HW-VAD的概念

VAD（Voice Activity Detection语音激活检测）是用于检测当前输入信号中是否有语音的技术。VAD一般会综合分析输入信号的能量特征，以及频谱特征等信息判断是否存在语音。

VAD可以通过软件或硬件来实现，使用软件检测时称为SW-VAD，使用硬件检测时称为HW-VAD。

SW-VAD vs HW-VAD

基于SW-VAD 的语音处理结构

基于SW-VAD的语音处理结构示意图如上图所示，语音经ADC模数转换后，经数据总线传递给处理器（CPU/DSP），语音首先经过软件实现的VAD算法判断是否包含语音信息，当判断存在语音信息后，再将语音信息传递给后续步骤，依次为关键字识别（Keyword Spotting），语音识别（Speech Recognition），以及自然语言处理（Natural Language Processing）。

一般情况下，端侧的处理能力达不到语音识别和自然语言处理的要求，相关算法需要更高算力的系统来实现。

基于HW-VAD 的语音处理结构

基于HW-VAD的语音处理结构示意图如上图所示。当没有语音信息时，关键字识别（Keyword Spotting）相关的处理器（CPU/DSP）处在低功耗区域内，保持等待唤醒的低功耗状态。当HW-VAD检测到包含语音信息后，HW-VAD发出wakeup的信号唤醒低功耗区域，被唤醒的处理器做进一步的关键字识别（Keyword Spotting）操作；然后再依次完成语音识别，自然语言处理等步骤。

需要说明的是，HW-VAD模式时，低功耗区域是处于时钟被关闭的状态，但这些区域仍带电。因此，HW-VAD模式仅能消除由信号翻转等因素导致的动态功耗，但无法消除由漏电流引起的静态功耗。

另外，为了更高的集成度，有的HW-VAD IP会将ADC做到其内部，对外呈现为模拟接口。

HW-VAD模式较SW-VAD模式的优势

HW-VAD模式相较于SW-VAD模式，优势在于功耗低。SW-VAD模式时，需要执行SW-VAD算法的CPU或DSP保持在运行状；而在HW-VAD模式时，相关的CPU或DSP可以保持在等待唤醒的低功耗状态，而不是运行状态，因此大大降低了监听状态下的功耗。

HW-VAD vs Standby

Standby模式简介

在低功耗设计中，经常会有Standby模式，在该模式下，芯片大部分区域都处于掉电状态，仅保留小部分区域带电。小部分一直带电的区域被称作永远开启区域（AON，Always ON domain），该AON区域保证芯片可以从Standby模式恢复到工作状态。

Standby模式既消除了动态功耗，也消除了静态功耗，是维持芯片能够工作的最低功耗的模式。

HW-VAD模式与Standby模式的选择

从功耗的角度来分析，HW-VAD模式仍会产生静态功耗，比Standby模式的功耗，即HW-VAD模式的功耗比Standby模式高。这样看，似乎选择Standby模式更为合理。

但是，从实际芯片工作的场景来分析，则会产生一个相反的结论，即选择HW-VAD模式。

选择HW-VAD模式的原因是从唤醒时间来考虑的。低功耗区域如果从HW-VAD模式唤醒，仅需要打开时钟使能，唤醒处理器即可，整个过程在微秒（us）级别完成；但如果从Standby模式唤醒，则需要将低功耗区域从掉电状态下唤醒，整个过程需要几十毫秒（ms）级别的时间才能完成。

唤醒时间达到几十毫秒以后，会产生如下问题： 1.增加设备的唤醒时间，影响客户对设备反应速度的感受； 2.唤醒时间内用户说的语音会丢失，处理器的“关键字识别（Keyword Spotting）”的识别率会降低，即降低正确唤醒设备的概率。严重时，客户必须说两次才能唤醒设备，影响客户体验。

综上，虽然Standby模式有更低的功耗，但是Standby模式无法达到客户对于语音设备的感受的要求。最终还是选择采用在HW-VAD模式，不掉电的情况下唤醒设备。

原文作者：蓝空
点击查看原文