Por qué los DSP están de repente en todas partes

Cuando los núcleos de CPU ARM se validaron por primera vez a través de la adopción por algunos de los principales nombres en informática, incluido Apple, el uso se disparó especialmente para las aplicaciones móviles. En retrospectiva, la ventaja era obvia:cualquier dispositivo podría hacerse mucho más flexible y rico en funciones con un procesador integrado. Al mismo tiempo, esa capacidad podría actualizarse en software:una sola plataforma de hardware podría impulsar múltiples lanzamientos de productos a través de actualizaciones solo de software.

(Fuente:CEVA)

Estos motores de cómputo son muy flexibles y perfectos para muchas de las tareas de administración y de cómputo de propósito general en nuestros teléfonos inteligentes y otros productos móviles, pero esa generalidad tiene un inconveniente. Hay ciertas operaciones que en una computadora de propósito general se ejecutarían con demasiada lentitud y consumirían demasiada energía para ser prácticas. El módem en la parte de comunicación inalámbrica de su teléfono inteligente fue un ejemplo temprano. Este tiene que procesar señales de radio en tiempo real, tratando en cada caso no con las palabras y bits digitales familiares usados ​​dentro de la parte de computación del teléfono, sino más bien con una versión digitalizada de las señales analógicas que varían continuamente usadas en la transmisión y recepción de radio. .

Los procesadores de señales digitales (DSP) están diseñados para este tipo de análisis. Tienen la representación de punto flotante incorporada necesaria para las señales digitalizadas y tienen un fuerte soporte para las funciones matemáticas necesarias en el procesamiento de señales, como las funciones de acumulación múltiple (MAC). También están optimizados para procesar la transmisión de datos, en lugar del procesamiento más orientado por lotes común en la computación convencional, una característica esencial en este caso para manejar la transmisión y recepción de radio continuas.

Las necesidades de procesamiento de audio comparten muchas de las mismas características que se ven en el procesamiento de señales inalámbricas. Esta aplicación de DSP se hizo común en aplicaciones de audio de alta gama, como ecualización y compresión de rango (por ejemplo, compresión Dolby), y luego cada vez más en funciones como los auriculares con cancelación de ruido que le permiten dormir sin ser molestado durante el vuelo.

Luego, la IA despegó, inicialmente solo en los centros de datos, pero ahora cada vez más en aplicaciones móviles y otras aplicaciones de borde. Nuestros automóviles ahora pueden detectar peatones y posibles colisiones, y pueden detectar las marcas de los carriles para guiar la dirección en una forma básica de conducción autónoma. Podemos controlar nuestros televisores o nuestros altavoces inteligentes mediante comandos de voz, para buscar una canción o una película o bajar o subir el volumen. Incluso podemos controlar la GoPro en nuestro casco de seguridad para bicicleta a través de comandos de voz para comenzar o dejar de tomar fotografías.

Todas estas capacidades dependen del procesamiento de transmisión de datos (voz) o imágenes (imágenes fijas de la cámara) o posiblemente ambas (video), cada una en tiempo real o muy cerca del tiempo real. Mire primero el procesamiento de audio. Primero, debe capturar una señal de audio de transmisión de alta calidad, a través de la formación de haces de audio de varios micrófonos, cancelación de eco y supresión de ruido, todas áreas en las que ya hay años de experiencia en implementaciones de DSP.

Luego, debes reconocer los comandos utilizando una red neuronal entrenada, la base de casi todas estas técnicas de IA. Estos algoritmos se ven muy diferentes de los que se ejecutarían en una CPU; y aunque pueden ejecutarse en una CPU, serían lentos y agotarían la batería rápidamente. Un mejor enfoque es programar la red neuronal en una arquitectura que ofrezca un alto nivel de paralelismo, permitiendo que muchos cálculos se ejecuten al mismo tiempo en lugar de en serie como en una CPU. Esta es otra fortaleza central de un DSP:el paralelismo en la computación.

Quizás se pregunte si, a pesar de todas estas ventajas, los DSP pueden ser simplemente demasiado complejos para ser adoptados por alguien que no sea un especialista que no tiene más remedio que utilizarlos. Ciertamente, no son tan fáciles de usar como las CPU, pero las diferencias no son tan grandes. Escribe código C para ambos, aunque debe ser un poco más reflexivo en el código que escribe para un DSP para aprovechar al máximo el rendimiento.

(Fuente:CEVA)

En cuanto a la adopción generalizada, todas las radios de su teléfono (Bluetooth, Wi-Fi y celular) utilizan uno o más DSP. Los auriculares Bluetooth utilizan DSP, para Bluetooth y también para el audio. Muchos altavoces inteligentes utilizan DSP. Los mandos a distancia controlados por voz utilizan DSP. Los sistemas de seguridad para el hogar utilizan DSP para detectar movimientos anómalos en las cámaras y sonidos inusuales, como el ladrido de un perro o un vidrio roto. Los sensores inteligentes en su automóvil usan DSP para detectar peligros hacia adelante y hacia atrás y para detectar marcas de carril.

¿Por qué no utilizar GPU para todas estas funciones? De hecho, las GPU son muy conocidas, especialmente para la inteligencia artificial, y se han utilizado ampliamente en los centros de datos para el entrenamiento de redes neuronales. Pero son demasiado grandes, consumen mucha energía y son demasiado caras para muchas aplicaciones de borde. Existe un gran impulso para trasladar más funciones de inteligencia artificial a estos dispositivos por razones de energía, seguridad y privacidad. Pero estas tienen que ser soluciones muy rentables. En la mayoría de los casos, hay pocas ganas de aumentar significativamente el costo de la solución total (automóvil, TV, seguridad del hogar).

Es por eso que los DSP integrados están llegando a todas partes. Puede agregar control de voz, detección de objetos, control de calidad de audio y mucho más a su producto a bajo costo y bajo consumo de energía y aún con la flexibilidad de la programabilidad del software. No reemplazarán a las CPU para la administración y el procesamiento general, pero parece que se están haciendo cargo de todo lo relacionado con el audio y el video / imágenes inteligentes.

Este blog es el primero de una serie y continúa con publicaciones " Cuando un DSP vence a un acelerador de hardware ”Y“ Decisiones, decisiones:acelerador de hardware o DSP ? “.