關(guān)鍵要點(diǎn)

? 集成神經(jīng)處理單元 (NPU) 的德 TI 微控制器 (MCU) 可為邊緣 AI 提供硬件加速，幫助設(shè)計(jì)人員在功耗受限、成本敏感的應(yīng)用場景中，針對實(shí)時(shí)本地化傳感器數(shù)據(jù)處理部署復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型。

?在 MCU 上運(yùn)行機(jī)器學(xué)習(xí)推理可實(shí)現(xiàn)喚醒詞檢測、手勢識別和預(yù)測性維護(hù)等高級功能。

利用 MCU 提升邊緣 AI 的普及度

如今的通用型 MCU，尤其是集成了 TI TinyEngine? NPU 這類 AI 硬件加速器的產(chǎn)品，能夠在需要平衡功耗、尺寸與成本限制的產(chǎn)品中運(yùn)行復(fù)雜模型，同時(shí)提升系統(tǒng)響應(yīng)速度。

借助這些功能豐富的器件，工程師無需依賴與遠(yuǎn)程服務(wù)器的持續(xù)云端連接即可實(shí)現(xiàn) AI 功能，在各類應(yīng)用中為用戶帶來更智能、更快速、更可靠的體驗(yàn)。

本文將通過多個(gè)實(shí)例，介紹如何在基于 Arm® Cortex®M0+ 內(nèi)核的 MCU(如 MSPM0G5187)上部署 AI 模型。每個(gè)實(shí)例均涵蓋傳感與信號處理鏈路、AI 模型如何適配嵌入式環(huán)境，以及 MCU 為各設(shè)計(jì)帶來的性能與系統(tǒng)級優(yōu)勢。

智能家居設(shè)備中的喚醒詞檢測

在智能音箱(圖 1)與中控設(shè)備中，AI 模型賦予語音識別能力，可根據(jù)用戶指令喚醒設(shè)備。

圖 1 帶語音識別功能的智能音箱

用戶語音產(chǎn)生聲波并轉(zhuǎn)換為可測量的聲壓信號，AI 模型需要先捕獲并處理這些信號再做出響應(yīng)。圖 2 是展示系統(tǒng)數(shù)據(jù)格式與流向的框圖。

圖 2 語音識別應(yīng)用的信號鏈方框圖

在此信號鏈中，麥克風(fēng)等模擬傳感器采集原始波形，隨后送入模擬前端器件提升信號幅度、濾除噪聲，并將數(shù)據(jù)編碼為數(shù)字格式。MCU 通過 I2S 等音頻通信協(xié)議接收數(shù)據(jù)，并通過片上神經(jīng)網(wǎng)絡(luò)模型解析數(shù)據(jù)，以確定是否說出了特定關(guān)鍵詞。若檢測到關(guān)鍵詞，系統(tǒng)判定為有效喚醒條件，系統(tǒng)中性能更強(qiáng)的處理器啟動(dòng)，要么執(zhí)行任務(wù)所需的密集計(jì)算，要么將用戶指令無線轉(zhuǎn)發(fā)至云端 AI 模型。

在支持語音的產(chǎn)品中，速度和性能準(zhǔn)確性是首要考慮因素;快速響應(yīng)、首次嘗試就正確理解用戶請求的系統(tǒng)可減少重復(fù)命令與過度待機(jī)。器件需持續(xù)監(jiān)聽喚醒命令并快速處理語音數(shù)據(jù)，該功能要求低延遲、低功耗性能。

MCU 在語音識別應(yīng)用中僅消耗數(shù)十毫瓦的功率，與消耗整瓦功率的語音處理器集成電路 (IC) 相比，功耗降低了百倍，從而滿足了應(yīng)用的功耗需求。在延遲方面，與僅搭載標(biāo)準(zhǔn) CPU 的 MCU 運(yùn)行相同模型相比，采用一維卷積神經(jīng)網(wǎng)絡(luò)的 AI 關(guān)鍵詞識別模型借助 NPU 可將處理時(shí)間縮短 90 倍以上。

