人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。

成果介绍在微瓦级极低功耗的情况下，芯片可以应用至智能手机、可穿戴智能设备、小家电、大家电、玩具及车载等众多场景中。技术创新点及参数神经网络拓扑/计算精度动态自适应的系统架构，基于事件驱动的精度可控数模混合近似计算电路，实现面向各种背景噪声的场景自适应低功耗智能计算。基于22nm工艺，实现微瓦级(< 10uW)极低功耗下的高精度关键词语音识别样片验证，相比目前最新研究成果，硬件能效提高近3倍，且支持各种噪声下的高精度识别(Noise-robust recognition)，相关研究成果已发表在电路与系统领域顶刊IEEE Transactions on Circuits and Systems I: Regular Papers。市场前景可集成和使用在对手机、可穿戴设备、智能家居等多种应用场景的智能终端产品。产品当前已经在实验室完成样品测试，各项功能都处于行业优秀水平；芯片目前技术参数可以达到支持离线语音唤醒功能，支持5个唤醒词和10个命令词，还支持声纹识别。它支持3-5m的远场语音唤醒和识别，工作频率为50MHz，延迟不到10ms。

结合模式识别及语音情感感知算法，开发了应用于移动平台的语音情感识别系统，该技术具有自主知识产权。该系统能够通过移动终端采集用户的语音信号，经情感建模和识别算法处理后，实时感知用户语音中包含的六种基本情感信息（高兴、悲伤、惊讶、害怕、生气、嫌恶）。系统特点：1、融合说话人无关和说话人相关两种语音情感模型，用以弥补单一模型无法兼顾算法普适性和准确性的不足；2、具备在线及离线两种工作模式，在线模式下，移动设备可以借助服务器获得更为准确的识别结果，并且节省运算资源；3、对移动设备使用环境中的低采样率与低信噪比环境作了针对性优化，保障了识别算法在一般环境下的鲁棒性。 本系统基于北京航空航天大学模式识别与人工智能实验室的多模型融合语音情感识别技术，在移动平台上实现了对说话人情感表达的识别。其能够对说话人相关和说话人无关情形进行相应优化，对于未在系统注册的一般用户，识别准确率为76%；对于已在系统注册的用户，识别准确率可达83%，属于国内外领先水平。对于长度为2s的语音，本系统离线模式下识别时间小于0.5s，在线模式下识别时间小于0.2s。

电信诈骗是指犯罪分子通过电话、网络方式，编造虚假信息，设置骗局，对受害人实施远程、非接触式诈骗，诱使受害人给犯罪分子打款或转账的犯罪行为。本项目针对广义电信诈骗提出解决方案，即针对通话语音、网络语音等形式进行金融诈骗。诈骗受害方包括个人客户及银行、保险、网贷公司和潜在的网络银行等企业客户。

1 成果简介语音识别在嵌入式芯片上实现的主要矛盾是算法实现的性能精度与芯片功耗、速度之间的矛盾，一个性能较好的 800 条典型汉语普通话语音识别算法以纯粹软件嵌入方案实现通常需要 200MIPS 以上 ARM（ Advanced Risc Machine） MCU 处理速度，因此我们提出语音识别集成电路 IP 与协处理器来克服以上的问题，通过关键运算的硬件化映射来大幅提高语音识别计算的功耗和处理速度。该设计可作为语音识别集成电路 IP 放入客户的 SoC 芯片中，也可作为协处理器放在片外。 关键性能指标如下： *工艺：苏州 HJTC 0.18um 1P6M 标准 CMOS 工艺 *管芯面积： 1.5 x 2mm *逻辑规模： 3 万等效门（标准二输入与非门，不含 SRAM） *I/O 数： 52 封装: CQFP64 *存储规模：片上集成 1 片单口 SRAM，共 4K×16 比特 *供电电压：核心部分->1.8V， IO 部分->3.3V *正常工作频率： 20MHz（最高工作频率 100MHz） *功耗： 80uW/MHz *速度： 4us/帧（特征维数取 27，时钟频率取 20MHz） 图 1 语音识别集成电路版图图 2 ARM+语音识别协处理的测试系统表 1 与其他语音识别芯片的对比2 应用说明语音识别 IP 或协处理器基于对高斯混合模型计算的优化，适合于各种 HMM 模型的模式识别计算，在语音识别、说话人识别、说话人确认、语音合成等方面均可以广泛应用。 语音识别 IP 或协处理器以加速 ASIC 的模式工作，相同时钟主频下计算性能是 TI C54x系列 16bit DSP 的 5.5 倍以上，对主系统计算性能提升可以达到 4~8 倍。 语音识别 IP 或协处理器对于性能要求型场合和功耗限制型场合都十分适合，芯片支持16bit 并行总线接口，适合于各种 32 位/16 位 MCU 系统，迅速为系统集成高性能语音处理能力。3 应用范围车载导航， GPS 手机，支持大规模识别词表（例如万条以上的地名）支持模糊语音检索；低端手机平台，支持语音拨号、语音控制，支持用户身份确认、声纹密码。4 效益分析语音识别 IP 或协处理器芯片可应用拓展到个人移动信息终端的全市场空间，以 GPS 产品为例，细分的预装 GPS、个人导航设备（ Portable Navigation Device， PND）， GPS 手机三种产品，根据 CCID（ Consulting China Research Center）咨询公司预测 2008 年这三者分别约占到全球市场总量的 15%、 35%和 50%。快速增长的 GPS 市场，对语音识别功能有着非常迫切而又实际的需求， GPS 应用提出的超大规模词表、高混淆度和高环境复杂度这一系列语音识别的技术难题，也只能由语音识别芯片解决。语音识别加快了人机交互与地名等信息的检索，可提高驾驶期间操作 GPS 的行车安全性，同时可以反过来进一步促进 GPS 产品的销售增长。 语音识别技术通过芯片在性能得到大幅提升后，将摆脱传统的人名拨号功能，可用于菜单控制、地名、信息、多媒体内容的检索等等。而语音识别芯片使得低功耗和低成本的要求得以满足，有望成为手机人机交互界面（ Man-Machine Interface， MMI）发展的新技术增长点，移动通信领域的市场潜力特别巨大。

