Franske CEA-Leti har udviklet et såkaldt KWS (key-spotting system) design, som dramatisk forbedrer nøjagtigheden af altid-on taleaktiverede edge-AI systemer og har et mindre effektforbrug i et meget mindre siliciumareal end den nuværende teknologi.
Den nye arkitektur, der blev præsenteret på ISSCC 2024 konferencen i San Francisco, bruger time-domain signalbehandling på injection-låste oscillatorer og er velegnet til enheder, der forsynes fra energihøst forsyning, som leverer effekt under 0,5 V. Præsentationen med titlen “0.4V 988nW Time-Domain Audio Feature Extraction for Keyword Spotting Using Injection-Locked Oscillators”, viser en arkitektur, som leverer nøjagtig talegenkendelse ved et effektforbrug på mindre end en mikrowatt. Det er den første injection-låste oscillatorbaserede audio TD-FEx (time-domain feature extraction) enhed, som demonstrerer keyword spotting ned til 0,4 V med 91 % nøjagtighed med 10 ord. TD-FEx informationen er ikke kodet som en spænding men som en tidsforsinkelse af to kloksignaler.
– Med et siliciumareal på 0,15 mm2 er vort system mindst 3,5 gange mindre end tidligere enheder produceret med samme 65 nm procesteknologi. Og med et effektforbrug på 988 nW er systemet 9 gange mere effektivt mht. power og areal end ring-oscillator-baserede TD-FEx systemer, siger Ali Mostafa, ledende forfatter af præsentationen.
Foruden talegenkendelse kan systemet også anvendes til forebyggende vedligeholdelse og sundhedsovervågning, som kræver on-line frekvensopløsning af sensordata.
