概述

AT32F4xx使用的是ARM Cortex-M4F內核。ARM Cortex-M4F是帶有FPU內核處理器是一款32位的RISC處理器，具有優異的代碼效率，采用通常8位和16位器件的存儲器空間即可發揮ARM內核的高性能。該處理器支持一組DSP指令，能夠實現有效的信號處理和復雜的算法執行。其單精度FPU(浮點單元)通過使用元語言開發工具，可加速開發，防止飽和。

本文重點介紹基于AT32 MCU的DSP指令相關庫函數及其簡單應用示例，主要內容有：

• ARM Cortex-M4F內核
• ARM官方CMSIS DSP庫概述
• CMSIS DSP庫移植到AT32
• 常用示例展示
• CMSIS NN with DSP

注意：本文是基于AT32F403A的硬件條件，若使用者需要在AT32其他型號上使用，請修改相應配置即可。

AT32 MCU與M4F內核

AT32F403A系列與所有的ARM工具和軟件兼容。這些豐富的外設配置，使得AT32系列微控制器適合于多種應用場合：

• 消費類產品

? 手持云臺? 微型打印機? 條形碼掃描槍? 讀卡器? 燈光控制

• 物聯網應用

? 智能家居應用? 物聯網傳感器節點

• 工業應用

? 雙CAN應用(OBD-II)? 光電編碼器? 充電樁/BMS? 機器人控制? 電力控制

• 電機控制

? BLDC/PMSM電機控制? 變頻器? 伺服電機控制

系統架構

AT32F403A系列微控制器包括ARM CortexTM-M4F處理器內核、總線架構、外設以及存儲器構成。CortexTM-M4F處理器是一種新時代的內核，擁有許多先進功能。對比于CortexTM-M3，CortexTM-M4F處理器支持增強的高效DSP指令集，包含擴展的單周期16/32位乘法累加器MAC、雙16位MAC指令、優化的8/16位SIMD運算及飽和運算指令，并且具有單精度IEEE-754浮點運算單元FPU。當設計中使用帶DSP功能的CortexTM-M4F時就能格外節能，比軟件解決方案更快，使CortexTM-M4F適用于那些要求微控制器提供高效能與低功耗的產品市場。

1) Cortex-M4內核架構

圖1. Cortex-M4內核架構

2)Cortex-M4與Cortex-M3的區別

表1. Cortex-M4與Cortex-M3的區別

3)部分DSP指令的介紹

表2. 單周期MAC指令介紹注意：上面所有的指令操作在CM4處理器上都只需一個指令周期。

4)Cortex-M4 DSP指令比較

表3. Cortex-M4 DSP指令比較

5)編譯器對DSP指令的支持

表4. 編譯器對DSP指令的支持

6)AT32F403A系統架構

圖2. AT32F403A系統架構圖注意：AT32F403A不支持EMAC，AT32F407/407A支持EMAC

ARM官方CMSIS DSP庫概述

CMSIS DSP庫說明

CMSIS DSP軟件庫,是針對使用Cortex-M內核芯片提供一套數字信號處理函數。CMSIS DSP庫大部分函數都是支持f32，Q31，Q15和Q7四種格式的。該庫分為以下幾個功能：

• 基本數學函數Basic math functions
• 快速數學函數Fast math functions
• 復數型數學函數Complex math functions
• 濾波器函數Filters
• 矩陣型函數Matrix functions
• 數學變換型函數Transform functions
• 電機控制函數Motor control functions
• 統計型數學函數Statistical functions
• 支持型數學Support functions
• 插補型數學函數Interpolation functions

針對以上每一種類型的庫函數，下文會有詳細介紹其使用方法和使用示例。

CMSIS DSP庫文件

考慮到方便用戶使用，ARM官方已編譯好Cortex-M各型號的.lib庫文件，并放置于Lib文件夾。與AT32F4xx相關的.Lib庫文件主要有以下兩種

• arm_cortexM4lf_math.lib (Cortex-M4, Little endian, Floating Point Unit) for AT32F403 and AT32F413
• arm_cortexM4l_math.lib (Cortex-M4, Little endian) for AT32F415

