Pourquoi les processeurs DSP personnalisés sont essentiels pour les applications Niche

Dans de nombreux domaines spécialisés, comme l'imagerie médicale, l'automatisation industrielle, la télémétrie aérospatiale ou l'audio de pointe, les exigences en matière de traitement des signaux vont bien au-delà de ce que les processeurs numériques de signaux (PSD) ou les réseaux de portes programmables de terrain (FPGA) peuvent offrir efficacement.Les composants hors gamme sont conçus pour de vastes marchés et obligent souvent les ingénieurs à compromettre la consommation d'énergie, la latence ou la précision.

Plongez profondément dans les exigences de la demande

Avant qu'une seule ligne de langage de description matérielle soit écrite, l'équipe d'ingénierie doit établir une compréhension approfondie des signaux en cause et des contraintes de l'environnement cible.Cela va au-delà de simplement indiquer -nous devons traiter audio- ou -nous traitons les données radar.- Les ingénieurs doivent quantifier des paramètres tels que la vitesse d'échantillonnage, la longueur des mots (profondeur bit), la portée dynamique et la latence maximale admissible de l'entrée à la sortie.- Par exemple, un capteur lidar pour les véhicules autonomes peut nécessiter une latence de traitement sous une microseconde, tandis qu'un système d'échographie médicale peut tolérer quelques millisecondes mais nécessiter un débit de données massif.- L'analyse des exigences doit également tenir compte des facteurs environnementaux : la plage de température, les vibrations, les interférences électromagnétiques et le refroidissement disponible.

Caractéristiques et précision du signal

Pour les applications audio à bande étroite, l'arithmétique à 16 bits peut suffire, mais pour la compression d'impulsions radar ou la spectroscopie, les points flottants à 32 bits ou même les représentations personnalisées de points flottants de blocs deviennent nécessaires. De même, les exigences du rapport signal-bruit (SNR) conduisent les décisions sur la sélection du convertisseur analogique-numérique et la budgétisation du bruit interne.

Contraintes en temps réel

Le traitement en temps réel est une caractéristique des applications DSP. Le processeur doit garantir que chaque échantillon ou cadre est traité dans une fenêtre de temps fixe, ou le système échoue. Le matériel personnalisé excelle ici parce qu'il élimine les risques imprévisibles de cache et de pipeline des processeurs à usage général. Cependant, le compromis est que toute mauvaise estimation du temps d'exécution le plus défavorable peut conduire à une défaillance du système. Par conséquent, une analyse rigoureuse des chemins de données, de la largeur de bande de mémoire et des opérations simultanées est essentielle.

Choix de conception d'architecture matérielle

Une fois les exigences claires, la prochaine étape majeure consiste à définir la microarchitecture du processeur. L'architecture doit équilibrer la flexibilité, la performance, la puissance et les coûts.

Type de base de traitement: Fixe vs. programmable

Les chemins de données à fonctions fixes sont extrêmement efficaces pour un algorithme spécifique – par exemple, un filtre FIR construit à partir d'unités multi-accumulables et de retards dédiés – mais ils ne peuvent pas être réutilisés. Les cœurs programmables, comme un RISC-V personnalisé avec extensions DSP, offrent une flexibilité pour mettre à jour les algorithmes après déploiement. De nombreuses applications de niche bénéficient d'une architecture hétérogène : un cœur de contrôleur programmable pour la configuration et le séquençage, et plusieurs blocs d'accélérateur dédiés pour les noyaux les plus exigeants en calcul. Par exemple, un processeur personnalisé pour les radios définies par logiciel pourrait comprendre un noyau programmable pour la logique de modulation/démodulation et des filtres FIR à fonctions fixes et des accélérateurs FFT.

Conception de la hiérarchie de la mémoire

La bande passante de la mémoire est souvent le goulot d'étranglement des systèmes DSP. Un design personnalisé permet aux ingénieurs d'adapter la hiérarchie de la mémoire précisément au flux de données. Les décisions clés comprennent le nombre et la taille des banques SRAM sur puce, s'il faut utiliser des mémoires multiports pour lire/écrire simultanément, et l'inclusion de mémoires de scratchpad pour des résultats temporaires. Pour les applications de streaming, le double tampon (supports deping-pong) est commun pour permettre le remplissage d'un tampon via DMA tandis que le processeur fonctionne sur l'autre. L'interface de mémoire externe mérite également l'attention : un contrôleur SDRAM accordé à l'application , les modèles d'accès peuvent grandement améliorer le débit.

