Implementação em FPGA de um sistema de keyword spotting baseado em redes neurais artificiais

Abstract

Este trabalho é dedicado à implementação em FPGA de um sistema de acoustic keyword spotting capaz de detectar palavras específicas na língua portuguesa em um sinal de áudio. O sistema implementado realiza o processamento em tempo real utilizando, como pré-processamento, a extração de coeficientes MFCCs, além de uma convolutional neural network (CNN) como classificador. Nesse contexto, são desenvolvidos um banco de fala na língua portuguesa, técnicas para melhorar a performance do keyword spotting, uma técnica de quantização dinâmica e um gerador automático de código para a CNN em FPGA. O sistema de keyword spotting proposto em FPGA mostrou-se equivalente à versão em software, obtendo um bom desempenho em termos de tempo de processamento, taxas de detecções corretas e de falsos positivos.

This work is dedicated to the implementation of an FPGA-based acoustic keyword spotting (KWS) system for the portuguese language. Such system performs real-time processing using MFCC extraction for pre-processing and a convolutional neural network (CNN) as the classifier. In this context, a portuguese speech database, techniques to improve KWS performance, a dynamic quantization technique, and an automatic code generator are developed. The obtained FPGA- based KWS system has achieved similar results as its software version, presenting very good performance in terms of both positive and false- alarm rates, along with extremely low processing times.