DSP庫函數的聲明位域頭文件arm_math.h中，用戶只要簡單地將該頭文件和.lib文件添加到自己的工程中，即可呼叫DSP庫函數。該頭文件對于浮點運算單元（FPU）的變量同樣適用。

CMSIS DSP庫示例

該CMSIS DSP庫中的多個示例可以很好地展現DSP庫函數的使用。

CMSIS DSP庫的工具鏈支持

該DSP庫已經可以在5.14版本MDK上開發和測試過。另外針對GCC編譯器和IAR IDE，已經支持。

編譯生成DSP的.lib庫文件

該DSP安裝包中已包含一個基于MDK的工程，通過編譯該工程可生成需要的.lib庫文件。該MDK工程位于CMSIS\DSP\Projects\ARM文件夾中。工程名為

• arm_cortexM_math.uvprojx

通過打開并編譯該arm_cortexM_math.uvprojx MDK工程，可以生成該DSP的.lib庫文件。這樣用戶就可以根據特定的內核，特定的優化選擇去編譯特定DSP的.lib庫文件。同時，通過該MDK工程，用戶也可以查看與修改指定的庫函數原型，便于了解庫函數的實現原理。

CMSIS-DSP文件夾結構

以下表格展現了CMSIS-DSP文件夾結構表5. CMSIS-DSP文件夾結構

CMSIS DSP庫移植到AT32

本文主要介紹DSP庫在MDK上的移植方法。

ARM官方CMSIS DSP函數詳解

• 基本數學函數Basic math functions
• 快速數學函數Fast math functions
• 復數型數學函數Complex math functions
• 濾波器函數Filters
• 矩陣型函數Matrix functions
• 數學變換型函數Transform functions
• 電機控制函數Motor control functions
• 統計型數學函數Statistical functions
• 支持型數學Support functions
• 插補型數學函數Interpolation functions

詳細使用方法和使用案例請參考1) ARM官網DSP培訓資料地址：http://www.keil.com/pack/doc/CMSIS_Dev/DSP/html/index.html

AT32 DSP庫快速使用

硬件資源1) 指示燈LED2/LED3/LED42) USART1(PA9/PA10)3) AT-START-F403A V1.0實驗板圖3. AT-START-F403A V1.0實驗板注：該DSP demo是基于AT32F403A的硬件條件，若使用者需要在AT32其他型號上使用，請修改相應配置即可。軟件資源

1) Libraries

• drivers AT32底層驅動庫
• cmsis CMSIS DSP庫和CMSIS NN庫

2) Project\AT_START_F403A

• examples，本文使用到的示例，如5_1_arm_class_marks_example，“5_1”表示章節，“arm_class_marks_example”表示示例名稱
• templates，基于.lib建立的DSP template工程

3) Doc

a) AN0036_DSP_Instruction_and_Library_on_AT32_ZH_V2.x.x.pdf

DSP demo使用1) 打開AT32_DSP_DEMO_2.x.x\project\at_start_xxx\templates，編譯后下載到實驗板

2) 觀察LED2/LED3/LED4，若依次翻轉則表明程序有正確執行DSP函數。

常用示例展示

本節主要通過使用前面介紹的DSP庫函數進行案列展示，展示的示例如下：

• 班級成績統計示例
• 卷積示例
• 點積示例
• 頻率倉示例
• 低通濾波示例
• 圖形音頻均衡器示例
• 線性插值示例
• 矩陣示例
• 信號收斂示例
• 正弦余弦示例
• 方差示例
• 卷積網絡神經示例

班級成績統計示例

描述:演示使用最大，最小，均值，標準差，方差和矩陣函數來統計一個班級的成績。注意：此示例還演示了靜態初始化的用法。變量說明：

• testMarks_f32：指向20名學生在4門學科中獲得的分數
• max_marks：最高分成績
• min_marks：最低分成績
• mean：所有成績的平均分
• var：所有成績的方差
• std：標準差
• numStudents：學生總數

使用到DSP軟件庫的函數有：

• arm_mat_init_f32()
• arm_mat_mult_f32()
• arm_max_f32()
• arm_min_f32()
• arm_mean_f32()
• arm_std_f32()
• arm_var_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_1_arm_class_marks_example

卷積示例

描述：本示例主要展示基于復數 FFT、復數乘法與支持函數的卷積理論。

算法:

