近年来,随着物联网与智能语音技术的发展,语音交互逐渐成为主流的人机交互方式。为了满足常开且实时响应的语音识别交互,需要将语音信号的常开处理部署在能量十分受限的小型智能终端设备上,增加低功耗语音识别唤醒模块可以显著降低常开语音识别系统的功耗。语音特征提取是整个语音识别流程中必不可少的步骤,梅尔频率倒谱系数（MFCC）是最常用的特征。在传统数字域研究工作中,包含模数转换器（ADC）的完整MFCC特征提取是整个常开语音唤醒系统的功耗瓶颈。低功耗的语音MFCC特征提取能够极大地改善常开型语音识别系统的工作时间。传统数字域研究工作中不可避免地要使用高能耗的ADC将模拟语音信号转换成数字信号,同时需要耗时的快速傅里叶变换（FFT）进行频域分析。为了降低语音MFCC特征提取的功耗和硬件实现代价,本文完成了以下工作:（1）采用低功耗混合信号域语音MFCC特征提取方法,在模拟域中实现了语音的能量分布提取,在数字域中完成了语音MFCC特征参数的计算,消除了耗时的FFT变换,同时降低了ADC的处理代价。本文对低功耗混合信号域语音MFCC特征提取架构以硬件为中心进行了优化设计和实现,优化了整体架构的灵活性,采用了低功耗和低接口代价、易于调节且可大规模实现的模拟电路,完整实现了低功耗混合信号域语音MFCC特征提取模拟通路,在不影响性能的前提下降低了语音MFCC特征提取的功耗和硬件实现代价。（2）设计并流片了单通道混合信号域语音MFCC特征提取模拟前端芯片。基于180nm工艺实现的单通道芯片具有频率和增益的可调性,可以调整为中心频率在4k Hz以下的任意通道运行,并可灵活配通道数。基于单通道芯片的混合信号域语音MFCC特征提取的功耗为74μW,识别精度可以达到97.98%,与传统数字域研究工作相比可以达到相近的识别性能,同时可以节省89%的功耗。对带有不同噪声的语音信号进行特征提取,在10d B及以上信噪比时与传统数字域语音MFCC特征相比具有相当的噪声鲁棒性。（3）基于单通道芯片的结果,采用更先进的65nm工艺进行多通道拓展。设计并流片了全通道混合信号域语音MFCC特征提取模拟前端芯片。拓展的全通道芯片后仿真结果中,识别精度达到98.38%,功耗为30.87μW,证明全通道芯片的识别性能可与传统数字域语音MFCC特征提取相比拟,并可节省95.39%的功耗。单元电路的实际测试结果可使语音MFCC特征的识别精度达到95.96%。芯片测试总功耗为31.57μW,实现了95.3%的功耗节省。