DSP技术原理与应用系统设计

第1章 绪论 进入21世纪以来，学科交叉融合加速，新兴学科不断涌现，前沿领域不断延伸，同时，信息通信、传感技术、智能设备等信息的发展，以及移动互联网络的不断进步，推动现代社会进入了工业4.0时代和大数据时代。大数据时代下，数据的有效利用已成为全球关注的重点，而其中数字信号处理技术作为数据有效利用的主要和关键技术也在不断更新和发展。在当今的数字化时代，数字信号处理技术涉及人们生活和社会生产的方方面面，包括数学、电子、通信、商务、航天、海洋、军事等领域，而且与计算机系统、网络系统、故障诊断、医疗处理等互相关联。为了解决各领域越来越复杂的技术问题，数字信号处理技术的复杂性及实现难度也与日俱增，对数字信号处理系统（Digital Signal Processing system，DSPs）提出了更高的要求，进而在微电子技术的支撑下推动了数字信号处理系统的核心器件—数字信号处理器（Digital Signal Processor，DSP）的飞速发展。 1.1 数字信号处理系统的构成 1.1.1 大数据时代下的信号处理 21世纪以来，经济飞速增长，计算机技术的迅猛发展使人类进入了数字化时代。所谓数字化就是许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立适当的数字化模型，*后把它们转变为一系列二进制代码，由处理器进行统一处理。数字化技术具有高灵活性、高集成度、高精度、抗干扰能力强、保密性强、通用性强等诸多模拟技术所不具备的优点，同时带来了数据量的爆炸式增长，并随着通信技术和传感技术的发展，引领人类进入了大数据时代。 在现代社会，每一天全世界会上传超过5亿张图片，每分钟有超过20h的视频被分享，还有各类语音、电子邮件以及关于人们自身数字信息的海量数据产生，这些数据的规模已远远超过GB（1GB=1×109B）或者TB（1TB=1024GB），而跃升到PB（1PB=1024TB）、EB（1EB=1024PB）乃至ZB（1ZB=1024EB）级别。图1.1给出了全球数据总量的发展趋势。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量约为0.5ZB，2009年的数据量为0.8ZB，2010年增长到1.2ZB，2015年的数据量高达7.9ZB，相当于全球每人产生900GB以上的数据，而到2020年，全世界所产生的数据规模将达到35ZB。全球知名咨询公司麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的因素。人们对于海量数据的挖掘和运用，预示着新一波生成率增长和消费者盈余浪潮的到来。” 图1.1 全球数据总量变化图 维克托 迈尔 舍恩伯格指出，大数据不用随机分析法这样的捷径，而采用所有数据进行分析处理。IBM公司给出了大数据的5V特点，包括：volume（数据量大）、velocity（数据处理速度快）、variety（数据类型繁多）、value（数据价值密度低）、veracity（数据真实性高）。因而大数据的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。为此，数字化时代的核心为 （1）数据的采集； （2）数据的传输； （3）数据的存储； （4）数据的处理。 其中数据的处理更是核心中的核心，其内容包括如数据分析与挖掘、数据展现与应用等方面；体现在信号领域，数字化时代的核心即为数字信号处理，包括数字信号处理理论研究和数字信号处理系统设计。 1.1.2 数字信号处理系统基本框架 数字信号处理研究是用数字方法对数字信号进行分析、变换、滤波、检测、调制、解调以及快速算法的一门技术学科，并已渗透到所有现代自然科学和社会科学领域。数字信号处理系统以数字信号处理理论为基础，结合各种电路技术实现对信号的加工和处理。