卷積理論指出，時域中的卷積對應頻域中的乘法。因此，兩個信號的卷積后的傅里葉變換等于他們各自的傅里葉變換的乘積。使用快速傅里葉變換（FFT）可以有效的評估信號的傅里葉變換。兩個輸入信號a[n]和b[n]填充為零，n1和n2分別對應其信號長度。因此他們的長度將變為N，N大于或等于n1+n2-1。由于采用基4變換，因此基數為4。a[n]和b[n]的卷積是通過對輸入信號進行FFT變換，對聯更新好進行傅里葉變換。并對相乘后的結果進行逆FFT變換來獲得的。

由以下公式表示：

A[k]=FFT(a[n],N)B[k]=FFT(b[n],N)conv(a[n], b[n])=IFFT(A[k]*B[k], N)其中A[k]和B[k]分別是信號a[n]和b[n]的N點FFT。卷積長度為n1+n2-1

框圖：

圖4. 卷積算法框圖變量說明

• testInputA_f32：指向第一個輸入序列
• srcALen： 第一個輸入時序的長度
• testInputB_f32：指向第二個輸入序列
• srcBLen：第二個輸入時序的長度
• outLen：卷積輸出序列的長度，(srcALen+srcBLen-1)
• AxB：指向FFT乘積后輸出數組地址

使用到DSP軟件庫的函數有：

• arm_fill_f32()
• arm_copy_f32()
• arm_cfft_radix4_init_f32()
• arm_cfft_radix4_f32()
• arm_cmplx_mult_cmplx_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_2_arm_convolution_example

點積示例

描述:本示例主要展示如何使用相乘和相加來實現點積。兩個向量的點積是通過將對應元素相乘并相加來獲得的。

算法:

將長度為n的兩個輸入向量A和B諸個元素相乘，然后相加以獲得點積。

由以下公式表示：

dotProduct=A[0]*B[0]+A[1]*B[1]+...+A[n-1]*B[n-1]

框圖：

圖5. 點積算法框圖

變量描述：

• srcA_buf_f32：指向第一個輸入向量
• srcB_buf_f32：指向第二個輸入向量
• testOutput：存儲兩個向量的點積

使用到DSP軟件庫的函數有：

• arm_mult_f32()
• arm_add_f32()

參考AT32_DSP_DEMO\project\at_start_f403a\examples\5_3_arm_dotproduct_example

頻率倉示例

描述：該示例主要展示使用復數FFT，復數幅值和最大值函數在輸入信號的頻域中計算最大能量倉。

算法：

輸入測試信號為一個10 kHz信號，該信號具有均勻分布的白噪聲。通過計算輸入信號的FFT計算可以得到與10 kHz輸入頻率相對應的最大能量倉。

框圖：

圖6. 頻率倉算法框圖

圖8展示了具有均勻分布白噪聲的10 kHz信號的時域信號，圖9展示了這個輸入信號的對應的頻域信號，其中出現最高點的數對應的頻率即為10 kHz信號能量倉。

圖7. 輸入信號的時域

圖8. 輸入信號的頻域

輸入信號的頻域變量描述

• testInput_f32_10khz：指向輸入數據
• testOutput：指向輸出數據
• fftSize l：FFT的長度
• ifftFlag flag：用于選擇 CFFT/CIFFT
• doBitReverse Flag：用于選擇是順序還是逆序
• refIndex：參考索引值，在該值處能量最大
• testIndex：計算出的索引值，在該值處能量最大

使用到DSP軟件庫的函數有：

• arm_cfft_f32()
• arm_cmplx_mag_f32()
• arm_max_f32()

參考AT32_DSP_DEMO\project\at_start_f403a\examples\5_4_arm_fft_bin_example

FIR低通濾波示例

描述：使用FIR低通濾波器從輸入中去除高頻信號部分。本示例展示了如何配置FIR濾波，然后以塊方式傳遞數據。圖9. FIR低通濾波算法框圖

算法:

