03 超低功耗常开唤醒 AON/KWS¶

1. 硬件解决什么问题：微瓦级全天候声学监听架构¶

智能设备在待机时必须时刻准备响应用户的语音唤醒词（如“嘿 Siri”或“小爱同学”）。全链路如果在高功耗主核心上运行，数小时就会耗尽电池。

原厂架构通过分级漏电控制与阶梯式多级唤醒（Tiered Wakeup Architecture），在待机功耗与唤醒响应速度之间取得了极致平衡。

2. 硬件微架构与组成：三级阶梯唤醒拓扑¶

graph TD
    subgraph Tier1["Tier 1: 纳瓦级超低功耗常开检测 (< 50uW)"]
        T1_MIC["低功耗模式 PDM 麦克风 (768kHz)"] --> T1_VAD["硬件 VAD 状态机 (纯 ASIC 逻辑门)"]
        T1_VAD --> T1_BUF["超低功耗片上 Pre-roll FIFO (256ms 环形缓存)"]
    end

    subgraph Tier2["Tier 2: 毫瓦级关键词轻量校验 (~ 5mW)"]
        T2_DSP["轻量 DSP / NPU 微核 (运行超轻量 DNN 唤醒词模型)"]
    end

    subgraph Tier3["Tier 3: 主系统全速唤醒 (> 200mW)"]
        T3_HOST["Host CPU / OS / 云端 ASR 语义理解引擎"]
    end

    T1_VAD --1. 触发人声脉冲--> T2_DSP
    T1_BUF --2. 吐出包含首字的前置音频--> T2_DSP
    T2_DSP --3. 确认命中目标唤醒词--> T3_HOST

3. 为什么必须配备 Pre-roll 硬件缓冲？¶

人说话发音的最初几十毫秒通常是微弱的清辅音（如“小爱”的“x”或“Siri”的“s”）；
硬件 VAD 往往需要积累约 \(30\text{ ms} \sim 50\text{ ms}\) 的能量才能断定有人声发音；
若无 Pre-roll 缓冲，DSP 唤醒后录制到的声音将丢失开头的声母辅音，导致后续神经网络识别率断崖式暴跌；
硬件 Pre-roll FIFO 在硬件 VAD 判定成功的瞬间，立即冻结并允许 DSP 逆向读取过去 256ms 的原始未压缩样点，完美保全发音完整性。