产品详细介绍■ 外形美观，品质优良，安装方便，可靠性高，语言清晰。■ 特别适合中小学校教室扩声。规格参数 ■ 额定阻抗：                   8Ω■ 额定功率：                   60W ■ 最大功率：                   120W ■ 有效频率范围（-3dB）：       80Hz－18KHz ■ 灵敏度：                     88dB /w/m ■ 连续声压级：                 113 dB ■ 最大声压级：                 120 dB ■ 辐射角度（H×V）：           90°×50° ■ 单元规格：                   LF：6.5"×1，HF：2"×1 ■ 净尺寸（宽×高×深）：       250×410×180 ■ 净重：                       5 Kg

产品详细介绍■ 外观小巧，简洁美观，箱体线条流畅，具有现代感。采用色彩明快的白色洒点漆作为饰面，符合流行潮流，与白色小孔钢网罩浑然一体。■ 安装方便，可采用壁挂式安装，水平方向旋转，垂直仰俯角度调整自如，使声场方向任意改变，满足声场的一不同指向性。■ 听感自然，声音清晰，能够很好地表现和还原人声。规格参数额定阻抗：  8Ω额定功率： 100W最大功率： 200W有效频率范围（-6dB）:70 Hz -18KHz灵敏度：91dB /w/m连续声压级：112dB最大声压级：118dB单元规格： LF:6.5"×2； HF:3"×1（纸盆高音）净尺寸（宽×高×深）：211×520×193净重：5.8Kg推荐配套功放：XY100A/P2100K

产品详细介绍■ 外观小巧，简洁美观，箱体线条流畅，具有现代感。采用色彩明快的白色洒点漆作为饰面，符合流行潮流，与白色小孔钢网罩浑然一体。■ 安装方便，可采用壁挂式安装，水平方向旋转，垂直仰俯角度调整自如，使声场方向任意改变，满足声场的一不同指向性。■ 听感自然，声音清晰，能够很好地表现和还原人声。规格参数■ 额定阻抗：                   8Ω ■ 额定功率：                   80W ■ 最大功率：                   160W ■ 有效频率范围（-6dB）：       50 Hz -20KHz ■ 灵敏度：                     92dB /w/m ■ 连续声压级：                 113dB ■ 最大声压级：                 119dB ■ 单元规格：                   LF:8"×1； HF:3"×1（丝膜高音） ■ 净尺寸（宽×高×深）：       263×430×241 ■ 净重：                       6.5Kg

产品详细介绍■ 外观小巧，简洁美观，箱体线条流畅，具有现代感。采用色彩明快的白色洒点漆作为饰面，符合流行潮流，与白色小孔钢网罩浑然一体。■ 安装方便，可采用壁挂式安装，水平方向旋转，垂直仰俯角度调整自如，使声场方向任意改变，满足声场的一不同指向性。■ 听感自然，声音清晰，能够很好地表现和还原人声。规格参数■ 额定阻抗：                8Ω■ 额定功率：                60W■ 最大功率：                120W■ 有效频率范围（-6dB）：    80 Hz -18KHz■ 灵敏度：                  89dB /w/m■ 连续声压级：              107dB■ 最大声压级：              113dB■ 单元规格：                LF:6.5"×1； HF:3"×1（纸盆高音）■ 净尺寸（宽×高×深）：    211×344×193■ 净重：                    3.8Kg

产品详细介绍■ 外观小巧，简洁美观，箱体线条流畅，具有现代感。采用色彩明快的白色洒点漆作为饰面，符合流行潮流，与白色小孔钢网罩浑然一体。■ 安装方便，可采用壁挂式安装，水平方向旋转，垂直仰俯角度调整自如，使声场方向任意改变，满足声场的一不同指向性。■ 听感自然，声音清晰，能够很好地表现和还原人声。规格参数■ 额定阻抗：               8Ω ■ 额定功率：               30W ■ 最大功率：               60W ■ 有效频率范围（-6dB）：   100 Hz -16KHz ■ 灵敏度：                 89dB /w/m ■ 连续声压级：             104dB ■ 最大声压级：             110dB ■ 单元规格：               5"×1(高音杯) ■ 净尺寸（宽×高×深）：   167×272×153 ■ 净重：                   2.3Kg