輸入信號時兩個正弦波的疊加：1 kHz and 15 kHz.該信號將被截止頻率為6 kHz的進行低通濾波。低通濾波器濾掉了15 kHz信號，僅留下1 kHz信號輸出。低通濾波器采用MATLAB設計，采樣率為48 kHz，長度為29點。生成濾波器的MATLAB代碼如下：h=fir1(28, 6/24);第一個參數是過濾器的“順序”，并且總是比所需長度小1,。第二個參數是歸一化截止頻率。范圍是0（DC）到1.0（Nyquist）。24 kHz奈奎斯特頻率的6kHz截止頻率為6/24=0.25歸一化頻率。CMSIS FIR濾波器函數要求系數按時間倒序排列。所得濾波器系數如下圖所示。需要注意的是，該濾波器是對稱的（線性相位FIR濾波器的屬性）。對稱點是樣本14，對于所有頻率，該濾波器具有14個樣本的延遲。圖10. 低通濾波時域響應

接下來顯示濾波器的響應。濾波器的帶通增益為1.0，截止頻率為6kHz時達到0.5。

圖11. 低通濾波頻域響應

輸入信號如下所示。左側顯示時域信號，右側顯示頻域?？梢郧宄目吹絻蓚€正弦波分量。

圖12. 輸入信號的時域信號和頻域信號

濾波器輸出如下所示，15kHz分量已被消除。

圖13. 輸出信號的時域信號和頻域信號

變量描述：

• testInput_f32_1kHz_15kHz：指向輸入數據
• refOutput points to the reference output data：指向參考輸出數據
• testOutput points to the test output data：指向測試輸出數據
• firStateF32 points to state buffer：指向狀態緩沖區
• firCoeffs32 points to coefficient buffer：指向系數緩沖區
• blockSize number of samples processed at a time：一次處理的樣本數
• numBlocks number of frames：幀數

使用到DSP軟件庫的函數有：

• arm_fir_init_f32()
• arm_fir_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_5_arm_fir_example

圖形音頻均衡器示例

描述：本示例展示了如何使用Biquad級聯函數構造5頻段圖形均衡器。在音頻應用中使用圖形均衡器來改變音頻的音質。

框圖：

該設計是基于五級濾波器的級聯圖14. 五級濾波器聯算法框圖

每個濾波器部分均為40階，由兩個Biquad級聯組成。每個濾波器的標稱為0 dB（線性單位為1.0）并對特定頻率范圍內的信號進行增強或截止。5個頻率段之間的邊緣頻率為100、500、2000和6000 Hz。每個頻段都有一個可調的增強或消減范圍，范圍為+/- 9 dB。列如，從500到2000 Hz的頻寬具有如下所示響應：

圖15. 從200Hz到2KHz的頻寬響應

以1 dB為步長，每個濾波器共有19種不同的設置。在MATLAB中預先計算了所有19中可能設置的頻率器系數，并將其存儲在表格中。使用5個不同表格，總共有5x19=95個不同的4階過濾器。所有95個響應如下所示：

圖16. 19X5頻率系數的過濾器響應

每個4階濾波器具有10個系數，意味著排列成950個不同濾波器系數。輸入和輸出數據為Q31模式。為了獲得更好的噪聲性能,兩個低頻算使用高精度 32x64 位雙二階濾波器。本示例中的輸入信號使用對數線性調頻。

圖17. 輸入信號對數線性調頻

數組bandGains指定以dB為單位的增益應用于每個帶寬。例如，如果bandGains={0, -3, 6, 4, -6}；那么輸出信號將是：

圖18. bandGains調頻輸出信號

注意：

輸出線性調頻信號跟隨著每個帶寬的增益或增強而變化。變量描述:

• testInput_f32：指向輸入數據
• testRefOutput_f32：指向參考輸出數據
• testOutput：指向測試輸出數據
• inputQ31：臨時輸入緩沖區
• outputQ31：臨時輸出緩沖區
• biquadStateBand1Q31：指向band1的狀態緩沖區
• biquadStateBand2Q31：指向band2的狀態緩沖區
• biquadStateBand3Q31：指向band3的狀態緩沖區
• biquadStateBand4Q31：指向band4的狀態緩沖區
• biquadStateBand5Q31：指向band5的狀態緩沖區
• coeffTable：指向所有頻段的系數緩沖區
• gainDB：增益緩沖器，其增益適用于所有頻段

