技术应用

使用音频增强型 DMA 加速复杂的音频 DSP 算法

发布时间:2023-07-31 00:00:00 责任编辑:lina

【导读】音频工程师面临的挑战是设计设备,提供更好的音频保真度,支持更多音频通道,处理更高的采样率和位深度,同时保持紧张的实时处理预算。


音频工程师面临的挑战是设计设备,提供更好的音频保真度,支持更多音频通道,处理更高的采样率和位深度,同时保持紧张的实时处理预算。

在许多音频应用中,系统性能的主要瓶颈是音频数据的高效移动。多年来,数字信号处理器 (DSP) 架构引入了各种创新,从 DSP 内核卸载了许多 I/O 或数据移动任务,使其能够专注于信号处理任务。

直接内存访问 (DMA) 引擎是当今大多数高性能 DSP 的关键组件。DSP 可以配置 DMA 引擎来访问片上和片外资源,并促进它们之间的传输,而不必显式访问存储器或外设。这些 DMA 传输可以与关键 DSP 内核处理并行执行,以获得性能。

标准 DMA 引擎非常适合传统的一维和二维算法处理,例如块复制和基本数据排序。但是,许多音频算法需要更复杂的数据传输。延迟线就是一个例子,它由前一个时间点的音频样本组成,用于创建所需的音频效果(例如回声)。传统的 DMA 性能对于管理延迟线来说并不是的,需要对 DMA 架构进行创新,以有效地处理所需的音频算法。

是否需要DMA加速?

这个问题的答案是肯定的,原因有两个。首先,许多高性能 DSP 引擎中的 DMA 通道数量限制了 (pro) 音频应用。其次,由于对高质量音频的需求,音频应用中的传统DMA通常需要更多的CPU参与


使用音频增强型 DMA 加速复杂的音频 DSP 算法
图1。音频应用框图


上面的框图描述了典型音频应用中的数据流。每个效果获取前一个效果的输出,处理数据,并将其输出转发到数据处理链中的下一个效果(例如,Phaser 效果的输出被输入到 Delay 效果,Delay 效果的输出被发送到混响) 。

上图所示的数字音频效果依赖于延迟线来实现。在描述完整的效果系统时,需要多个延迟线。改变设计中使用的延迟长度会改变音频效果的质量。

延迟线是线性时不变系统,其输出信号是延迟了 x 个样本的输入信号的副本。在 DSP 上实现延迟线的有效方法是使用循环缓冲器。循环缓冲区存储在线性存储器的专用部分中;当缓冲区被填满时,新的数据被写入,从缓冲区的开头开始。

循环缓冲区数据由一个进程写入,由另一个进程读取,这需要单独的读写指针。读写指针不允许交叉,这样未读数据就不会被新数据覆盖。循环缓冲区的大小由效果所需的延迟决定。在本文中,先进先出 (FIFO) 和循环缓冲区名称可以互换使用。

当使用传统的 DMA 引擎在基于延迟的音频效果中移动数据时,会为信号处理链中的每个效果分配一个单独的循环缓冲区。馈送到特定音频效果的输入数据存储在分配给该效果的循环缓冲区中。下面的框图显示了更详细的数据流。在下面图 2 的框图中,循环缓冲区由环表示。使用循环缓冲区的环形表示,因为它显示分配给循环缓冲区的线性地址空间的包装。当指针通过循环缓冲区前进时,地址将增加,直到遇到回绕条件,导致指针重置到内存地址或循环缓冲区的起始点。


使用音频增强型 DMA 加速复杂的音频 DSP 算法
图2. 使用传统DMA引擎时的Pro音频应用数据流框图


为了产生不同的延迟,DMA 必须从延迟线内的不同位置检索延迟数据。如果使用块处理,则会检索一组数据而不是仅一个样本。

传统的 DMA 引擎通常允许程序员指定几个完整描述所需传输的参数。通常,这些参数是源地址、目标地址、源和目标的索引以及传输计数。每次 DMA 传输将需要一个典型 DMA 总体功能的通道。

在上面的框图中,有五个循环缓冲区。传统的 DMA 引擎必须经过编程才能将数据移入和移出每个缓冲区。在上面所示的应用中,处理一个数据块至少需要 11 次 DMA 传输。

