本发明涉及ai音频芯片，尤其涉及一种音频处理模型量化方法及系统。
背景技术：
1、传统的音频信号处理通常将数据传输至云端进行处理，不仅带来数据传输延迟问题，还存在隐私泄露风险。直接在端侧设备上执行ai音频处理成为必然趋势，但端侧设备面临着计算资源有限、功耗受限的严峻挑战。现有的端侧音频处理解决方案多基于传统神经网络架构，往往需要较大的存储空间和计算资源，导致功耗过高，难以在资源受限的端侧设备上长时间运行。
2、尖峰神经元网络因其与生物神经元处理信息方式的相似性，在低功耗场景下展现出了独特优势。然而，现有的尖峰神经元网络实现方案多采用数字电路，难以充分发挥其低功耗特性。基于忆阻器的硬件架构为尖峰神经元网络提供了理想的物理实现平台，但忆阻器器件本身存在非理想特性，如非线性、随机波动和设备变异性，使得模型量化过程面临巨大挑战。传统的量化方法主要针对数字神经网络设计，未能充分考虑忆阻器硬件特性，直接应用这些方法会导致显著的精度损失。
技术实现思路
1、本发明提供了一种音频处理模型量化方法及系统，进而有效解决了忆阻器非线性和元件差异问题，提高了系统的鲁棒性，能够在不同场景下实现精度和功耗的最优平衡。
2、本发明第一方面提供了一种音频处理模型量化方法，所述音频处理模型量化方法包括：
3、对多层忆阻器交叉阵列施加递增电压脉冲并测量电导值，生成忆阻器量化配置表；
4、基于所述忆阻器量化配置表对所述多层忆阻器交叉阵列中的神经元单元进行编程，得到量化神经元单元；
5、根据所述忆阻器量化配置表计算突触权重矩阵；
6、将待处理的音频信号输入到所述量化神经元单元和所述突触权重矩阵执行脉冲计算，得到音频特征；
7、对所述音频特征进行并行处理，在端侧处理器上生成音频识别结果。
8、本发明第二方面提供了一种音频处理模型量化系统，所述音频处理模型量化系统包括：
9、测量模块，用于对多层忆阻器交叉阵列施加递增电压脉冲并测量电导值，生成忆阻器量化配置表；
10、编程模块，用于基于所述忆阻器量化配置表对所述多层忆阻器交叉阵列中的神经元单元进行编程，得到量化神经元单元；
11、转换模块，用于根据所述忆阻器量化配置表计算突触权重矩阵；
12、计算模块，用于将待处理的音频信号输入到所述量化神经元单元和所述突触权重矩阵执行脉冲计算，得到音频特征；
13、生成模块，用于对所述音频特征进行并行处理，在端侧处理器上生成音频识别结果。
14、与现有技术相比，本发明通过直接利用多层忆阻器的物理特性实现量化，避免了额外的模数转换电路，量化过程在模拟域完成，极大降低了系统功耗。基于多层忆阻器结构的差异化位宽策略，对音频特征提取关键的第一层和决策关键的全连接层采用8位量化，对中间计算密集型卷积层采用4位量化，在保持识别精度的同时显著降低了计算复杂度。建立了从忆阻器特性表征到神经元编程、权重映射及网络推理的完整量化方法链，确保量化参数之间的一致性，减少量化误差累积。脉冲稀疏性感知计算和基于事件的异步处理机制充分利用了尖峰神经元网络的计算特性，仅在有脉冲产生时进行计算，避免了冗余操作。在同一忆阻器交叉阵列中同时实现神经元和突触功能，大大减少了外围电路的复杂度，并通过电导状态直接表示量化后的权重，无需额外的存储单元。通过编程-验证迭代方式对忆阻器阵列进行编程，结合误差校正补偿策略，有效解决了忆阻器非线性和元件差异问题，提高了系统的鲁棒性。量化精度可根据应用需求动态调整，同一硬件平台上可灵活支持4位至8位的精度需求，使系统能够在不同场景下实现精度和功耗的最优平衡。
1.一种音频处理模型量化方法，其特征在于，包括：
2.根据权利要求1所述的音频处理模型量化方法，其特征在于，所述对多层忆阻器交叉阵列施加递增电压脉冲并测量电导值，生成忆阻器量化配置表，包括：
3.根据权利要求2所述的音频处理模型量化方法，其特征在于，所述根据所述量化特性表征数据计算不同位宽下的量化阈值与对应编程电压，生成忆阻器量化配置表，包括：
4.根据权利要求3所述的音频处理模型量化方法，其特征在于，所述基于所述忆阻器量化配置表对所述多层忆阻器交叉阵列中的神经元单元进行编程，得到量化神经元单元，包括：
5.根据权利要求1所述的音频处理模型量化方法，其特征在于，所述根据所述忆阻器量化配置表计算突触权重矩阵，包括：
6.根据权利要求1所述的音频处理模型量化方法，其特征在于，所述将待处理的音频信号输入到所述量化神经元单元和所述突触权重矩阵执行脉冲计算，得到音频特征，包括：
7.根据权利要求1所述的音频处理模型量化方法，其特征在于，所述对所述音频特征进行并行处理，在端侧处理器上生成音频识别结果，包括：
8.一种音频处理模型量化系统，其特征在于，用于执行如权利要求1-7中任一项所述的音频处理模型量化方法，所述音频处理模型量化系统包括：