使用到DSP軟件庫的函數有：

• arm_biquad_cas_df1_32x64_init_q31()
• arm_biquad_cas_df1_32x64_q31()
• arm_biquad_cascade_df1_init_q31()
• arm_biquad_cascade_df1_q31()
• arm_scale_q31()
• arm_scale_f32()
• arm_float_to_q31()
• arm_q31_to_float()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_6_arm_graphic_equalizer_example

線性插值示例

描述：本案示例展示了線性插值模型和快速數學模型的用法。方法1使用快速數學正弦函數通過三次插值計算正弦值。方法2使用線性插值函數并將結果與參考輸出進行比較。示例顯示，與快速數學正弦計算相比，線性插值函數可用于獲得更高的精度。

算法1：使用快速數學函數進行正弦計算

圖19. 快速數學函數算法框圖

算法2：使用插值函數進行正弦計算

圖20. 插值函數算法框圖

變量描述：

• testInputSin_f32指向用于正弦計算的輸入值
• testRefSinOutput32_f32指向由matlab計算得到輸出參考值p
• testOutput指向由三次插值計算得到的輸出緩沖
• testLinIntOutput指向由線性插值計算得到的輸出緩沖
• snr1參考輸出和三次插值輸出的信噪比
• snr2參考輸出和線性插值輸出的信噪比

使用到DSP軟件庫的函數有：

• arm_sin_f32()
• arm_linear_interp_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_7_arm_linear_interp_example

矩陣示例

描述：該示例展示了使用矩陣轉置、矩陣乘法和矩陣求逆函數應用于最小二乘法處理的輸入數據。最小二乘法是用于查找最佳擬合曲線，該曲線可使給定數據及的偏移平方和（最小方差）最小化。

算法：

做考慮參數的線性組合如下：The linear combination of parameters considered is as follows:A*X=B, where X is the unknown value and can be estimated from A & B.其中X表示未知值，可以根據A和B進行估算。最小二乘法估算值X由以下公式算出X=Inverse(AT*A)*AT*B

框圖：

圖21. 矩陣算法框圖

變量描述：

A_f32 input matrix：線性組合方程的輸入矩陣B_f32 output matrix：線性組合方程的輸出矩陣X_f32 unknown matrix：矩陣A_f32和B_f32估計而得到的未知矩陣

使用到DSP軟件庫的函數有：

arm_mat_init_f32()arm_mat_trans_f32()arm_mat_mult_f32()arm_mat_inverse_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_8_arm_matrix_example

信號收斂示例

描述：演示了展示了FIR低通濾波傳遞函數的自適應濾波器“學習”能力，使用到的函數有歸一化LMS濾波器，有限沖擊相應（FIR）濾波器和基本數學函數來。

算法：

下圖說明了此示例的信號流。均勻分布的白噪聲通過FIR低通濾波器進行濾波。FIR濾波器的輸出為自適應濾波器（標準化LMS濾波器）的提供參考輸入。白噪聲是自適應濾波器的輸入。自適應濾波器學習FIR濾波器的傳遞函數。該濾波器輸出兩個信號：（1）內部自適應FIR濾波器的輸出（2）自適應濾波器與FIR的參考輸出之間的誤差信號。隨著自適應的濾波器不斷學習學習FIR濾波器的傳遞函數，第一個輸出將會接近于FIR濾波器的參考輸出，誤差信號也會不斷接近于零。即使輸入信號具有大的變化范圍（即，從小到大變化），自適應濾波器也能正確收斂。自適應濾波器的系數初始化為零，在1536個樣本上，內部函數test_signal_converge()找到停止條件。該功能檢查誤差信息的所有值是否都低于閾值DELTA的幅度。

框圖：

圖22. 信號收斂算法框圖

變量描述：

testInput_f32：指向輸入數據firStateF32：指向FIR狀態緩沖區lmsStateF32：指向歸一化最小方差FIRFIRCoeff_f32：指向系數緩沖區lmsNormCoeff_f32：指向歸一化最小方差FIR濾波器系數緩沖區wire1, wir2, wire3：臨時緩沖區errOutput, err_signal：臨時錯誤緩沖區

使用到DSP軟件庫的函數有：

arm_lms_norm_init_f32()arm_fir_init_f32()arm_fir_f32()arm_lms_norm_f32()arm_scale_f32()arm_abs_f32()arm_sub_f32()arm_min_f32()arm_copy_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_9_arm_signal_converge_example

