ההשפעה של פילטרים עיצובים על צריכת החשמל של מכשירים לעיבוד אותות ניידים

פילטרים דיגיטליים ותקציב הכוח של מכשירים ניידים

כל טלפון נייד, אוזניות אלחוטיות, חיישן IoT מסתמכ על עיבוד אותות כדי להמיר נתונים גולמיים למידע שניתן להעלות על הדעת.פילטרים דיגיטליים הם סוסי העבודה שמסירים רעש, להקות תדר נפרדות, ולהכין אותות לפירוק או ניתוח.עם זאת, אלגוריתמים אלה גם צורכים אנרגיה סוללות יקר.הבחירה של תכנון סינון - סוג, סדר, דיוק, אדריכלות - שולטת באופן ישיר על כוח של שרשרת עיבוד אותות ניידים.

מדוע חשוב כוח בעיבוד אותות ניידים

חיי סוללה הם המדד החשוב ביותר למשתמש למכשירים ניידים.כל מילימטרים המשמשים לחישוב הוא אחד פחות זמין עבור תצוגה, קישוריות או עמידה. במערכות מודרניות-על-ידי (SoCs), מערכת עיבוד אותות לעתים קרובות חשבונות עבור 20-40% של צריכת חשמל פעילה במהלך משימות תקשורת.

מימון של צריכת חשמל במסננים דיגיטליים

הכוח הנצרך על ידי מסנן דיגיטלי יכול להיות שבור לשלושה מרכיבים עיקריים: כוח דינמי מהחלפת טרנזיסטור, כוח דליפה סטטי, וכוח גישה זיכרון. כוח דינמי הוא פרופורציה למוצר של קיבול, מתח, ותדירות (P = C × V2 × f) עבור אפקט גישה מופחתת במיוחד, הורדת מספר פעולות ⁇ (מעליות שליטה, או MAC) וספירת נתונים פשוטים יותר על מנת להפחית את רמת הפחתת כוח.

אפשרויות עיצוב מסנן והשלכות הכוח שלהם

סוג מסנן: FIR vs. IIR

פילטרים של Finite Impulse Response (FIR) הם יציבים, ליניאריים-phase, וקלים ליישום עם חומרה פשוטה.עם זאת, הם בדרך כלל דורשים הזמנה מסנן גבוה כדי לעמוד בלהקות מעבר חדות, המוביל ל- MAC רבים לדגימה. מסנן FIR של סדר NIR מבצע כפליים N1 ו- N תוספת לתפוקה. זה תגמולים ישירות לאפקט דינמי גבוה יותר.

תצלום: שורת ההרחבה ו-Creion Bandwidth

סדר המסנן הנדרש הוא יחסית רוחב הפס המעבר נורמלי על ידי תדירות הדגימה. מסנן כי חייב לעבור מפס לעבור כדי לעצור פס מעל 5% של קצב הדגימה יהיה צריך בערך 3-4 פעמים יותר קליטה מאשר אחד עם רוחב מעבר של 20%.עבור מסננים FIR, כל אחד נוסף מוסיף MAC אחד לתפוקה.

יעילות ודיוקן

באמצעות שימוש בקידוד נמוך יותר (למשל, 8-bit או 12-bit קבוע במקום 16 סיביות או 24bit) מפחית את רוחב התוספים והכפלה, הורדת כוח דינמי ו סטטי. A מכפיל הפועל על 8 סיביות קלטות יכול להיות עד 60% קטן יותר ולהפחית את רמת האנרגיה של פחות מ- 16 סיביות, אך קוטריזציה מציגה פשטות של שיטות הפעלה נמוכות יותר של תדרים (Fript) ו-Retativeing) כדי לשמור על מורכבות נוספת.

מבנה מסנן: Direct, Transposed, Lattice, ו- Polyphase

מבנה המימוש של מסנן דיגיטלי משפיע הן על עומס חישובי והן על כוח הזיכרון. טופס I ו-II הם נפוצים אבל דורשים אחסון קלטות ישנות ופלט, אשר יכול להיות יקר מבחינת כוח רישום.צורה ישירה עובר מזיז אלמנטים מעכבים כדי להפחית את עומק הצינור וספירה, לעתים קרובות להפחית את הכוח בעיצוב גבוה באמצעות חישובים.

Hardware Target: Dedicated vs. Programmable

יישום מסננים על CPU או GPU למטרות כלליות משתמש באופן משמעותי יותר כוח עבור Mac מאשר מעבד אותות דיגיטלי ייעודי (DSP) או מאיץ קשיח, מסנן ASIC מותאם אישית יכול להשיג יעילות אנרגיה של 1-2 pJ ל- Mac ב 28 nm, בעוד יישום CPU מבוסס LTE עשוי לצרוך 10-20pJ עבור Mac. עבור ניידים SoC, הגישה הטובה ביותר היא לעתים קרובות שימוש היברידית עבור מערכת ההפעלה CSP.

