Pourquoi les DSP sont soudainement partout

Lorsque les cœurs de processeur ARM ont été validés pour la première fois par l'adoption par certains des plus grands noms de l'informatique, dont Apple, l'utilisation a explosé, en particulier pour les applications mobiles. Rétrospectivement, l'avantage était évident :n'importe quel appareil pouvait être rendu beaucoup plus flexible et riche en fonctionnalités avec un processeur intégré. Dans le même temps, cette capacité pourrait être mise à niveau dans le logiciel :une seule plate-forme matérielle pourrait piloter plusieurs versions de produits via des mises à niveau uniquement logicielles.

(Source :CEVA)

Ces moteurs de calcul sont très flexibles et sont parfaits pour de nombreuses tâches de gestion et de calcul à usage général dans nos smartphones et autres produits mobiles, mais cette généralité s'accompagne d'un inconvénient. Il y a certaines opérations qui, sur un ordinateur à usage général, s'exécuteraient beaucoup trop lentement et consommeraient beaucoup trop d'énergie pour être pratiques. Le modem dans la partie communication sans fil de votre smartphone en était un exemple précoce. Celui-ci doit traiter les signaux radio en temps réel, en traitant dans chaque cas non pas les mots et bits numériques familiers utilisés dans la partie informatique du téléphone, mais plutôt une version numérisée des signaux analogiques variant en continu utilisés dans la transmission et la réception radio. .

Les processeurs de signaux numériques (DSP) sont conçus pour ce type d'analyse. Ils ont la représentation à virgule flottante intégrée nécessaire pour les signaux numérisés et ils prennent en charge les fonctions mathématiques nécessaires au traitement du signal, telles que les fonctions d'accumulation multiple (MAC). Ils sont également optimisés pour traiter les données en streaming, plutôt que le traitement plus orienté lot courant dans le calcul conventionnel, une caractéristique essentielle dans ce cas pour gérer la transmission et la réception radio en continu.

Les besoins de traitement audio partagent bon nombre des mêmes caractéristiques que celles observées dans le traitement du signal sans fil. Cette application des DSP est devenue courante dans les applications audio haut de gamme telles que l'égalisation et la compression de plage (par exemple la compression Dolby), puis de plus en plus dans des fonctions comme les écouteurs antibruit qui vous permettent de dormir sans être dérangé pendant votre vol.

Puis l'IA a décollé, d'abord uniquement dans les centres de données, mais maintenant de plus en plus dans les applications mobiles et autres applications périphériques. Nos voitures peuvent désormais détecter les piétons et les collisions potentielles, et elles peuvent détecter les marquages ​​au sol pour guider la direction dans une forme basique de conduite autonome. Nous pouvons contrôler nos téléviseurs ou nos haut-parleurs intelligents via des commandes vocales, pour trouver une chanson ou un film ou baisser ou augmenter le volume. Nous pouvons même contrôler la GoPro sur notre casque de sécurité de vélo via des commandes vocales pour démarrer ou arrêter de prendre des photos.

Toutes ces capacités dépendent du traitement des données en streaming (voix) ou des images (images fixes de la caméra) ou éventuellement des deux (vidéo), chacune en temps réel ou très proche du temps réel. Regardez d'abord le traitement audio. Vous devez d'abord capturer un signal audio en streaming de haute qualité - grâce à la formation de faisceaux audio à partir de plusieurs microphones, l'annulation d'écho et la suppression du bruit - tous les domaines où il existe déjà des années d'expérience dans les implémentations DSP.

Ensuite, vous devez reconnaître les commandes à l'aide d'un réseau de neurones entraîné, la base de presque toutes ces techniques d'IA. Ces algorithmes sont très différents de ceux que vous exécuteriez sur un processeur ; et bien qu'ils puissent fonctionner sur un processeur, ils seraient lents et épuiseraient rapidement la batterie. Une meilleure approche consiste à programmer le réseau de neurones sur une architecture qui offre un haut niveau de parallélisme, permettant à de nombreux calculs de s'exécuter en même temps plutôt qu'en série comme sur un processeur. C'est un autre point fort d'un DSP :le parallélisme dans le calcul.

Vous vous demandez peut-être si, malgré tous ces avantages, les DSP ne sont tout simplement pas trop complexes à utiliser pour être adoptés par d'autres que les spécialistes qui n'ont d'autre choix que de les utiliser. Certes, ils ne sont pas aussi simples à utiliser que les processeurs, mais les différences ne sont pas si grandes. Vous écrivez du code C pour les deux, même si vous devez être un peu plus réfléchi dans le code que vous écrivez pour un DSP pour tirer pleinement parti des performances.

(Source :CEVA)

En ce qui concerne l'adoption généralisée, chaque radio de votre téléphone - Bluetooth, Wi-Fi et cellulaire - utilise un ou plusieurs DSP. Les écouteurs Bluetooth utilisent des DSP, pour le Bluetooth mais aussi pour l'audio. De nombreux haut-parleurs intelligents utilisent un DSP. Les télécommandes à commande vocale utilisent des DSP. Les systèmes de sécurité à domicile utilisent des DSP pour détecter les mouvements anormaux sur les caméras et les sons inhabituels tels que l'aboiement d'un chien ou le bris de verre. Les capteurs intelligents de votre voiture utilisent des DSP pour détecter les dangers avant et arrière et pour détecter les marquages ​​au sol.

Pourquoi ne pas utiliser des GPU pour toutes ces fonctions ? Les GPU sont en effet très connus, en particulier pour l'IA, et ont été largement utilisés dans les centres de données pour l'entraînement des réseaux neuronaux. Mais ils sont trop gros, trop gourmands en énergie et trop chers pour de nombreuses applications de périphérie. Il y a une grande poussée pour déplacer plus de fonctions d'IA vers ces appareils pour des raisons d'alimentation, de sécurité et de confidentialité. Mais ces solutions doivent être très rentables. Dans la plupart des cas, il y a peu d'appétit pour augmenter de manière significative le coût de la solution totale (voiture, télévision, sécurité à domicile).

C'est pourquoi les DSP intégrés se répandent partout. Vous pouvez ajouter la commande vocale, la détection d'objets, le contrôle de la qualité audio et bien plus encore à votre produit à faible coût et à faible consommation tout en bénéficiant de la flexibilité de la programmabilité logicielle. Ils ne remplaceront pas les processeurs pour la gestion et le traitement général, mais il semble qu'ils prennent en charge tout ce qui concerne l'audio et la vidéo/l'imagerie intelligents.

Ce blog est le premier d'une série et se poursuit avec des articles "Quand un DSP bat un accélérateur matériel » et « Décisions, décisions :Accélérateur matériel ou DSP ?“.