一个数字信号处理系统的基本框架如图1.2 所示。 图1.2 数字信号处理系统基本框架 自然世界中的很多原始信号为模拟信号，如图1.3所示的语音、视频信号等，为此，在进行数字信号处理之前首先需对模拟信号进行数字化，即模拟-数字转换（A/D转换）。为保证A/D转换的可靠进行，在此之前一般需经过放大和滤波模块，其中放大电路的作用是适配输入信号和A/D转换模块的动态范围，而滤波的作用是滤除模拟信号中不需要的频率分量，保证后续的A/D转换满足奈奎斯特采样定理，以免产生频谱混叠，该滤波器一般称为抗混叠滤波器。抗混叠滤波器可以是低通滤波器，也可以是带通滤波器。A/D转换包含两个步骤：采样和量化，采样过程实现信号在时间/空间上的离散化，而量化过程实现幅值的离散化。经过A/D转换后，原来具有无限时间/空间分辨率、无限精度的模拟信号变成了数字设备可以处理的有限时间/空间分辨率、有限精度的数字信号。数字信号处理（DSP）的任务是将A/D转换器送来的数字信号按照一定的算法进行处理，如滤波、傅里叶变换、模型参数提取、频谱分析等。根据处理任务的要求，DSP可以由一个或多个数字信号处理器件构成。信号经DSP处理后，可以数字方式输出。如果期望输出数字信号，则数字信号处理系统可以不包括图1.3中的*后两个模块；如果系统*后需要模拟输出，则DSP将处理后的数字信号送给其后的数字-模拟转换（D/A转换）模块。经D/A转换后的信号往往含有各种高频成分，为此需在其后接一个重建滤波器以对信号进行平滑。 图1.3 智能视频监控系统结构框图 图1.3所示的数字信号处理系统仅包含了一些*基本的模块。在实际的信号处理中，往往还需要附加其他的功能模块，如电源管理、存储器、人机界面、时序逻辑控制模块、通信模块等。 由图1.3可知，数字信号处理系统的核心是数字信号处理，根据数字信号处理实现平台的不同，数字信号处理系统可分为三大类。 （1）指令集结构（ISA）系统。在由各种微处理器、数字信号处理器、单片机或其他专用指令集处理器等组成的信号处理系统中，都需要通过系统中的处理器所提供的指令系统（或微代码）来描述各种算法，并在指令部件的控制下完成对各种可计算问题的求解。 （2）硬连线结构系统。主要是指由专用集成电路（ASIC）构成的系统，其基本特征是功能固定，通常用于完成特定的算法，这种系统适合实现功能固定和数据结构明确的计算问题。不足之处主要在于：设计周期长、成本高，且没有可编程性，可扩展性差。 （3）可重构系统。基本特征是系统中有一个或多个可重构器件（如FPGA），可重构处理器之间或可重构处理器与ISA结构处理器之间通过互连结构构成一个完整的计算系统。可重构系统可实现高度的并行性，但开发难度较大、成本较高。 本书将要介绍的数字信号处理系统主要是以数字信号处理器为核心处理器件的指令集结构系统。 1.1.3 数字信号处理平台的要求 不同的应用需要不同的信号处理，从而需要设计不同的数字信号处理系统来完成相应的功能。图1.3给出了一个智能视频监控系统结构框图，这类系统大量地应用于智慧城市、安防等系统中。从图1.3可见，一个智能视频监控系统除包括前端的图像采集和后端的图像传输外，其核心的数字信号处理部分一般包括智能高效视频编码和智能视频分析。智能高效视频编码主要是为了解决视频数据的高效传输和存储。智能分析技术的具体应用主要包括事件检测与行为分析、高级视频移动侦测、物体追踪、人物面部识别、车辆识别和非法滞留等安防领域和一些非安全类的应用，如人数统计、人群控制和交通流量控制等。智能分析的应用可以提高报警精确度，减少漏分析或者误分析的现象，还可以缩短响应时间，防止潜在的威胁，也可以帮助人们在大量的数据中快速搜索有用的信息。为了不断提升编码效率和分析性能，视频编码和视频分析所采用的信号处理算法越来越复杂，而为了保证这些复杂信号处理算法的实时实现，对数字信号处理平台提出了哪些要求呢？ 