論文の概要: LearnAFE: Circuit-Algorithm Co-design Framework for Learnable Audio Analog Front-End

• arxiv url: http://arxiv.org/abs/2507.00755v1
• Date: Tue, 01 Jul 2025 13:59:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.651353
• Title: LearnAFE: Circuit-Algorithm Co-design Framework for Learnable Audio Analog Front-End
• Title（参考訳）: LearnAFE:学習可能なオーディオアナログフロントエンドのための回路アルゴリズム協調設計フレームワーク
• Authors: Jinhai Hu, Zhongyi Zhang, Cong Sheng Leow, Wang Ling Goh, Yuan Gao,
• Abstract要約: 本稿では,学習可能なアナログフロントエンド(AFE)のための回路アルゴリズムを用いた協調設計フレームワークを提案する。 提案したオーディオAFEは、それぞれ電力とコンデンサ面積の8.7%と12.9%の削減を実現している。
• 参考スコア（独自算出の注目度）: 7.017288038792077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a circuit-algorithm co-design framework for learnable analog front-end (AFE) in audio signal classification. Designing AFE and backend classifiers separately is a common practice but non-ideal, as shown in this paper. Instead, this paper proposes a joint optimization of the backend classifier with the AFE's transfer function to achieve system-level optimum. More specifically, the transfer function parameters of an analog bandpass filter (BPF) bank are tuned in a signal-to-noise ratio (SNR)-aware training loop for the classifier. Using a co-design loss function LBPF, this work shows superior optimization of both the filter bank and the classifier. Implemented in open-source SKY130 130nm CMOS process, the optimized design achieved 90.5%-94.2% accuracy for 10-keyword classification task across a wide range of input signal SNR from 5 dB to 20 dB, with only 22k classifier parameters. Compared to conventional approach, the proposed audio AFE achieves 8.7% and 12.9% reduction in power and capacitor area respectively.
• Abstract（参考訳）: 本稿では,学習可能なアナログフロントエンド(AFE)のための回路アルゴリズムを用いた協調設計フレームワークを提案する。 AFEとバックエンドの分類器を別々に設計することは一般的な慣習であるが、本論文で示すように理想的ではない。 そこで本研究では,システムレベルの最適化を実現するために,バックエンド分類器とAFEの転送関数を併用した最適化を提案する。 具体的には、アナログ帯域通過フィルタ(BPF)バンクの転送関数パラメータを、分類器の信号対雑音比(SNR)対応訓練ループで調整する。 共設計損失関数 LBPF を用いて、フィルタバンクと分類器の両方の最適化が優れていることを示す。 オープンソースのSKY130 130nm CMOSプロセスで実装され、最適化された設計は5dBから20dBまでの幅広い入力信号SNRの10キーワード分類タスクに対して90.5%-94.2%の精度を達成した。 従来の手法と比較して、提案したオーディオAFEは、それぞれ8.7%と12.9%の消費電力削減とコンデンサ面積を達成している。

関連論文リスト

• LoCA: Location-Aware Cosine Adaptation for Parameter-Efficient Fine-Tuning [47.77830360814755]
  位置認識コサイン適応(LoCA)は離散逆コサイン変換(iDCT)に基づく新しい周波数領域パラメーター効率微調整法である 分析の結果,周波数領域の分解が従来の低ランク手法の表現率を上回ることが判明した。 多様な言語および視覚的微調整タスクの実験は、LoCAが低ランク法に匹敵する計算能力を維持しながら、パラメータ効率を向上することを示した。
  論文  参考訳（メタデータ） (2025-02-05T04:14:34Z)
• Improved Motor Imagery Classification Using Adaptive Spatial Filters Based on Particle Swarm Optimization Algorithm [4.93693103484175]
  本稿では,粒子群最適化アルゴリズム(PSO)に基づく適応型空間フィルタ解法を提案する。 MIEEG信号分類のためのフィルタバンクと空間フィルタ(FBCSP-ASP)に基づくトレーニングおよびテストフレームワークを設計する。 提案手法の分類精度は, データセット2aと2bでそれぞれ74.61%, 81.19%に達している。
  論文  参考訳（メタデータ） (2023-10-29T23:53:37Z)
• One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
  Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。 本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-06T20:28:37Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• Distortion-Aware Loop Filtering of Intra 360^o Video Coding with Equirectangular Projection [81.63407194858854]
  等角射影(ERP)フォーマットで投影された360$o$ビデオの符号化性能を向上させるため,歪みを考慮したループフィルタリングモデルを提案する。 提案モジュールは、符号化ユニット(CU)パーティションマスクに基づいてコンテンツ特性を分析し、部分的畳み込みによって処理し、指定された領域を活性化する。
  論文  参考訳（メタデータ） (2022-02-20T12:00:18Z)
• Spiking Cochlea with System-level Local Automatic Gain Control [13.532394494130468]
  本稿では,シリコンスパイクコクランにチャネル特異的自動ゲイン制御(AGC)を実装したシステムレベルアルゴリズムを提案する。 AGCメカニズムは演算のカウントと追加のみを必要とするため、将来の設計ではハードウェアコストの低い実装が可能である。 入力信号が32dB以上の入力範囲で変化する分類タスクに対する局所的なAGCアルゴリズムの影響を評価する。
  論文  参考訳（メタデータ） (2022-02-14T13:58:13Z)
• In-filter Computing For Designing Ultra-light Acoustic Pattern Recognizers [6.335302509003343]
  超軽量音響分類器の設計に使用できる新しいインフィルタ・コンピューティング・フレームワークを提案する。 提案したアーキテクチャは、コンボリューションと非線形フィルタリングの操作を直接サポートベクトルマシンのカーネルに統合する。 本研究では,1.5k Look-Up Tables (LUT) と2.8k Flip-Flops (FF) のみを用いて,ベンチマーク音声認識タスクにおいてロバストな分類性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-11T08:16:53Z)
• SNR optimization of multi-span fiber optic communication systems employing EDFAs with non-flat gain and noise figure [0.0]
  信号間雑音(SNR)最適化のためのマルチスパン伝送システムのコンポーネントワイズモデルを提案する。 GFFのないCバンド増幅器のゲインおよびノイズフィギュアスペクトルプロファイルについて、機械学習に基づくモデルを訓練する。 SNR平坦度を1.2dBまで同時に達成する。
  論文  参考訳（メタデータ） (2021-06-07T14:09:53Z)
• Optimization of data-driven filterbank for automatic speaker verification [8.175789701289512]
  与えられた音声データからフィルタパラメータを最適化する新しいデータ駆動型フィルタ設計法を提案する。 提案手法の主な利点は、ラベルなし音声データの量が非常に少ないことである。 提案するフィルタバンクを用いた音響特性は,既存のメル周波数ケプストラム係数 (MFCC) や音声信号に基づく周波数ケプストラム係数 (SFCC) よりも優れていた。
  論文  参考訳（メタデータ） (2020-07-21T11:42:20Z)
• Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
  受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。 本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T06:11:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。