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)計人員在功耗受限、成本敏感的應(yīng)用場景中，針對實時本地化傳感器數(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。

本文將通過多個實例，介紹如何在基于 Arm? Cortex??M0+ 內(nèi)核的 MCU（如 MSPM0G5187）上部署 AI 模型。每個實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，要么執(zhí)行任務(wù)所需的密集計算，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)備中的手勢與活動監(jiān)測

在智能戒指、智能手表（圖 3）等可穿戴個人電子設(shè)備中，無接觸手勢識別通過傳感器追蹤手部與身體運(yùn)動實現(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。加速度計和陀螺儀之類的模擬傳感器會捕獲人體運(yùn)動和方向；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)計中配備適當(dāng)?shù)膫鞲衅鳌?/p>

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)計人員致力于開發(fā)小巧輕便、適合日常佩戴，同時能精準(zhǔn)快速識別手勢的方案。MCU 可以通過高效的計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)計方法可以實現(xiàn)比以往使用分立元件更小的設(shè)計，這可以從現(xiàn)代智能配件在總體上保持相同尺寸的同時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)動部件（圖 5）都可能隨著時間的推移而發(fā)生故障，并導(dǎo)致不必要的中斷。本地 AI 模型可以監(jiān)控電機(jī)信號并尋找時域異常，例如不會立即停止電機(jī)功能但確實表明即將發(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，同時部署易于使用的開發(fā)資源和可擴(kuò)展的平臺。

其他資源

· 詳細(xì)了解 TI 的邊緣 AI 產(chǎn)品組合。

· 立即使用 TI 的免費(fèi) CCStudio? Edge AI Studio 工具開始您的設(shè)計。

· 在產(chǎn)品概述中閱讀有關(guān) TinyEngine NPU 及其為支持邊緣 AI 加速的嵌入式設(shè)計帶來的優(yōu)勢：TI 的 TinyEngine? NPU 在更多嵌入式系統(tǒng)中釋放邊緣 AI 加速能力

關(guān)于德州儀器

德州儀器（TI）（納斯達(dá)克股票代碼：TXN）是一家全球性的半導(dǎo)體公司，從事設(shè)計、制造和銷售模擬和嵌入式處理芯片，用于工業(yè)、汽車、數(shù)據(jù)中心、個人電子產(chǎn)品和通信設(shè)備等市場。我們致力于通過半導(dǎo)體技術(shù)讓電子產(chǎn)品更經(jīng)濟(jì)實用，讓世界更美好。如今，每一代創(chuàng)新都建立在上一代創(chuàng)新的基礎(chǔ)上，使我們的技術(shù)變得更可靠、更經(jīng)濟(jì)、更節(jié)能，從而實現(xiàn)半導(dǎo)體在電子產(chǎn)品領(lǐng)域的廣泛應(yīng)用。訪問TI.com.cn 了解更多詳情。