正弦余弦示例

描述：Demonstrates the Pythagorean trignometric identity with the use of Cosine, Sine, Vector Multiplication, and Vector Addition functions.通過使用正弦，余弦，向量乘法和向量加法函數演示三角學的勾股定理

算法：

數學上，勾股三角學恒等式由以下方程式定義：sin(x)*sin(x)+cos(x)*cos(x)=1其中x為弧度值

框圖：

圖23. 使用正弦余弦演示勾股定理算法框圖

變量描述：

testInput_f32：以弧度為單位的角度輸入數組testOutput stores：正弦值和余弦值的平方和

使用到 DSP 軟件庫的函數有：

arm_cos_f32()arm_sin_f32()arm_mult_f32()arm_add_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_10_arm_sin_cos_example
方差示例描述：演示如何使用基本函數和支持函數來計算 N 個樣本的輸入序列的方差，將均勻分布的白噪聲作為輸入。

算法：

序列的方差是各序列與序列平均值的平方差的平均值。

這有以下等式表示：

variance=((x[0]-x')*(x[0]-x')+(x[1]-x')*(x[1]-x')+...+*(x[n-1]-x')*(x[n-1]-x'))/(N-1)其中，x[n]是輸入序列，N輸入樣本數，x是輸入序列x[n]的平均值。

平均值x的定義如下：

x'=(x[0]+x[1]+...+x[n-1])/N

框圖：

圖24. 方差算法框圖

變量描述：

testInput_f32：指向輸入數據wire1, wir2, wire3 ：臨時數據緩沖區blockSize：一次處理的樣本數refVarianceOut：參考方差值

使用到DSP軟件庫的函數有：

arm_dot_prod_f32()arm_mult_f32()arm_sub_f32()arm_fill_f32()arm_copy_f32()

參考

AT32_DSP_DEMO\project\at_start_f403a\examples\5_11_arm_variance_example

CMSIS NN with DSP

介紹本用戶手冊介紹了CMSIS NN軟件庫，這是一個有效的神經網絡內核的集合，這些內核的開發旨在最大程度地提高性能，并最大程度地減少神經網絡在Cortex-M處理器內核上的存儲空間。該庫分為多個函數，每個函數涵蓋特定類別：神經網絡卷積函數神經網絡激活功能全連接層功能神經網絡池功能Softmax函數神經網絡支持功能

該庫具有用于對不同的權重和激活數據類型進行操作的單獨函數，包括8位整數（q7_t）和16位整數（q15_t）。功能說明中包含內核的描述。本文[1]中也描述了實現細節。

圖25. CMSIS NN程序架構

例子

該庫附帶了許多示例，這些示例演示了如何使用庫函數。

預處理器宏

每個庫項目都有不同的預處理器宏。

ARM_MATH_DSP：

如果芯片支持DSP指令，則定義宏ARM_MATH_DSP。

ARM_MATH_BIG_ENDIAN：

定義宏ARM_MATH_BIG_ENDIAN來為大型字節序目標構建庫。默認情況下，為小端目標建立庫。

ARM_NN_TRUNCATE：

定義宏ARM_NN_TRUNCATE以使用floor而不是round-to-the-nearest-int進行計算

卷積神經網絡示例

描述：演示了使用卷積，ReLU激活，池化和全連接功能的卷積神經網絡（CNN）示例。

型號定義：

本示例中使用的CNN基于Caffe [1]的CIFAR-10示例。該神經網絡由3個卷積層組成，其中散布有ReLU激活層和最大池化層，最后是一個完全連接的層。網絡的輸入是32x32像素的彩色圖像，它將被分類為10個輸出類別之一。此示例模型實現需要32.3 KB的存儲權重，40 KB的激活權和3.1 KB的存儲im2col數據。圖26. CIFAR10 CN算法框圖

神經網絡模型定義

變量說明：conv1_wt，conv2_wt，conv3_wt是卷積層權重矩陣conv1_bias，conv2_bias，conv3_bias是卷積層偏置數組ip1_wt，ip1_bias指向完全連接的圖層權重和偏差input_data指向輸入圖像數據output_data指向分類輸出col_buffer是用于存儲im2col輸出的緩沖區scratch_buffer用于存儲激活數據（中間層輸出）