可穿戴健康監(jiān)測設(shè)備中的手勢與活動(dòng)監(jiān)測

在智能戒指、智能手表(圖 3)等可穿戴個(gè)人電子設(shè)備中，無接觸手勢識別通過傳感器追蹤手部與身體運(yùn)動(dòng)實(shí)現(xiàn)。相同的傳感器還可以記錄健康和行為數(shù)據(jù)，以確定有關(guān)健身、睡眠和壓力水平的洞察。

圖 3 顯示生物特征數(shù)據(jù)的可穿戴健身追蹤設(shè)備

圖 4 中的信號鏈框圖展示了 AI 模型如何測量與分析手勢。加速度計(jì)和陀螺儀之類的模擬傳感器會捕獲人體運(yùn)動(dòng)和方向;然后這些傳感器通過信號鏈傳遞信號以進(jìn)行預(yù)處理和測量。MCU 接收數(shù)據(jù)并運(yùn)行 AI 模型，識別手腕突然抖動(dòng)等特定手勢。同樣的概念適用于其他類型的數(shù)據(jù)，如心率、竇性心律和睡眠模式;只需要在系統(tǒng)設(shè)計(jì)中配備適當(dāng)?shù)膫鞲衅鳌?

圖 4 可穿戴手勢識別應(yīng)用的信號鏈框圖

可穿戴健康追蹤器的設(shè)計(jì)人員致力于開發(fā)小巧輕便、適合日常佩戴，同時(shí)能精準(zhǔn)快速識別手勢的方案。MCU 可以通過高效的計(jì)算能力以及將模擬和數(shù)字外設(shè)高度集成到僅占用印刷電路板 (PCB) 上幾平方毫米的微小 IC 封裝中，來滿足這些技術(shù)要求。這種設(shè)計(jì)方法可以實(shí)現(xiàn)比以往使用分立元件更小的設(shè)計(jì)，這可以從現(xiàn)代智能配件在總體上保持相同尺寸的同時(shí)不斷添加功能的趨勢中看出。

工業(yè)電機(jī)中的電機(jī)振動(dòng)檢測

無論是輸送機(jī)、泵還是執(zhí)行器，工業(yè)電機(jī)中的機(jī)械運(yùn)動(dòng)部件(圖 5)都可能隨著時(shí)間的推移而發(fā)生故障，并導(dǎo)致不bi要的中斷。本地 AI 模型可以監(jiān)控電機(jī)信號并尋找時(shí)域異常，例如不會立即停止電機(jī)功能但確實(shí)表明即將發(fā)生故障的小脈沖尖峰和不規(guī)則周期性。

圖 5 工業(yè)電機(jī)

圖 6 顯示了用于測量電氣波形和執(zhí)行數(shù)據(jù)預(yù)處理任務(wù)以便為 AI 模型提供更清晰輸入的信號鏈。此應(yīng)用中的 MCU 使用用于電機(jī)故障分析的 AI 模型來及早檢測異常，并向系統(tǒng)或操作人員發(fā)出預(yù)警。

圖 6 工業(yè)電機(jī)中機(jī)械振動(dòng)監(jiān)測的信號鏈方框圖

由于此類環(huán)境中經(jīng)常有人作業(yè)，因此還需要確保機(jī)器故障可預(yù)測和可預(yù)防，以確保安全。支持邊緣 AI 的 MCU 通過部署 AI 模型，直接監(jiān)測關(guān)鍵電機(jī)信號以識別故障跡象，在這類環(huán)境中具備高度靈活性。這些模型擅長識別數(shù)據(jù)中的模式以果斷地進(jìn)行干預(yù)，成為電機(jī)系統(tǒng)中的強(qiáng)大工具。

借助 MCU 為邊緣注入更多智能

以 MSPM0G5187 為例，搭載邊緣 AI 加速的 Arm Cortex 內(nèi)核 MCU，其最突出的優(yōu)勢是在通用應(yīng)用中的高度通用性。在各種各樣的電子產(chǎn)品中，設(shè)計(jì)人員可以找到部署低功耗、低延遲 AI 功能的創(chuàng)新方法。MCU 制造商的目標(biāo)是繼續(xù)集成這些高級功能，同時(shí)部署易于使用的開發(fā)資源和可擴(kuò)展的平臺。