本文以一个目前常见的高清视频为例来进行简单的分析。假设输入的视频每秒钟产生25 帧图像，每帧图像包含1920×1080 像素，每个像素采用YUV422 格式，则每秒钟的视频数据达到25×1920×1080×2=103.68×106B，约等于100MB。首先信号处理平台需要具有每秒钟超过100MB 的收发能力。假设数据收发以字节为单位进行，则处理平台对数据的响应时间必须小于10ns，如果每个像素需要100 条处理指令，那么处理平台至少需要具备每秒执行超过5G 条指令的能力，由此可见，现代的数字信号处理技术对信号处理平台在以下方面提出了苛刻的要求。 （1）强大的数据收发能力：以保证信号处理平台对大容量数据的可靠收发。 （2）强大的数据吞吐能力：以保证信号处理平台内部各模块间数据的高速传输。 （3）强大的数据计算能力：以满足日益复杂的信号处理算法。 （4）高速的实时响应能力：以满足对外部各种请求的及时响应。 如1.1.2节中所述，可选的数字信号处理平台包括ISA系统、ASIC系统和可重构系统，而其中的ISA系统因为其较高的灵活性、较低的开发难度、较好的性价比而在当前的信号处理系统中被广泛采用。其中的ISA系统包括各种微处理器、数字信号处理器、单片机等，而数字信号处理器因为其软硬件方面所具的适合信号处理的特点而成为大量数字信号处理系统首选的平台。当然，在实际的应用系统设计中，开发人员应根据具体的需求选择合适的信号处理平台，同时，各大DSP厂家也提供了各系列、各型号的DSP器件以满足不同应用的需要。 1.2 DSP的特点 在数字信号处理运算中，常见的相关函数计算、卷积运算、信号滤波和各种变换算法大多包含式（1.1）所示的乘加运算。通过分析可知，该计算过程包括以下操作：两个操作数的读取、1次乘法运算、1次加法运算、为下一次运算做准备的操作数存储地址的修改以及循环管理。为此，一个适合进行数字信号处理的信号处理平台或处理器应该从硬件结构和软件指令等方面提供对上述操作的高效、并行支持。 （1.1） DSP从设计之初就以优化式（1.1）的运算为目标展开，在总线结构、硬件单元、指令设计、指令执行等方面具有其自身的特点。 1.2.1 多总线哈佛结构 在大多数微处理器以及单片机中，一般采用传统的冯 诺依曼（John von Neumann）结构，图1.4（a）给出了冯 诺依曼总线结构的示意图。如图1.4（a）所示，冯 诺依曼结构包含地址和数据两组总线，这两组总线是由程序空间和数据空间共享的，因而程序取指和数据读写只能分时进行，从而在高速数据运算时容易造成瓶颈效应。与冯 诺依曼结构相区别的另一种总线结构为哈佛（Harvard）结构，如图1.4（b）所示。在哈佛总线结构中，程序空间和数据空间相对独立，并且分别拥有各自的地址总线和数据总线，因而CPU可以在程序取指的同时，进行数据读写操作，从而加强了CPU 并行工作的能力。因此，哈佛结构是现代DSP及各类高级处理器总线结构的一种基本形式。 图1.4 总线结构 从式（1.1）中可以看出，每次乘加运算CPU 至少需读取两个操作数，为了保证在程序取指的同时，能同时获得多个操作数，DSP在总线结构设计中往往采用多套数据总线结构或超宽总线结构，以极大地提高DSP的数据吞吐能力。 在图1.4（b）所示的哈佛结构中，数据空间和程序空间相对独立，两者之间只能通过CPU进行通信，但是在一些应用中，实际可能需要数据空间和程序空间有相互访问的能力，例如，在DSP的一些循环指令运行时，程序总线处于空闲状态，为了提高DSP的访问能力，此时希望能用程序总线来访问数据空间，为此提出了一种改进的哈佛结构，如图1.5 所示。在改进的哈佛结构中，数据总线和程序总线之间增加了一个交互的桥，因此DSP可以在不需要读取程序时，利用程序总线来访问数据以提高效率。 图1.5 改进的哈佛结