אסטרטגיות מתקדמות עבור Power-Efficient Filter Design

טכניקות מרובות: הפחתה ואינטרפולציה

עיבוד אות בשיעור הדגימה הגבוה ביותר מגביר את מספר ה- MACs לשנייה.על ידי שימוש ב decimation (הההורדות) לפני סינון, המסנן פועל בתדירות שעון נמוכה יותר, צמצום כוח דינמי באופן יחסי.לדוגמה, אם אות פס רחב מדגימה ב-30 Mcade אך רוחב הפס הרלוונטי הוא רק 1Hz, מכווץ על ידי 15 לפני יישום מסננים חדים את שיעור הפילטרים על ידי פילטר נמוך של טיפול (CIR) עם פילטר נמוך מאוד, אך ניתן לקחת עם פילטר נמוך יותר עם פילטר נמוך יותר.

מחשוב משוער וצמצום Precision

ביישומים ניידים רבים, דיוק מספרי מושלם הוא מיותר.קול אותות אודיו יכול לסבול כמה DB של טעות קוונטית; נתוני חיישן לעתים קרובות יש רעש טמבלי המסכות שגיאות קטנות. טכניקות מחשוב מחשוב סלולריות להציג שגיאות מבוקרות בכוונה כדי להפחית את המורכבות החומרית.

טרנספורמציות אלגוריתמית: מהפכת מהירה ותדירות גבוהה - דומיין

עבור אורך מסנן ארוך מאוד (אלפי של ברזים), מהפכת זמן ישירה הופכת מאוד לא יעילה.השיטות החפיפות או חפיפות-save באמצעות ה- Fast Fourier Transform (FFT) להמיר את ה- convolution לתוך ריבוי חלקיקים-wise בתחום התדר, צמצום המורכבות מ- O(N2) ל- O(N) כדי להוריד את המספר הכולל של פקודות MAC על ידי גודל עבור פילטרים משמעותיים עבור תעריפים לא-תועלת גבוהה יותר, אך טיפול לא-לספקים לא-ל-לטיפול יעיל יותר.

פילטר עם Power-Aware Updates

מסננים מותאמים, כגון אלה המשמשים לביטול או השוואת ערוצים, לעדכן באופן רציף את האפקטיביות שלהם.אלגוריתם העדכון (למשל, מערכת ההפעלה, RLS) עצמו צורכת כוח.טכניקות כמו סינון חסימה (הפחתת אפקטיביות כל כמה דגימות) או שיטות עדכון חלקי יכול להפחית את כוח על ידי 80% תוך שמירה על מהירות ההתכנסות.

אופטימיזציה של חומרה-Level: השעון Gating ו- Voltage Scaling

עיצובי סינון מודרניים ב ASICs או FPGAs יכולים להשתמש בשעון כדי להשבית שלבים מכפילים לא בשימוש, במיוחד במבנים פוליפאזה או רב-תחומיים שבו רק שלב אחד פעיל בזמן. מתח דינמי ותדירות (DVFS) מאמת את מתח האספקה ואת תדירות השעון בהתבסס על עומס עבודה. מסנן כי רק צריך ביצועים גבוהים במהלך שיא נתונים יכול לרוץ נמוך יותר במהלך תקופות שקט, צמצום מתח המקבילה (DVS) עם מקבילה נמוכה יותר.

דוגמאות אמיתיות: Power Savings in Mobile Standards

LTE ו-5G Channel Filters

במעבדי בסיס 4G/5G, הערוץ בוחר מסנן לאחר ה- ADC חייב לדחות התערבות ערוץ חזק צמוד תוך שמירה על האות הרצוי. עיצובים מוקדמים השתמשו במסננים FIR מסדר גבוה עם 128 נקודות, צריכת מעל 10 mW ב 40 Nm טכנולוגיה. עיצובים מודרניים משתמשים ב- cascaded integrator-comb (C) decimators ואחריו טייס קצר בהרבה, צמצום של ה-FIR, ולהפחית את צריכת ה-Cuptextextextextextextextextextextextextextextextextextextextuptextextuptuptuptuptuptextextuptuptuptuptupt של מספר כפול של מספר מנועי תחת שימוש ב-comb (C) תחת שימוש ב-comb (C.

Bluetooth Audio Codecs

שבבי אודיו Bluetooth (למשל, Qualcomm aptX, LDAC) משתמשים בנקים מסננים בעלי כוח נמוך עבור קידוד sub-band. במקום בנק סינון מבוסס FFT, מעצבים משתמשים בסינון פוליפאפז מפילטרים מודולים עם 16-32 sub-bands, הדורש רק מסנן אב-טיפוס של סדר 512 ומדורגת מודציה.