CMSIS DSP軟件庫使用的功能：

arm_convolve_HWC_q7_RGB（）arm_convolve_HWC_q7_fast（）arm_relu_q7（）arm_maxpool_q7_HWC（）arm_avepool_q7_HWC（）arm_fully_connected_q7_opt（）arm_fully_connected_q7（）

請參閱

AT32_DSP_DEMO\project\at_start_f403a\examples\6_1_arm_nnexamples_cifar10

門控循環單元示例

描述：使用完全連接的 Tanh / Sigmoid 激活功能演示門控循環單元（GRU）示例。

型號定義：

GRU是一種遞歸神經網絡（RNN）。它包含兩個S型門和一個隱藏狀態。

計算可以總結為：

z[t]=Sigmoid（W_z?{h[t-1]，x[t]}）r[t]=sigmoid（W_r?{h[t-1]，x[t]}）n[t]=tanh（W_n?[r[t]×{h[t-1]，x[t]}）h[t]=（1-z[t]）×h[t-1]+z[t]×n[t]圖27. 門極遞歸單元圖變量說明：update_gate_weights，reset_gate_weights，hidden_state_weights 是與更新門（W_z），重置門（W_r）和隱藏狀態（W_n）對應的權重。update_gate_bias，reset_gate_bias，hidden_state_bias是圖層偏置數組test_input1，test_input2，test_history 是輸入和初始歷史記錄

緩沖區分配為：

|重置|輸入|歷史|更新| hidden_state |這樣，由于（復位，輸入）和（輸入，歷史記錄）在存儲器中被物理地隱含，所以自動完成隱含。權重矩陣的順序應相應調整。

CMSIS DSP 軟件庫使用的功能：

arm_fully_connected_mat_q7_vec_q15_opt（）arm_nn_activations_direct_q15（）arm_mult_q15（）arm_offset_q15（）arm_sub_q15（）arm_copy_q15（）

請參閱

AT32_DSP_DEMO\project\at_start_f403a\examples\6_2_arm_nnexamples_gru

DSP Lib的生成和使用

本節主要講解如何將DSP源碼打包為不同內核MCU所使用的lib文件。在Artery所提供的DSP包中沒有包含官方所提供的lib文件，但包含了可生成lib文件的ARM、GCC、IAR三種編譯環境的工程，用戶可根據自己的需要選擇適用的lib文件來進行生成。亦可將生成的lib文件替換掉工程中的DSP源碼。下面分為兩個部分來講解lib文件的生成和使用。

DSP Lib生成

下面以ARM編譯環境為例，展示如何生成所需的lib文件：1) 打開SourceCode\libraries\cmsis\DSP\Projects\ARM中的Keil工程；2) 在①處select target下拉框選擇所需生成的lib文件；3) 點擊②處進行編譯；4) 待③處顯示lib文件生成信息；5) 在SourceCode\libraries\cmsis\DSP\Lib\ARM中查看生成的lib文件。圖28. DSP Lib生成

DSP Lib使用

下面以5_1_arm_class_marks_example為例，展示如何使用lib文件：1) 點擊①處打開manage project items界面；2) 點擊②處，將③處內容全部刪除；3) 點擊④處找到SourceCode\libraries\cmsis\DSP\Lib\ARM路徑下的lib文件進行添加；4) 點擊OK，編譯工程。圖29. DSP Lib使用

關于雅特力雅特力科技于2016年成立，是一家致力于推動全球市場32位微控制器(MCU)創新趨勢的芯片設計公司，專注于ARM Cortex-M4/M0+的32位微控制器研發與創新，全系列采用55nm先進工藝及ARM Cortex-M4高效能或M0+低功耗內核，締造M4業界最高主頻288MHz運算效能，并支持工業級別芯片工作溫度范圍（-40°~105°）。雅特力目前已累積相當多元的終端產品成功案例：如微型打印機、掃地機、光流無人機、熱成像儀、激光雷達、工業縫紉機、伺服驅控、電競周邊市場、斷路器、ADAS、T-BOX、數字電源、電動工具等終端設備應用，廣泛地覆蓋5G、物聯網、消費、商務及工控等領域。