[논문 리뷰] A comparative study of performance of fpga based mel filter bank & bark filter bank

Debalina Ghosh, Depanwita Sarkar Debnath외 1명|arXiv (Cornell University)|2012. 06. 07.

Speech and Audio Processing참고 문헌 1인용 수 4

한 줄 요약

이 논문은 Xilinx Spartan 3E 및 Virtex-4 장치에서 VHDL를 사용하여 Mel 및 Bark 필터 백에 기반한 FPGA 기반 비교 구현을 제시한다. FIR 필터 설계에 Bartlett 및 Hamming 윈도우를 적용하였다. 주요 발견은 Bark 필터 백이 Mel 필터 백보다 더 뛰어난 하드웨어 효율성을 보이며, 음성 처리 응용 분야에서 청각적으로 관련성이 있는 주파수 해상도를 유지하면서도 FPGA 자원을 더 적게 점유한다는 것이다.

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.

연구 동기 및 목표

• 실시간 음성 신호 처리를 위한 효율적이고 하드웨어 최적화된 Mel 및 Bark 필터 백을 설계하고 구현하기.
• FPGA 플랫폼에서 Mel 및 Bark 필터 백의 하드웨어 자원 활용도(LUTs, FFs, BRAMs)를 평가하고 비교하기.
• 청각 주파수 해상도를 모델링하기 위해 심리음향 척도를 사용하여 두 필터 백의 청각적 관련성을 검증하기.
• EDA 도구 및 FPGA 기술 간의 이식성을 확보하여 전체 음성 인식 시스템에 통합 가능하게 하기.

제안 방법

• Mel 필터 백에 대해 Bartlett 윈도우를 사용하여 13밴드 FIR 밴드패스 필터 설계 및 Bark 필터 백에 대해 Hamming 윈도우를 사용하여 필터 설계.
• VHDL를 사용하여 필터 백을 구현하고, Xilinx Spartan 3E 및 Virtex-4 FPGA에서 Xilinx ISE 11.1을 사용하여 합성.
• 지정된 커프오프 주파수 및 대역폭을 가진 최적화된 FIR 필터 코어를 생성하기 위해 Xilinx LogiCORE FIR 컴파일러를 활용.
• 실시간 신호 모니터링 및 내부 설계 동작 검증을 위해 ChipScope Pro 통합 로직 분석기(ILA)를 사용.
• 주파수 왜곡 공식 적용: Mel(f) = 2595 × log10(1 + f/700) 및 Bark(f) = 13 × atan(0.76f/1000) + 3.5 × atan(f²/7500²)을 사용하여 필터 중심 주파수 정의.
• 정현파 입력과 트리거 기반 웨이브폼 캡처를 사용하여 시뮬레이션, 합성 및 하드웨어 테스트를 통해 설계 검증.

실험 결과

연구 질문

• RQ1 동일한 FPGA에 구현되었을 때 Mel 및 Bark 필터 백의 하드웨어 자원 요구사항(LUTs, FFs, BRAMs)은 어떻게 비교되는가?
• RQ2 윈도우 유형(Bartlett 대비 Hamming)이 필터 백의 주파수 응답 및 구현 효율성에 미치는 영향은 무엇인가?
• RQ3 필터 백 설계 및 스펙트럼 에너지 분포 측면에서 Mel 및 Bark 척도의 청각적 주파수 해상도는 어떻게 비교되는가?
• RQ4 필터 백이 FPGA 자원 한계를 초과하지 않도록 하면서 전체 음성 인식 시스템에 얼마나 잘 통합될 수 있는가?
• RQ5 두 필터 백 아키텍처 간의 설계 복잡도 및 타이밍 성능의 주요 차이는 무엇인가?

주요 결과

• 장치 자원 활용도 요약 비교를 통해 Bark 필터 백이 Mel 필터 백보다 현저히 더 적은 FPGA 자원을 점유함을 확인하였다.
• Logicore 블록 인스턴스화 경고로 인해 Mel 필터 백 설계에서 '균형 잡힌' 합성 목표가 필요했으며, 자원 매핑에 제약가능성이 있음을 시사했다.
• Bark 필터 백은 Mel 필터 백보다 더 낮은 LUT 및 플립플롭 활용도를 보이며 더 뛰어난 하드웨어 효율성을 보였다.
• ChipScope Pro ILA를 사용한 실시간 검증을 통해 정상적인 동작이 확인되었으며, 트리거 기반 웨이브폼 캡처는 입력 신호에 대한 정확한 출력 응답을 보였다.
• 두 필터 백에 대한 RTL 스케마틱 및 장치 자원 활용 보고서가 성공적으로 생성되고 분석되어 기능 정확성과 자원 할당을 확인하였다.
• 두 필터 백은 성공적으로 합성되고 시뮬레이션되었으며, 결과는 전체 음성 인식 시스템에 통합 가능함을 시사했다.