在下一代芯片到达格勒诺布尔的GreenWaves总部后不到两周，该公司在世界移动通信大会上与其合作伙伴一起展示了先进的音频演示。Gap9处理器是Gap8的后继者，针对loT（物联网：Internet of Things）设备中的计算机视觉，是一种超低功耗神经网络处理器，适用于电池供电设备。GreenWaves的市场营销副总裁Martin Croome告诉EE Times Europe，该公司在获得Gap8行业牵引力后，决定将Gap9专注于可听设备市场。
“我们有一个 1 级可听设备制造商来找我们说，这很有趣，但它缺少这个，这个和这个，”他说。 “与他们交谈，我们看到他们需要做一些特定的事情。 因此，在Gap9的设计过程中意味着有人可以和我们谈论我们对芯片所做的决定，这使我们能够专注于将可听设备作为核心的市场之一。”
结果，缺少的是一个 3.7 x 3.7 毫米的微型芯片，针对高级音频进行了优化，可以放入耳塞中。
GreenWaves 总部的Gap9工程样本来源：GreenWaves）
潜在的应用包括主动降噪 (ANC：Active Noise Cancellation)，它具有严格的延迟要求——处理必须在声音到达耳机外部的错误麦克风和到达您的耳朵之间的时间内进行。 Croome说，ANC通常要在特定频率范围内良好消除噪音或一定频率范围内不太好的一般消除噪音之前做出一个棘手的权衡。消除高频噪声通常也很困难。 存在各种方案，包括自适应ANC，它通过AI检测用户所处的噪声环境类型，然后调整滤波器进行补偿。
Gap9的另一个潜在应用是语音拾取——当用户在繁忙或拥挤的环境中打电话时，可以让手机屏蔽除他们之外的所有声音。Croome 说，现在这个主要是一个云应用程序，虽然它是在一些个人电脑上完成的，但它还没有进入头显。 然后是空间音频——使声音看起来来自特定的地方——这需要耳机上的惯性测量单元 (IMU)，以便当用户移动头部时，声源似乎会相对的移动。
GreenWaves 在世界移动通信大会上展示了其超低功耗芯片上的几个高级音频演示。
与合作伙伴 Orosound（法国巴黎）合作，一个demo展示了芯片里的声音过滤单元 (SFU) 在Gap9上运行的混合 ANC。由模拟器开发并在短短四天内在芯片上调节，Croome表示它运行得非常好。Orosound开发了基于AI的ANC，工作频率为768 kHz，具有选择性和自适应性。Gap9每个通道消耗 1.5mW。合作伙伴还致力于在 Gap9上实施Orosound基于AI 的降噪算法。
合作伙伴 Idun Audio（丹麦哥本哈根）展示了无线耳机上的动态空间音频。演示应用程序允许用户单击扬声器来移动它们，并听到不同之处。用户还可以四处移动他们的头，并听到声音似乎来自同一个地方。与智能手机相比，耳机中的处理避免了蓝牙增加的延迟，并且无论播放设备是什么都可以实现高质量的动态空间音频。 对于这个演示，Gap9 执行了编码（每通道 1.5 mW，44.1 kHz，400 kbps）和解码（每通道 1mW，44.1 kHz，400 kbps）以及头部跟踪。Gap9的总功耗为1.8 mW。
GreenWaves 的 Gap9 芯片用于 Idun Audio 的空间音频演示（来源：Idun Audio/GreenWaves）
GreenWaves的合作伙伴Cyberon（台湾）拥有可用于关键字检测的语音处理引擎。这个引擎是基于音素的，说明它不需要为新的关键字重新训练（只需输入它们）。 Croome阐述到，这个演示消耗了大约500微瓦，在Gap9上持续运行以进行语音激活。
另一个合作伙伴Segotia（爱尔兰戈尔韦市）正在研究听觉注意点解码。该系统采用脑电图（EEG）——来自用户的脑电波——并使用人工智能来解码这个多通道脑电波，以确定用户在听房间里的哪个人。这个想法是，此信息可用于增强来自特定扬声器的声音和/或静音其他扬声器。 根据Croome的说法，这是Gap9将音频处理和神经网络加速相结合的理想应用。
Segotia 的想法是使用EEG脑电波图来检测一个人正在尝试听哪个扬声器，然后相应地调整音频（来源：Segotia/GreenWaves）
GreenWaves自己的demo演示了基于语音ID的扬声器分离。 用户提供语音样本，系统会嵌入他们的语音，然后将其馈送到语音过滤器。 然后可以调整过滤器以仅拾取他们的声音。 Croome 表示，实现这一目标的神经网络“相当大”，有8-10 MB 的参数，不过展示了 Gap9 可以加速的神经网络范围。
GreenWaves 的基于语音 ID 的扬声器分离系统使用了相对较大的神经网络（来源：GreenWaves）
声音过滤单元
GreenWaves 是怎么以如此低的功耗实现高级音频应用呢？ 关键是 Gap9 中引入的硬件声音过滤单元 (SFU：Sound filtering unit)，它提供了基于流的自主时间区域过滤。 SFU 具有多个高度可配置的硬件模块，包括 13 种不同的过滤器模式，可配置为形成数据流图。 支持多图和动态图参数更新； GreenWaves 具有无故障更新滤波器系数的方案，这对 ANC 很重要。
GreenWaves的Gap9多核RISC-V 架构（来源：GreenWaves）
将这些过滤器放入一起放入硬件模块能产生三倍总体效果。延迟也会降低（ANC结构延迟为1.3微秒），与软件方法相比，功耗降低（结果为每个ANC通道1.3mW），并且执行时间变得完全确定。
“没有不确定性，因为声音过滤单元里面有它自己的资源，它位于接口和内存之间，所以它实际上可以处理接口到接口，此时它是完全自主的——它有自己的内存来存储它的系数， ” Croom说。 确定性意味着任务需要已知数量的时钟周期，因此设计人员可以适当地调整时钟以平衡延迟和功耗。
声音过滤单元的目标应用是主动降噪、重载滤波、声音空间化、声效等。GreenWaves 的Gap9芯片的开发板现已上市。Gap9的生产资格预计在2022年第三季度完成。
原文发表于ASPENCORE旗下EDN姐妹媒体EETimes（欧洲版），参考链接： GreenWaves Shows Off Advanced Audio Demos - EE Times Europe
By Sally Ward-Foxton，编译：Bowen Tan。
最前沿的电子设计资讯
