Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.00862

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2509.00862 (cs)
[提交于 2025年8月31日 ]

标题: 基于LogNNet的嵌入式系统语音命令识别

标题: Speech Command Recognition Using LogNNet Reservoir Computing for Embedded Systems

Authors:Yuriy Izotov, Andrei Velichko
摘要: 本文提出了一种低资源语音命令识别器,结合了基于能量的语音活动检测(VAD)、优化的梅尔频率倒谱系数(MFCC)处理流程以及LogNNet水库计算分类器。 使用来自语音命令数据集的四个命令,下采样至8 kHz,我们评估了四种MFCC聚合方案,并发现自适应分箱(64维特征向量)在准确率与紧凑性之间提供了最佳平衡。 具有架构64:33:9:4的LogNNet分类器在说话人独立评估下达到92.04%的准确率,同时所需的参数显著少于传统深度学习模型。 在Arduino Nano 33 IoT(ARM Cortex-M0+,48 MHz,32 KB RAM)上的硬件实现验证了实际可行性,在仅消耗18 KB RAM(55%利用率)的情况下实现了约90%的实时识别准确率。 因此,完整的流程(VAD -> MFCC -> LogNNet)在严格的内存和计算限制下实现了可靠的设备端语音命令识别,使其适用于电池供电的物联网节点、无线传感器网络和免提控制界面。
摘要: This paper presents a low-resource speech-command recognizer combining energy-based voice activity detection (VAD), an optimized Mel-Frequency Cepstral Coefficients (MFCC) pipeline, and the LogNNet reservoir-computing classifier. Using four commands from the Speech Commands da-taset downsampled to 8 kHz, we evaluate four MFCC aggregation schemes and find that adaptive binning (64-dimensional feature vector) offers the best accuracy-to-compactness trade-off. The LogNNet classifier with architecture 64:33:9:4 reaches 92.04% accuracy under speaker-independent evaluation, while requiring significantly fewer parameters than conventional deep learn-ing models. Hardware implementation on Arduino Nano 33 IoT (ARM Cor-tex-M0+, 48 MHz, 32 KB RAM) validates the practical feasibility, achieving ~90% real-time recognition accuracy while consuming only 18 KB RAM (55% utilization). The complete pipeline (VAD -> MFCC -> LogNNet) thus enables reliable on-device speech-command recognition under strict memory and compute limits, making it suitable for battery-powered IoT nodes, wire-less sensor networks, and hands-free control interfaces.
评论: 20页,6图
主题: 声音 (cs.SD) ; 人工智能 (cs.AI); 机器学习 (cs.LG); 音频与语音处理 (eess.AS)
引用方式: arXiv:2509.00862 [cs.SD]
  (或者 arXiv:2509.00862v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.00862
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Andrei Velichko [查看电子邮件]
[v1] 星期日, 2025 年 8 月 31 日 14:16:09 UTC (875 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.AI
cs.LG
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号