量化自回归滤波器系数整数部分的量化位数,或者增加量化所述自回归滤波器系数整数部分和小数部分的量化位数。
5.根据权利要求4所述的数字带通滤波器,其特征在于:
增加所述巴特沃斯滤波器输出信号小数部分的比特位Bw,f。
6.根据权利要求4所述的数字带通滤波器,其特征在于:
所述自回归滤波器包括第一加法器;
所述第一加法器将所述自回归滤波器的输入经第一移位寄存器左移Bw,f位后与所述自回归滤波器系数经量化后的整数部分求和,得到求和结果;
所述求和结果经第二移位寄存器右移Bb位后得到所述巴特沃斯滤波器的输出信号,Bb为与量化精度相关的整数。
7.一种滤波方法,其特征在于:
所述滤波方法为基于有限脉冲响应实现的数字带通滤波;
所述数字带通滤波为巴特沃斯滤波,包括级联的移动平均滤波和自回归滤波。
8.根据权利要求7所述的滤波方法,其特征在于:
所述巴特沃斯滤波输出信号整数部分的比特位比输入信号整数部分的比特位大,或/和,增加所述巴特沃斯滤波器输出信号小数部分的比特位。
9.根据权利要求8所述的滤波方法,其特征在于:
增加量化自回归滤波器系数整数部分的量化位数,或者增加量化所述自回归滤波器系数整数部分和小数部分的量化位数。
10.一种音频特征提取器,其特征在于:
所述音频特征提取器用于对麦克风输出的音频信号进行处理,得到多个通道的脉冲序列;
所述音频特征提取器包括低噪声放大器,音频信号经低噪声放大后进入所述多个通道;
每个通道包括如权利要求1-6任一项所述的数字带通滤波器与所述低噪声放大器耦接,或者每个通道使用如权利要求7至9任一项所述的滤波方法对低噪声放大后的通道信号滤波。
11.一种芯片,其特征在于:
所述芯片包括如权利要求10所述的音频特征提取器和分类器;
所述分类器根据所述音频特征提取器产生的脉冲序列执行分类任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373605.6A CN115514344A (zh) | 2022-11-04 | 2022-11-04 | 数字带通滤波器、滤波方法、音频特征提取器和芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211373605.6A CN115514344A (zh) | 2022-11-04 | 2022-11-04 | 数字带通滤波器、滤波方法、音频特征提取器和芯片 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115514344A true CN115514344A (zh) | 2022-12-23 |
Family
ID=84513049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211373605.6A Pending CN115514344A (zh) | 2022-11-04 | 2022-11-04 | 数字带通滤波器、滤波方法、音频特征提取器和芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115514344A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798491A (zh) * | 2023-01-29 | 2023-03-14 | 深圳时识科技有限公司 | 音频特征提取装置、方法、芯片和电子设备 |
CN116312601A (zh) * | 2023-05-22 | 2023-06-23 | 北京探境科技有限公司 | 音频处理方法、装置、存储介质及电子设备 |
-
2022
- 2022-11-04 CN CN202211373605.6A patent/CN115514344A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115798491A (zh) * | 2023-01-29 | 2023-03-14 | 深圳时识科技有限公司 | 音频特征提取装置、方法、芯片和电子设备 |
CN116312601A (zh) * | 2023-05-22 | 2023-06-23 | 北京探境科技有限公司 | 音频处理方法、装置、存储介质及电子设备 |
CN116312601B (zh) * | 2023-05-22 | 2023-08-29 | 北京探境科技有限公司 | 音频处理方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115514344A (zh) | 数字带通滤波器、滤波方法、音频特征提取器和芯片 | |
US20050216259A1 (en) | Filter set for frequency analysis | |
CN114093377B (zh) | 分裂归一化方法、装置、音频特征提取器、芯片 | |
Yli-Kaakinen et al. | A systematic algorithm for the design of lattice wave digital filters with short-coefficient wordlength | |
US4809331A (en) | Apparatus and methods for speech analysis | |
CA2112767A1 (en) | Tone-Detecting Method for Detecting at Least one Tone in a Dual-Tone Multifrequency Signal, Call-Progress Method Using the Same | |
CN103580647B (zh) | 一种滤波器结构 | |
CN112634937A (zh) | 一种无需数字特征提取计算的声音分类方法 | |
CN110086452B (zh) | 一种低复杂度的稀疏fir陷波滤波器的设计方法 | |
JPH0844395A (ja) | 音声ピッチ検出装置 | |
US3717812A (en) | Real time analysis of waves | |
Strom | On amplitude-weighted instantaneous frequencies | |
Seo | Salient Chromagram Extraction Based on the Savitzky-Golay Filter for Cover Song Identification | |
Harju | Roundoff noise properties of IIR polynomial predictive filters | |
CN113708741A (zh) | 一种系数可配置数字滤波器的设计方法及装置 | |
Rao et al. | Audio equalizer with fractional order Butterworth filter | |
Eraluoto et al. | VLSI implementation of high speed digital filters using direct form delta structures | |
CN112584274A (zh) | 等化处理的调整系统及其调整方法 | |
CN112071297A (zh) | 一种矢量声的自适应滤波方法 | |
US8560101B2 (en) | Audio signal processing apparatus and audio signal processing method | |
Tseng et al. | Design of digital differentiator based on maximum signal to noise ratio criterion | |
TW202226225A (zh) | 以零點交越檢測改進語音活動檢測之設備及方法 | |
JPS6210697A (ja) | 音声認識装置 | |
JPS63219217A (ja) | デイジタル信号処理装置 | |
CN112769410A (zh) | 滤波器构建方法、音频处理方法及电子设备、存储装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |