Digitaalinen signaalinkäsittely
Tarkastellaan tapaustutkimuksena digitaalisen verkkotunnuksen yleisintä toimintoa: suodatusta. Yksinkertaisesti sanottuna suodatus on prosessoida signaali sen ominaisuuksien parantamiseksi. Esimerkiksi suodatus voi poistaa kohinan tai sähköstaattiset häiriöt signaalista, mikä parantaa sen signaali-kohinasuhdetta. Miksi signaalin suodattamiseen käytetään mikroprosessoria analogisen laitteen sijaan? Katsotaanpa sen etuja: analogisten suodattimien (tai yleisemmin analogisten piirien) suorituskyky riippuu ympäristötekijöistä, kuten lämpötilasta. Ympäristö ei periaatteessa vaikuta digitaaliseen suodattimeen.
Digitaalista suodatusta on helppo jäljitellä hyvin pienellä toleranssilla, koska sen suorituskyky ei riipu niiden laitteiden yhdistelmästä, joiden suorituskyky on poikennut normaaliarvosta. Kun analoginen suodatin on valmistettu, sen ominaisuuksia (kuten päästökaistan taajuusalue) ei ole helppo muuttaa. Digitaalisen suodattimen toteuttamiseen mikroprosessorin avulla voit muuttaa suodattimen ominaisuuksia ohjelmoimalla sen uudelleen.
DSP-prosessorien ja yleiskäyttöisten prosessorien vertailu
Tarkastellaan esimerkkiä digitaalisesta signaalinkäsittelystä, kuten äärellinen impulssivastesuodatin (FIR). Matemaattisella kielellä FIR-suodatin on sarja pistetuotteita. Ota sisääntulo ja järjestysvektori, kerro kerroin ja tulonäytteen liukuva ikkuna ja lisää sitten kaikki tuotteet muodostaen tuotosnäytteen. Vastaavia toimintoja toistetaan suuressa määrin digitaalisen signaalinkäsittelyn aikana, joten tätä varten suunniteltujen laitteiden on tarjottava erityistä tukea, mikä on vaikuttanut DSP-laitteiden ja yleiskäyttöisten prosessorien (GPP) vaihtamiseen:
1 Tuki intensiivisille kertolaskuoperaatioille
GPP: tä ei ole suunniteltu suorittamaan intensiivisiä kertolaskuja. Jopa jotkut nykyaikaiset GPP: t vaativat useita käskyjaksoja kertomisen suorittamiseksi. DSP-prosessori käyttää erikoistuneita laitteita yksisyklisen kertolasun toteuttamiseksi. DSP-prosessori lisää myös akkurekisterin useiden tuotteiden summan käsittelemiseksi. Akkurekisteri on yleensä laajempi kuin muut rekisterit, ja ylimääräisiä bittejä, joita kutsutaan tulosbiteiksi, lisätään ylivuotojen välttämiseksi. Samaan aikaan, jotta heijastaisivat täysin erikoistuneiden moninkertaistettavien laitteiden edut, melkein kaikki DSP-käskysarjat sisältävät selkeät MAC-ohjeet.
2 muistirakenne
Perinteisesti GPP käyttää von Neumannin muistirakennetta. Tässä rakenteessa vain yksi muistitila on kytketty prosessorin ytimeen väyläjoukon (osoiteväylän ja dataväylän) kautta. Normaalisti yhdelle kertolaskulle tapahtuu 4 muistihakua, joka kuluttaa vähintään neljä käskyjaksoa. Useimmat DSP: t käyttävät Harvardin rakennetta, joka jakaa muistitilan kahteen ohjelmien ja tietojen tallentamiseen. Heillä on kaksi väyläsarjaa kytkettynä prosessorin ytimeen, mikä mahdollistaa samanaikaisen pääsyn niihin. Tämä järjestely kaksinkertaistaa prosessorin muistin kaistanleveyden ja mikä tärkeämpää, tarjoaa tietoja ja ohjeita prosessorin ytimelle samanaikaisesti. Tämän asettelun mukaan DSP voi toteuttaa yhden jakson MAC: n
ohje. On toinenkin ongelma, toisin sanoen tyypillinen korkean suorituskyvyn GPP sisältää itse asiassa kaksi sirun välimuistia, yhden dataa varten ja toisen ohjeille, jotka on kytketty suoraan prosessorin ytimeen nopeuttamaan pääsynopeutta ajon aikana. Fyysisesti ottaen tämän sirulla olevan kaksoismuistin ja väylän rakenne on melkein sama kuin Harvardissa. Loogisesti ottaen näiden kahden välillä on kuitenkin edelleen merkittäviä eroja.
GPP käyttää ohjauslogiikkaa määrittääkseen, mitkä tiedot ja käskysanat tallennetaan sirun välimuistiin, jota ohjelmoija ei määritä (tai ei ehkä edes tiedä). Sitä vastoin DSP käyttää useita sirun muisteja ja useita väyläsarjoja varmistaakseen useita pääsyjä muistiin jokaisessa käskyjaksossa. DSP: tä käytettäessä ohjelmoijan on hallittava selkeästi tallennettavat tiedot ja ohjeet
Piirin sisäisessä muistissa. Kun ohjelmoija kirjoittaa ohjelman, hänen on varmistettava, että prosessori voi käyttää kaksoisväylää tehokkaasti. Lisäksi DSP-prosessoreilla on tuskin datavälimuistit. Tämä johtuu siitä, että DSP: n tyypillinen data on datavirta. Toisin sanoen, kun DSP-prosessori laskee jokaisen datanäytteen, se hylätään eikä sitä käytetä melkein koskaan uudelleen.
3 Nolla yläsilmukka
Jos ymmärrät DSP-algoritmien yhteisen ominaisuuden, eli suurin osa käsittelyajasta käytetään pienempien silmukoiden suorittamiseen, on helppo ymmärtää, miksi useimmilla DSP: llä on erikoistuneita laitteita nollakohtisilmukoille. Niin sanottu nolla-overhead-silmukka tarkoittaa, että kun prosessori suorittaa silmukan, sen ei tarvitse käyttää aikaa silmukkalaskurin arvon tarkistamiseen, ehto siirretään silmukan yläosaan ja
Pienennä silmukkalaskuria yhdellä. Sen sijaan GPP-sykli toteutetaan ohjelmistolla. Jotkut korkean suorituskyvyn GPP: t käyttävät siirtymän ennakointilaitteistoa, jolla saavutetaan melkein sama vaikutus kuin laitteiston tukemalla nollakustannussilmukalla.
4 Kiinteän pisteen laskenta
Useimmat DSP: t käyttävät kiinteän pisteen laskutoimituksia liukulukujen sijaan. Vaikka DSP: n soveltamisessa on kiinnitettävä suurta huomiota numeroiden tarkkuuteen, sen pitäisi olla paljon helpompaa tehdä kelluvalla pisteellä, mutta DSP: n kannalta alhaiset kustannukset ovat myös erittäin tärkeitä. Kiinteän pisteen koneet ovat halvempia (ja nopeampia) kuin vastaavat liukulamput. DSP-prosessori tukee kyllästyslaskentaa, pyöristämistä ja siirtämistä sekä käskyjoukossa että laitteistossa, jotta ei käytettäisi liukulaskulaitetta ja jotta varmistettaisiin numeroiden tarkkuus.
5 Erityinen osoitetila
DSP-prosessorit tukevat usein erikoistuneita osoitetiloja, jotka ovat erittäin hyödyllisiä tavallisissa signaalinkäsittelyoperaatioissa ja algoritmeissa. Esimerkiksi moduuliosoite (syklinen) (hyödyllinen digitaalisten suodatinviivarivien toteuttamiseksi), bittikäänteinen osoite (hyödyllinen FFT: lle). Näitä hyvin erikoistuneita osoitetiloja ei käytetä usein GPP: ssä, ja ne voidaan toteuttaa vain ohjelmistolla.
6 Toteutusajan ennuste
Suurin osa DSP-sovelluksista (kuten matkapuhelimet ja modeemit) ovat ehdottomasti reaaliaikaisia sovelluksia, ja kaikki käsittely on suoritettava tietyssä ajassa. Tämä vaatii ohjelmoijan määrittämään tarkalleen kuinka paljon käsittelyaikaa tarvitaan jokaiselle näytteelle tai ainakin kuinka paljon aikaa tarvitaan pahimmassa tapauksessa. Jos aiot käyttää edullista GPP: tä reaaliaikaisen signaalinkäsittelyn suorittamiseksi, suoritusajan ennustaminen ei todennäköisesti ole ongelma. Pitäisi olla, että edullisella GPP: llä on suhteellisen yksinkertainen rakenne ja että se on helpompi ennustaa toteutusaika. Edulliset GPP: t eivät kuitenkaan pysty tarjoamaan useimpien reaaliaikaisten DSP-sovellusten edellyttämää prosessointitehoa. Tällä hetkellä DSP: n etu korkean suorituskyvyn GPP: hen verrattuna on, että vaikka välimuistissa olevaa DSP: tä käytetään, ohjelmoija (ei prosessori) päättää, mitkä ohjeet syötetään, joten on helppo määrittää, onko käsky peräisin välimuisti tai Lue muistista. DSP ei yleensä käytä dynaamisia ominaisuuksia, kuten haaraennusteita ja päättelyjen suorittamista. Siksi on täysin suoraviivaista ennustaa vaadittu suoritusaika tietystä koodikappaleesta. Tämän avulla ohjelmoija voi määrittää sirun suorituskykyrajat.
7 Kiinteän pisteen DSP-käskysarja
Kiinteän pisteen DSP-käskysarja on suunniteltu kahden tavoitteen mukaisesti:
Anna prosessorin suorittaa useita operaatioita jokaisessa käskyjaksossa, mikä parantaa kunkin käskysyklin laskennallista tehokkuutta. Pienennä muistitilaa DSP-ohjelmien tallentamiseen (koska muistilla on suuri vaikutus koko järjestelmän kustannuksiin, tämä ongelma on erityisen tärkeä kustannusherkissä DSP-sovelluksissa). Näiden tavoitteiden saavuttamiseksi DSP-prosessorin käskysarjan avulla ohjelmoija voi yleensä määrittää useita rinnakkaisia operaatioita yhden käskyn sisällä. Esimerkiksi MAC-operaatio sisältyy käskyyn, toisin sanoen yksi tai kaksi dataa liikkuu samanaikaisesti. Tyypillisessä esimerkissä yksi käsky sisältää kaikki toiminnot, joita tarvitaan osiossa FIR-suodattimen laskemiseksi. Tällainen tehokas maksu
Hinta on, että sen ohjeisto ei ole intuitiivinen eikä helppokäyttöinen (verrattuna GPP: n ohjeistukseen).
GPP-ohjelmat eivät yleensä välitä siitä, onko prosessorin ohjejoukko helppokäyttöinen, koska ne käyttävät yleensä korkean tason kieliä, kuten C tai C ++. DSP-ohjelmoijille valitettavasti tärkeimmät DSP-sovellukset kirjoitetaan kokoonpanokielellä (ainakin osittain optimoitu kokoonpanokielellä). Tähän on kaksi syytä: Ensinnäkin suurin osa laajasti käytetyistä korkean tason kielistä, kuten
Kuten C, se ei sovi kuvaamaan tyypillisiä DSP-algoritmeja. Toiseksi DSP-rakenteen monimutkaisuus, kuten useita muistitiloja, useita väyliä, epäsäännöllisiä käskyjoukkoja ja pitkälle erikoistuneita laitteita, vaikeuttaa tehokkaiden kääntäjien kirjoittamista siihen. Vaikka C-lähdekoodi käännetään DSP-kokoonpanokoodiksi kääntäjän kanssa, optimointitehtävä on silti erittäin raskas. Tyypillisillä DSP-sovelluksilla on paljon laskennallisia vaatimuksia ja tiukat yleiskustannukset, joten ohjelman optimointi on välttämätöntä (ainakin ohjelman kriittisimmälle osalle). Siksi keskeinen tekijä DSP: n valintaa harkittaessa on, onko olemassa tarpeeksi ohjelmoijia, jotka pystyvät paremmin sopeutumaan DSP-prosessorin käskyjoukkoon.
8 Kehitystyökaluja koskevat vaatimukset
Koska DSP-sovellukset vaativat erittäin optimoitua koodia, useimmat DSP-toimittajat tarjoavat joitain kehitystyökaluja, jotka auttavat ohjelmoijia suorittamaan optimointityönsä loppuun. Esimerkiksi useimmat valmistajat tarjoavat suorittimen simulointityökaluja prosessorin toiminnan simuloimiseksi tarkasti jokaisessa käskyjaksossa. Huolimatta reaaliaikaisen toiminnan varmistamisesta tai koodin optimoinnista, nämä ovat erittäin hyödyllisiä työkaluja. GPP-toimittajat eivät yleensä tarjoa tällaisia työkaluja lähinnä siksi, että GPP-ohjelmoijat eivät yleensä tarvitse yksityiskohtaisia tietoja tällä tasolla. GPP: n ohjeiden tarkkojen simulointityökalujen puuttuminen on DSP-sovelluskehittäjien suuri ongelma: on lähes mahdotonta ennustaa korkean suorituskyvyn GPP: n tietyn tehtävän edellyttämien jaksojen määrää, joten on mahdotonta selittää, miten koodin suorituskyvyn parantamiseksi.
Meidän muiden tuotteiden:
