近年来,递归神经网络(Recurrent Neural Network,RNN)在众多人工智能领域都取得了优异的成绩。但大多数RNN模型对计算力的要求极高,无法部署在手机、嵌入式系统等移动设备上,这阻碍了RNN运用在生活化及商业化的领域,也是RNN应用于物联网领域的技术瓶颈。低功耗的RNN加速器可以推动RNN在移动设备领域的运用,对物联网的建设具有重大的意义。本文以低功耗RNN加速器为研究目标,创新性地提出了一种面向低功耗RNN加速器的动态精度近似计算策略,并完成了基于动态精度近似计算的低功耗RNN加速器设计。动态精度近似计算策略分为算法和硬件两个层面。在算法层面,本文在网络级、帧级、连接级三个不同层次上分别提出了网络级分级量化策略、帧级精度自适应策略和连接级动态剪枝策略。在硬件层面,本文提出了近似乘法策略,使用基于近似加法的动态精度近似乘法器替代传统乘法器。基于动态精度近似计算策略的低功耗RNN加速器计算阵列由动态精度近似乘法器构成,可拆分重构为多种计算位宽的计算单元,拥有两级计算精度可调,并配置有多个不同功能的控制模块以实现各层次动态精度近似计算控制。实验证明本文所提出的动态精度近似计算策略对网络精度的影响在6%的误差范围内。与未经优化的RNN加速器相比,动态精度近似计算策略最高可以将RNN加速器的能效提升547.95%。在TSMC 28nm工艺下,本文所提出的低功耗RNN加速器峰值吞吐达989.7GOPs,功耗276.4mW,归一化能效达到3.58TOPs/W。