[論文レビュー] A comparative study of performance of fpga based mel filter bank & bark filter bank

Debalina Ghosh, Depanwita Sarkar Debnath+1 more|arXiv (Cornell University)|Jun 7, 2012

Speech and Audio Processing参考文献 1被引用数 4

ひとこと要約

本論文では、Xilinx Spartan 3EおよびVirtex-4デバイス上でVHDLを用いてFPGAベースのメルおよびバーグフィルターバンクの比較実装を提示している。FIRフィルタ設計にはバートレット窓およびハミング窓が用いられている。主な発見は、バーグフィルターバンクがメルフィルターバンクよりも優れたハードウェア効率を示しており、音声処理応用における知覚的に関連する周波数分解能を維持しつつ、FPGAリソースをより少ない面積で占拠していることである。

ABSTRACT

The sensitivity of human ear is dependent on frequency which is nonlinearly resolved across the audio spectrum .Now to improve the recognition performance in a similar non linear approach requires a front -end design, suggested by empirical evidences. A popular alternative to linear prediction based analysis is therefore filter bank analysis since this provides a much more straightforward route to obtain the desired non-linear frequency resolution. MEL filter bank and BARK filter bank are two popular filter bank analysis techniques. This paper presents FPGA based implementation of MEL filter bank and BARK filter bank with different bandwidths and different signal spectrum ranges. The designs have been implemented using VHDL, simulated and verified using Xilinx 11.1.For each filter bank, the basic building block is implemented in Spartan 3E. A comparative study among these two mentioned filter banks is also done in this paper.

研究の動機と目的

• リアルタイム音声信号処理を目的とした、効率的でハードウェア最適化されたメルおよびバーグフィルターバンクの設計と実装。
• FPGAプラットフォーム上でのメルおよびバーグフィルターバンクのハードウェアリソース使用量（LUT、FF、BRAM）の評価と比較。
• 心理物理学的スケールを用いた人間聴覚周波数分解能のモデル化を通じて、両フィルターバンクの知覚的関連性の妥当性を検証。
• EDAツールおよびFPGA技術の間での移植性を確保することで、完全な音声認識システムへの統合を可能にすること。

提案手法

• メルフィルターバンクにはバートレット窓、バーグフィルターバンクにはハミング窓を用いて13バンドのFIRバンドパスフィルタを設計。
• VHDLを用いてフィルターバンクを実装し、Xilinx Spartan 3EおよびVirtex-4 FPGAs上でXilinx ISE 11.1を用いて合成。
• 指定されたカットオフ周波数およびバンド幅に対応する最適化されたFIRフィルターコアを生成するために、Xilinx LogiCORE FIRコンパイラーを活用。
• リアルタイム信号モニタリングおよび内部設計動作の検証のために、ChipScope Pro統合論理アナライザー（ILA）を用いる。
• 周波数歪みの式を適用：Mel(f) = 2595 × log10(1 + f/700) および Bark(f) = 13 × atan(0.76f/1000) + 3.5 × atan(f²/7500²) を用いてフィルタ中心周波数を定義。
• 正弦波入力とトリガー駆動波形キャプチャを用いたシミュレーション、合成、ハードウェアテストを通じて設計を検証。

実験結果

リサーチクエスチョン

• RQ1 同じFPGA上に実装された場合、メルおよびバーグフィルターバンクのハードウェアリソース要件（LUT、FF、BRAM）はどのように比較されるか？
• RQ2 窓関数の種別（バートレット窓対ハミング窓）が、フィルターバンクの周波数応答および実装効率に与える影響は何か？
• RQ3 フィルターバンク設計およびスペクトルエネルギー分布の観点から、メルおよびバーグスケールの知覚的周波数分解能はどのように比較されるか？
• RQ4 FPGAリソース制限を超えない範囲で、フィルターバンクは完全な音声認識システムにどの程度統合可能か？
• RQ5 2つのフィルターバンクアーキテクチャ間の設計複雑性およびタイミング性能にどのような主な差異があるか？

主な発見

• デバイス使用量要約の比較により、バーグフィルターバンクがメルフィルターバンクよりも顕著に少ないFPGAリソースを占拠していることが確認された。
• メルフィルターバンクの設計では、Logicoreブロックインスタンスからの警告が発生したため、リソースマッピングの制約を考慮した「バランスの取れた」合成目標を採用する必要があった。
• バーグフィルターバンクは、より高いハードウェア効率を示し、LUTおよびフリップフロップの使用量がメルフィルターバンクよりも低かった。
• ChipScope Pro ILAを用いたリアルタイム検証により、正しく動作していることが確認され、トリガー駆動波形キャプチャにより入力信号に対する正確な出力応答が得られた。
• 両フィルターバンクのRTLスケマティクスおよびデバイス使用量レポートが正常に生成され、機能的正しさおよびリソース割り当てが確認された。
• 両フィルターバンクは正常に合成およびシミュレートされ、完全な音声認識システムへの統合に適していることが結果から示された。