这是所需的 DMA 传输的数量,假设从每个循环缓冲区中只检索每个效果的一个延迟。在典型应用中,每个数据块的 DMA 传输数量会高得多。例如,混响效果的实现总是需要来自其循环缓冲区的多个延迟。

随着实现的音频效果数量的增加,所需的传统 DMA 传输数量也会增加。因此,系统中可用的传统 DMA 通道的数量会限制可实现的音频效果的数量。

传统 DMA 在音频应用中的局限性

标准 DMA 引擎在以连续或固定间隔移动长数据块时表现良好。固定间隔传输的一个示例是 DMA 引擎访问延迟线的每四个数据样本。

当访问不连续或以固定间隔进行时,典型的 DMA 性能并不是的。当传统的 DMA 引擎移动循环缓冲区数据以生成数字音频效果时,CPU 在处理一个数据块时必须干预至少两次对 DMA 参数进行编程。当数据访问环绕环形缓冲区边界时,CPU 需要对 DMA 参数进行编程,并干预管理延迟线。


使用音频增强型 DMA 加速复杂的音频 DSP 算法
图3. 合唱框图


合唱效果是说明这一点的一个简单算法示例,如上图 3 所示。合唱效果通常用于改变乐器的声音,使其听起来像是多个乐器在演奏,如果乐器中有人声,那么此效果往往会使单个声音听起来像合唱团。我们感知多个声音或乐器,因为当多个声音或乐器同时演奏时,总是存在不的同步和轻微的音高变化。这些是合唱效果的主要特征。

在图 3 中,Chorus 显示为输入与其两个延迟副本的组合。音调偏差是通过延迟输入副本中缓慢变化的延迟量来建模的。延迟缓慢变化,偏差量及其频率由低频振荡器 (LFO) 控制。

如下图4中的Chorus实现图所示,延迟线是通过使用环形缓冲区(由两个同心圆表示)来实现的。图 4 中呈现的合唱实现意味着使用块处理。此合唱示例中的块大小是四个样本。传入的样本按顺时针方向存储到循环缓冲区中。


使用音频增强型 DMA 加速复杂的音频 DSP 算法
图4. Chorus 实现框图


块处理同时管理数据块(多个样本),而不是只管理一个样本。在此示例中,CPU 等待四个输入样本可用,然后计算四个输出样本。它通过将输入样本块与从循环缓冲区获取的两个延迟数据块相结合来处理这些样本。

在使用传统 DMA 控制器的情况下(如下图 5),每次输入数据块准备就绪时,CPU 都会收到中断通知。然后CPU计算合唱输出。


使用音频增强型 DMA 加速复杂的音频 DSP 算法
图5. 采用传统 DMA 时 Chorus 实现时间表


本例中的 DMA 引擎分配必须执行两个关键操作:

1) 将一块输入样本存储到循环缓冲区(以供将来参考)2) 从循环缓冲区检索两块延迟数据(为下一个输入样本块准备延迟数据)。

在这种情况下,CPU 必须通过跟踪和编程源地址和目标地址来协助 DMA,并在数据访问绕过缓冲区边界时进行干预。这需要在每次传输之前配置 DMA 引擎。

在 CPU 重新配置 DMA 之前,每个偏移量必须由 CPU 计算(或从预先计算的表中获取)。CPU 带宽得到利用,因为它必须在每次传输之前重新配置 DMA 引擎。在图 5 中,CPU 时间线活动显示为两行:行显示了处理合唱效果所需的 CPU 活动,第二行显示了配置 DMA 所需的 CPU 活动。

在复杂的数字音频效果(例如混响)的情况下,必须从循环缓冲器中检索的延迟块的数量可以达到256或更多。此外,这些延迟块中的每一个都不是固定间隔的,并且随着算法运行,偏移量不断变化。随着循环缓冲区中数据访问量的急剧增加,更复杂的数字音频效果算法(如混响)将需要更多的 CPU 周期。这使得可用于实际应用程序的 CPU 带宽减少。

当多个数字音频效果相继出现时(如图 1 所示),CPU 将必须协助 DMA 移动每个处理阶段所需和产生的数据。在这些任务期间,CPU 和 DMA 必须同步。同步由 DMA 促进,它会中断 CPU。

因此,系统中的中断数量会随着系统复杂度的增加而增加。这些中断会带来很高的开销,因为必须保存寄存器以保留上下文。除此之外,中断还会经过处理管道并破坏指令缓存的微妙效率。保留上下文会消耗大量周期,并进一步改变指令缓存的性能。管道的过度中断也直接影响整体性能。