Intégration périphérique

L'intégration de périphériques tels que les capteurs, les actuateurs ou les convertisseurs de données SPI, I2C, I2S ou les émetteurs LVDS à haute vitesse directement sur puce réduit le nombre de composants, l'espace de carte et la latence. Dans les applications de niche, les périphériques standard peuvent avoir besoin d'une personnalisation – par exemple, une interface audio multicanaux qui prend en charge exactement les taux d'échantillonnage et le nombre de canaux requis, plutôt qu'un codec audio générique.

Techniques de gestion de l'énergie

La consommation d'énergie est une contrainte critique, surtout pour les systèmes à batterie ou à commande thermique limitée. Les processeurs personnalisés peuvent inclure des fonctions de gestion de puissance avancées : domaines de tension et de fréquence multiples, alignement d'horloge pour blocs inutilisés et modes de réduction de puissance alimentés par des données. Au niveau architectural, réduire l'activité de commutation par une isolation opaque de l'opérande et utiliser l'arithmétique à point fixe au lieu de point flottant peut couper la puissance de moitié ou plus. Par exemple, un DSP personnalisé pour un appareil écoutable peut fonctionner à une fréquence d'horloge très basse et utiliser des transistors de tension à quasi seuil, obtenant une puissance de milliwatt de niveau pour le traitement audio en temps réel.

Optimisation de l'algorithme pour la mise en place du matériel

Écrire un algorithme en C ou MATLAB puis le porter en matériel est rarement efficace. Au lieu de cela, l'algorithme et l'architecture devraient être co-optimisés. Cette section traite des techniques de transformation communes.

Optimisation arithmétique et de la longueur des mots à point fixe

La plupart des DSP personnalisés utilisent des représentations à points fixes avec des longueurs de mots soigneusement choisies pour chaque variable. Les ingénieurs doivent analyser la plage dynamique de l'algorithme et le bruit de quantification pour déterminer les bits entiers et fractionnels minimums nécessaires. Pour les algorithmes multi-étapes, différentes longueurs de mots peuvent être utilisées pour différentes étapes – par exemple, les données intermédiaires 24 bits dans un filtre mais 16 bits à la sortie. Cela réduit le coût matériel tout en maintenant la qualité du signal.

Parallélisme et canalisation

Les applications de Niche nécessitent souvent un débit élevé. Les DSP personnalisés peuvent exploiter plusieurs niveaux de parallélisme. Le parallélisme au niveau de l'instruction peut être réalisé par le biais d'architectures VLIW (très longue instruction mot) qui émettent plusieurs opérations par cycle. Plus couramment, le parallélisme au niveau des données est exploité en reproduisant des unités fonctionnelles : par exemple, une banque de filtres polyphasés peut utiliser 8 unités de multi-accumulation parallèles fonctionnant simultanément sur différentes phases. La canalisation divise le traitement en étapes de sorte que chaque étape puisse fonctionner simultanément sur une autre partie de données. La clé est de concevoir un pipeline qui équilibre les étapes et évite les risques.

Transformations algorithmiques

Parfois, l'algorithme lui-même peut être restructuré pour s'adapter au matériel. Par exemple, la conversion d'une convolution du domaine temporel en une méthode de domaine de fréquence utilisant FFT peut réduire les opérations pour de longues longueurs de filtre. De même, l'utilisation de l'arithmétique distribuée pour les filtres FIR remplace les multiplicateurs par des tables de recherche et des adders, qui peuvent être plus efficaces dans les modèles personnalisés basés sur FPGA.

Outils et langues de développement

Bien que l'article mentionné initialement VHDL ou Verilog, de nombreuses équipes utilisent maintenant SystemVerilog ou même une synthèse de haut niveau (HLS) en utilisant C++ ou SystemC. HLS permet aux développeurs d'algorithmes d'écrire dans un niveau d'abstraction plus élevé, mais les ingénieurs doivent guider étroitement l'outil de synthèse pour atteindre la microarchitecture souhaitée. Pour la vérification, la méthodologie de vérification universelle (UVM) est la norme pour les conceptions complexes. La co-simulation avec des modèles algorithmiques (p. ex. Python ou MATLAB) permet de s'assurer que le matériel se comporte exactement comme le prévoit le modèle système.

Ressource externe:[ Pour une plongée profonde dans les architectures de traitement de signaux numériques, voir ScienceDirect=s aperçu des architectures DSP.

