[論文レビュー] Continuous-Time Analog Filters for Audio Edge Intelligence: Review on Circuit Designs

Kwantae Kim, Shih‐Chii Liu|arXiv (Cornell University)|Jun 6, 2022

Advanced Adaptive Filtering Techniques被引用数 4

ひとこと要約

本稿は、音声エッジインテリジェンス向け連続時間（CT）アナログフィルタ構造の統合的分析を提示する。主に2段積分器ループ型バイクォードトポロジーを用いて実装される電圧ドメインの2次フィルタに焦点を当て、OTAベース、ソースフォロワーベース、およびフラップド・ボリテージフォロワ（FVF）設計を検討し、小信号伝達関数を導出し、トランジスタレベルのシミュレーションによって検証した。その結果、キーワード検出やボイスアクティビティ検出のための低消費電力特徴抽出に適していることが示された。

ABSTRACT

Edge audio devices can reduce data bandwidth requirements by pre-processing input speech on the device before transmission to the cloud. As edge devices are required to ensure always-on operation, their stringent power constraints pose several design challenges and force IC designers to look for solutions that use low standby power. One promising bio-inspired approach is to combine the continuous-time analog filter channels with a small memory footprint deep neural network that is trained on edge tasks such as keyword spotting, thereby allowing all blocks to be embedded in an IC. This paper reviews the historical background of the continuous-time analog filter circuits that have been used as feature extractors for current edge audio devices. Starting from the interpretation of a basic biquad filter as a two-integrator-loop topology, we introduce the progression in the design of second-order low-pass and band-pass filters ranging from OTA-based to source-follower-based architectures. We also derive and analyze the small-signal transfer function and discuss their usage in edge audio applications.

研究の動機と目的

• 最新の音声エッジICにおける低消費電力信号処理に用いられる連続時間アナログフィルタ回路の包括的レビューを提供すること。
• OTAベース、ソースフォロワーベース（XSF, SSF, FVF）の多様な2次フィルタ構造を、共通の2段積分器ループ型バイクォードフレームワーク内で統一的に分析すること。
• これらのフィルタタイプの小信号伝達関数を導出し、エッジAIタスクの特徴抽出に応用可能であることを検証すること。
• エッジ音声処理において、デジタルFFTベースのアプローチと比較してCTアナログフィルタが示す消費電力効率の優位性を強調すること。
• 統合回路におけるフィルタバンクの安定性、ミスマッチ、非線形性の影響に関する設計的トレードオフと今後の研究方向性を特定すること。

提案手法

• 2次CTフィルタの分析の基盤として、2段積分器ループ型バイクォードトポロジーを採用する。
• gmC（トランスコンダクタンス-キャパシタンス）等価回路を用いて、OTAベース、XSF、SSF、FVFの各実装における小信号伝達関数を導出する。
• 各フィルタ構造における入出力インピーダンスおよび信号伝送を分析するための小信号等価図を構築する。
• 理論的予測を確認するために、導出された伝達関数をトランジスタレベルのシミュレーションで検証する。
• 消費電力および面積の観点から、CTフィルタと従来の離散時間（DT）スイッチドキャパシタ（SC）フィルタ、FFTベースのデジタル特徴抽出器を比較する。
• フィルタバンク応答の実例を提示するため、Google Speech Command Dataset（GSCD）をベンチマーク入力として用いる。

実験結果

リサーチクエスチョン

• RQ1 OTA、XSF、SSF、FVFなどの多様な2次CTフィルタ構造は、どのように一貫したバイクォードフレームワーク下で分析・統合できるか？
• RQ2 各CTフィルタタイプの小信号伝達関数および等価回路モデルは何か？ それらは周波数応答およびダイナミックレンジにどのように影響を与えるか？
• RQ3 エッジ音声ICにおける消費電力およびシリコン面積の観点から、CTアナログフィルタはFFTベースのデジタル特徴抽出器と比較してどの程度優れているか？
• RQ4 音声エッジインテリジェンス用にCTフィルタバンクを実装するにあたり、Qファクタ、ノイズ、安定性に関する主な設計的トレードオフは何か？
• RQ5 深層ニューラルネットワークは、実際のフィルタ応答で学習された場合、ミスマッチや非線形性といった回路非理想性をどの程度耐えられるか？

主な発見

• 2段積分器ループ型バイクォードトポロジーは、OTA、XSF、SSF、FVFなどの多様なCTフィルタ構造を一貫してモデル化・分析可能なフレームワークを提供する。
• 各フィルタタイプの導出された小信号伝達関数は、周波数応答およびQファクタを正確に予測でき、トランジスタレベルのシミュレーションによって検証された。
• CTアナログフィルタは高消費電力なFFT計算の必要を排除し、特徴抽出器の消費電力をマイクロワット未満まで低減できる。これは、常に稼働するエッジデバイスにとって不可欠な要因である。
• スイッチドキャパシタフィルタと比較して、CTフィルタはkT/Cノイズの aliasing を回避し、アンチエイリアシングフィルタおよびフロントエンドバッファの必要性を低減する。その結果、面積と消費電力が削減される。
• FVFベースの設計は、高いQファクタと向上した線形性、面積効率を実現し、低消費電力ICにおける高性能フィルタバンクに適している。
• FFTまたはDFTに基づくデジタル特徴抽出器は、最新のICにおいて最大7.33 µWの消費電力を要し（全消費電力の40％に達する）、アナログドメイン処理の優位性が顕著に示された。