當(dāng) ARM CPU 內(nèi)核首次被包括 Apple 在內(nèi)的一些計(jì)算領(lǐng)域的知名廠商采用時(shí)，使用量激增，尤其是對(duì)于移動(dòng)應(yīng)用程序。回想起來(lái)，優(yōu)勢(shì)是顯而易見的——任何設(shè)備都可以通過(guò)嵌入式處理器變得更加靈活和功能豐富。同時(shí)，該功能可以通過(guò)軟件升級(jí)：?jiǎn)蝹€(gè)硬件平臺(tái)可以通過(guò)純軟件升級(jí)驅(qū)動(dòng)多個(gè)產(chǎn)品發(fā)布。

這些計(jì)算引擎非常靈活，非常適合我們智能手機(jī)和其他移動(dòng)產(chǎn)品中的許多管理和通用計(jì)算任務(wù)，但這種通用性也有一個(gè)缺點(diǎn)。通用計(jì)算機(jī)上的某些操作會(huì)運(yùn)行得太慢并且消耗太多功率而無(wú)法實(shí)用。智能手機(jī)無(wú)線通信部分中的調(diào)制解調(diào)器就是一個(gè)早期的例子。這必須實(shí)時(shí)處理無(wú)線電信號(hào)，在每種情況下處理的不是電話計(jì)算部分中使用的熟悉的數(shù)字字和比特，而是無(wú)線電傳輸和接收中使用的不斷變化的模擬信號(hào)的數(shù)字化版本.

數(shù)字信號(hào)處理器 (DSP) 專為此類分析而設(shè)計(jì)。它們具有數(shù)字化信號(hào)所需的內(nèi)置浮點(diǎn)表示，并且對(duì)信號(hào)處理所需的數(shù)學(xué)函數(shù)（例如多重累加 (MAC) 函數(shù)）具有強(qiáng)大的支持。它們還針對(duì)處理流數(shù)據(jù)進(jìn)行了優(yōu)化，而不是傳統(tǒng)計(jì)算中常見的面向批處理的處理，在這種情況下，這是處理連續(xù)無(wú)線電傳輸和接收的基本特征。

音頻處理需求共享無(wú)線信號(hào)處理中的許多相同特性。DSP 的這種應(yīng)用在均衡和范圍壓縮（例如杜比壓縮）等高端音頻應(yīng)用中變得很普遍，然后在降噪耳機(jī)等功能中越來(lái)越普遍，它可以讓您在飛行過(guò)程中不受干擾地入睡。

然后人工智能起飛了，最初只在數(shù)據(jù)中心，但現(xiàn)在越來(lái)越多地出現(xiàn)在移動(dòng)和其他邊緣應(yīng)用程序中。我們的汽車現(xiàn)在可以檢測(cè)行人和潛在的碰撞，并且它們可以檢測(cè)車道標(biāo)記以指導(dǎo)自動(dòng)駕駛基本形式的轉(zhuǎn)向。我們可以通過(guò)語(yǔ)音命令控制我們的電視或智能揚(yáng)聲器，以查找歌曲或電影，或者降低或提高音量。我們甚至可以通過(guò)語(yǔ)音命令控制自行車安全頭盔上的 GoPro 來(lái)開始或停止拍照。

所有這些功能都依賴于處理流數(shù)據(jù)（語(yǔ)音）或圖像（相機(jī)靜止圖像）或可能兩者（視頻），每個(gè)都是實(shí)時(shí)的或非常接近實(shí)時(shí)的。首先看音頻處理。首先，您需要通過(guò)來(lái)自多個(gè)麥克風(fēng)的音頻波束成形、回聲消除和噪聲抑制來(lái)捕獲高質(zhì)量的流式音頻信號(hào)——所有這些領(lǐng)域在 DSP 實(shí)施方面已有多年經(jīng)驗(yàn)。

然后，您必須使用經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)識(shí)別命令，這是幾乎所有這些 AI 技術(shù)的基礎(chǔ)。這些算法看起來(lái)與您在 CPU 上運(yùn)行的算法大不相同。雖然它們可以在 CPU 上運(yùn)行，但它們會(huì)很慢并且會(huì)很快耗盡電池電量。更好的方法是在提供高水平并行性的架構(gòu)上對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行編程，允許許多計(jì)算同時(shí)運(yùn)行，而不是像在 CPU 上那樣串行運(yùn)行。這是 DSP 的另一個(gè)核心優(yōu)勢(shì)——計(jì)算中的并行性。

您可能想知道，盡管有所有這些優(yōu)勢(shì)，DSP 是否過(guò)于復(fù)雜而無(wú)法被除專家以外的任何人采用，他們別無(wú)選擇，只能使用它們。當(dāng)然，它們不像 CPU 那樣簡(jiǎn)單易用，但差異并沒(méi)有那么大。您為兩者編寫 C 代碼，但您需要在為 DSP 編寫的代碼中多加考慮以充分利用性能。

至于廣泛采用，您手機(jī)上的每個(gè)無(wú)線電——藍(lán)牙、Wi-Fi 和蜂窩網(wǎng)絡(luò)——都使用一個(gè)或多個(gè) DSP。藍(lán)牙耳塞使用 DSP，用于藍(lán)牙和音頻。許多智能揚(yáng)聲器使用 DSP。語(yǔ)音控制的遙控器使用 DSP。家庭安全系統(tǒng)使用 DSP 來(lái)檢測(cè)攝像機(jī)上的異常運(yùn)動(dòng)和異常聲音，例如狗吠或打碎玻璃。汽車中的智能傳感器使用 DSP 來(lái)檢測(cè)前方和倒車危險(xiǎn)以及檢測(cè)車道標(biāo)記。

為什么不將 GPU 用于所有這些功能？GPU 確實(shí)非常有名，尤其是在 AI 方面，并且已廣泛用于數(shù)據(jù)中心進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。但對(duì)于許多邊緣應(yīng)用來(lái)說(shuō)，它們太大、太耗電且太貴。出于電源、安全和隱私的原因，將更多的人工智能功能轉(zhuǎn)移到這些設(shè)備上是一個(gè)很大的推動(dòng)力。但這些必須是非常具有成本效益的解決方案。在大多數(shù)情況下，不太愿意顯著增加整個(gè)解決方案（汽車、電視、家庭安全）的成本。

這就是嵌入式 DSP 無(wú)處不在的原因。您可以以低成本和低功耗將語(yǔ)音控制、對(duì)象檢測(cè)、音頻質(zhì)量控制等添加到您的產(chǎn)品中，并且仍然具有軟件可編程性的靈活性。他們不會(huì)取代 CPU 進(jìn)行管理和一般處理，但看起來(lái)他們正在接管與智能音頻和視頻/圖像有關(guān)的一切。

此博客是系列博客中的第一篇，并繼續(xù)發(fā)表文章“當(dāng) DSP 擊敗硬件加速器時(shí)”和“決策，決策：硬件加速器還是 DSP？“。

審核編輯 黃昊宇