Stratégies de vérification, de validation et d'essai

Comme un DSP personnalisé est souvent au cœur d'un système à haute valeur critique en matière de sécurité, une vérification exhaustive est obligatoire. Le plan de vérification doit couvrir la justesse fonctionnelle, la fermeture du moment et l'intégrité de la puissance. Les outils de vérification officiels peuvent prouver que le RTL correspond au comportement prévu pour toutes les entrées possibles – une technique puissante pour la logique de contrôle. Pour les blocs DSP lourds de données, les testbenches à random limité avec des groupes de couverture sont utilisés pour exercer des cas de coin.

Essais à travers les angles de température et de tension

Les applications de niches fonctionnent souvent à des extrêmes. La puce personnalisée doit être caractérisée à travers les angles de processus, de tension et de température. Les équipes de conception doivent intégrer l'auto-test intégré (BIST) pour les mémoires et la logique, ainsi que les chaînes de balayage pour les tests de fabrication.

Intégration, déploiement et soutien à long terme

La gestion thermique est une préoccupation principale : un processeur qui dissipe 10W dans un petit paquet nécessite une simulation thermique détaillée et peut-être des puits de chaleur ou de l'air forcé. Le séquençage et le découplage de puissance doivent être soigneusement conçus pour éviter le verrouillage ou le dragage de tension. Du côté du logiciel, un DSP personnalisé programmable a besoin d'un kit de développement logiciel (SDK) avec compilateur, assembleur, débogueur et bibliothèques. Même pour un accélérateur à fonction fixe, un modèle de programmation au niveau du registre et des pilotes sont nécessaires.

Ressource externe:[ Le livre Le traitement numérique des signaux dans les systèmes embarqués fournit des conseils pratiques sur les défis d'intégration.

Études de cas : PSD personnalisé au travail

Brouillard à ultrasons médicaux

Une startup développant une sonde ultrasonore portable a conçu un DSP personnalisé qui a effectué 64 canaux de réception dynamique faisceau formant sur la puce. En intégrant le contrôle analogique front-end, le calcul de retard de faisceau formant, et la détection d'enveloppe dans un seul processeur, ils ont réduit la surface de la carte de 80% et la consommation d'énergie à 1.5W - fonctionnement de batterie.

Surveillance des vibrations industrielles

Une entreprise d'automatisation d'usine avait besoin d'un processeur pour la maintenance prédictive qui pouvait analyser simultanément les signaux de vibrations de dizaines de capteurs, effectuer des FFT en temps réel et détecter les anomalies. Les solutions hors-service étaient soit trop lentes ou consommaient trop de puissance. Ils ont conçu un DSP multi-core personnalisé où chaque noyau traitait un ensemble de capteurs, avec une mémoire partagée pour la communication d'alarme inter-core.

Resource externe:[ Pour en savoir plus sur le dessin DSP sur mesure pour les applications industrielles, voir cet article Embedded.com sur le dessin DSP industriel IoT.

Pièges courants et comment les éviter

  • Survol du goulot de la mémoire:[ Même les unités arithmétiques les plus rapides sont inutiles si les données ne peuvent pas être livrées.
  • Vérification insuffisante des cas d'angle : Les algorithmes DSP peuvent présenter un comportement inattendu aux limites des signaux (p. ex., débordement dans les filtres IIR).
  • La sous-estimation de la consommation de puissance:[ Des échelles de puissance dynamiques avec le carré de tension; une légère augmentation de tension de fonctionnement pour répondre au timing peut entraîner une augmentation de puissance significative.
  • Ignorer l'effort logiciel:[ Un DSP personnalisé programmable n'est utile que s'il a une chaîne d'outils décente. Allouer le budget pour le portage du compilateur ou au moins une bibliothèque C robuste de fonctions communes DSP.
  • Sur-personnalisation:[ L'ajout de trop de fonctionnalités spéciales peut rendre le processeur complexe pour vérifier et documenter. Utilisez la règle 80/20: des fonctionnalités d'implémentation qui donnent le plus d'avantages pour le coût.

Conclusion

Il exige une compréhension approfondie des signaux et des contraintes de l'application, une conception minutieuse des algorithmes et de l'architecture, et une approche disciplinée de la vérification et des essais. En se concentrant sur les considérations clés – analyse des exigences, choix architecturaux, optimisation des algorithmes et validation complète – les ingénieurs peuvent fournir un processeur qui dépasse de loin le niveau de performance, de puissance et d'intégration de toute alternative hors-la-sol. L'investissement initial rapporte des dividendes dans des produits plus petits, plus efficaces et optimisés de façon unique pour leur mission.