חיישנים Fusion ו-MeMS Signal Processing

יחידות מדידה אינפורמטיביות (IMUs) בטלפונים חכמים או עוקבים כושר משתמשים במסננים נמוכים כדי להסיר רעש רטט גבוה רטט רטט קידוד גבוה.אלה הם בדרך כלל פשוטים ראשון או השני סדר מסננים IIR (למשל, Butterworth או Biquad) כי לרוץ כמה מאות הרץ.כל אחד מקטע biquad דורש רק 5plications ו 4 תוספות זהירות עם coefficients כדי לתקן 12xt זה יכול להיות תמיד להיות מ-xuntexit פחות מ- 50 t.

מגמות עתידיות: Machine Learning and Neural filter

עבודה מתפתחת בוחנת באמצעות רשתות עצביות קטנות להחליף מסננים ליניאריים מסורתיים למשימות כמו denoising או שווה ערך.פילטרים עצביים אלה יכולים להשיג ביצועים גבוהים יותר עם פחות פרמטרים מאשר מסננים FIR, במיוחד עבור ערוצים שאינם ליניאריים או זמןיים.עם זאת, יעילות הכוח שלהם תלויה במידה רבה על מאיץ החומרה המשמש את יחידות עיבוד עצביות (NPUs) יכול להשיג יעילות אנרגיה דומה ל DSP, בעוד ספירת משקל נמוך מדי.

הנחיות מעשיות למהנדסים

1. (FLT:0)Start with theמינימום filter order order: 1) אשר עונה על מפרט הכלים עיצוב סינון עם אופטימיזציה של סדר (למשל, החלפת תגמול עבור FIR, IIR חמאה / צ'בי1 עם סדר estimation).
2. (ב) [13] ,"התחיל מעל FIRFLT: 1" כאשר לינאריות בשלב אינה נדרשת, במיוחד עבור מסננים של Q גבוה או להקות מעבר צרות.
3. (ב) ,0) ,Use multirate Architectures (FLT:1) (הההתמדה / התערבות) כדי להוריד את תדירות השעון של המסנן הראשי.
4. (FLT:0)Quantize אפקטיביות ונתיבי נתונים ,(FLT:1) לרוחב ה bit הקטן המינימלי המסתיר את המערכת SNR. לבצע סימולציה מעט נכונה לאמת.
5. (ב) [ה]:0] מבנה סינון של פילטרים בחוכמה (Quosefils) בחוכמה: צורה ישירה ליישומים בעלי נטיות נמוכה, פוליפאוזה עבור רב-תחומיות, אטיב לרגישות נמוכה.
6. (FLT:0) מינוף חומרה של מאיצים 1 (FLT:0) אם זמין. השתמש בהוראות DSP או בלוקים ייעודיים של מסנן ולא ליבות CPU כלליות.
7. (ב) ,0) ,הטכניקות של מחשוב משוערים (מחשובים) 1:1, אך לאמת עם אותות קלט אמיתיים כדי להבטיח לא השפלה.
8. (FLT:0) עדכון הסתגלותי של עדכון 1FLT רק כאשר תנאי ערוצים הם דינמיים; שימוש בלוק או עדכונים חלקיים כדי להפחית את כוח העדכון.
9. (ב) ,0) שעון הגדלה ו-DVFSentiFLT 1 בחומרה כדי להגדיל את הכוח עם עומס העבודה.

מסקנה

אפשרויות עיצוב מסנן הן מנוף עיקרי בתקציב הכוח של מכשירי עיבוד אותות ניידים.כל החלטה - החל מבחירת FIR לעומת IIR, הגדרת אורך מילה, בחירת מבנה מימוש - יש השפעה קוונטית על צריכת אנרגיה.על ידי יישום גישה שיטתית כי עדיפות מינימלית סיבולת מינימלית, דיוק נמוך ויעילה מיפוי חומרה, מהנדסים יכולים להשיג פחתות כוח דרמטיות ללא איכות מוכחת כמו דרישות ניידות, פילטרים, אלקטרוניקה ארוך, תישאר אופטימיזציה של תכונות חיוניות עבור אופטימיזציה לטווח ארוך של חשמל תחרותית, אלקטרוניקה, אלקטרוניקה, אלקטרוניקה, מיפוי חומרה, מיפוי חומרה, עדיין אלקטרוניקה ארוך, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה תחרותית, מיפוי חומרה, מיפוי חומרה, אלקטרוניקה ארוך מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, יהיה שמירה על ידי מיפוי חומרה תחרותית של תכונות תחרותית של תכונות מורכבות, אלקטרוניקה ארוך, מיפוי חומרה, אלקטרוניקה ארוך מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, עדיין מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה, מיפוי חומרה

(ב) ראו מקורות נוספים: (ב) ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא: ויקרא ט'): ויקרא ויקרא ויקרא ויקרא יט': ויקרא ויקרא יט: ויקרא ויקרא ויקרא ויקרא: ויקרא ויקרא ויקרא ויקרא יט: ויקרא יט: ויקרא ויקרא יט: יט,