免责声明:本文为转载文章,转载此文目的在于传递更多信息,版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请联系小编进行处理。


推荐阅读:

利用智能交流控制设计方法实现更好的家电安全

使用模糊逻辑设计基于 DSP 的电机控制

两个开关正激变换器

低价校准服务伴随仪器隐性成本增加

具有延迟和报警的高低压切断


为您推荐

20万签名力挺黄仁勋回归!英伟达Q3营收创新高,数据中心增长1.1倍 业界新闻

20万签名力挺黄仁勋回归!英伟达Q3营收创新高,数据中心增长1.1倍

11月18日,英伟达发布2027 财年第三季度(截至 2026 年 7 月 26 日),本季度营收 1158亿美元,环比增长20%,同比增长103%,净利润653亿美元,同比增长105%。 其中,数据中心收入达到1076亿美元,同比增长110%。公司的增长主要来自于数据中心业务,体现出人工智能相关的计算需求,继续支撑着它的业绩表现。

Nvidia(英伟达)

英飞凌推出 ModusToolbox™ AI 助手,为 PSoC 微控制器提供硬件感知嵌入式 AI 编码能力 新品速递

英飞凌推出 ModusToolbox™ AI 助手,为 PSoC 微控制器提供硬件感知嵌入式 AI 编码能力

英飞凌科技股份公司(FSE代码:IFX / OTCQX代码:IFNNY)推出面向Microsoft Visual Studio Code(VS Code)的ModusToolbox™ AI助手(AI Assistant),进一步扩展其ModusToolbox™软件生态系统。该扩展可为AI编码智能体提供针对PSOC™ Edge与PSOC™ Control微控制器的特定硬件上下文信息。如果缺乏这类上下文信息,通用型AI编码助手可能会生成看似正确、却无法在实际硬件上运行的代码。例如,它们可能选错目标器件、调用已弃用的API,或是遗漏仅在板级启动调试时才会暴露出来的初始化步骤。ModusToolbox™ AI助手会将每条建议与开发者的实际目标器件、开发板及外设配置相匹配,让通用型AI助手能够生成有效的嵌入式代码。该扩展完全在本地分析项目上下文,并将客户项目数据保存在开发者的系统中。常见应用场景包括具备图形显示与连接功能的互联物联网设备。

AI&loT 互联技术 微控制器 Infineon(英飞凌)

纳芯微收购隔空智能:融合模拟与射频技术,打造平台型国产芯片企业 业界新闻

纳芯微收购隔空智能:融合模拟与射频技术,打造平台型国产芯片企业

11 月 16 日,国产模拟芯片龙头纳芯微(688052.SH/02676.HK)发布公告,拟以现金 48692.70 万元收购隔空智能 78.1520% 股权。隔空智能在毫米波雷达 SoC 拥有全频段技术积累,本次收购将帮助纳芯微新增射频产品线,形成 “模拟 + 传感 + 射频 + 数字 + SoC” 的综合研发体系。交易保留隔空智能核心团队部分股权实现长期激励,双方将在智能驾驶、智能终端市场协同发力,推进 77GHz 车载雷达、60GHz 消费级雷达等产品研发落地,为行业提供更加完整的系统级芯片解决方案。

汽车电子 RF /微波 传感技术 射频 NOVOSENSE(纳芯微)

M31 円星科技亮相 ICCAD‑Expo 2026,28nm 成熟工艺 IP 赋能 AIoT 与工业 SoC 设计 业界新闻

M31 円星科技亮相 ICCAD‑Expo 2026,28nm 成熟工艺 IP 赋能 AIoT 与工业 SoC 设计

全球硅知识产权(IP)领导供应商 M31 円星科技(M31)今日亮相"集成电路设计业展览会(ICCAD-Expo 2026)",展示公司在中国市场的长期布局与本地化服务成果,并以中国市场主流工艺平台的 IP 产品组合为主轴,重点展示28nm工艺平台在消费电子、工业控制及AIoT等应用领域的设计导入与量产解决方案。M31希望借助本次展会与产业伙伴深入交流,进一步强化对中国客户在IP规划、集成与导入方面的支持。

AI&loT SoC M31(円星科技)

特别推荐

更多

行业动态

更多

技术应用

更多

选型替代

更多

产品信息

更多

热门搜索

更多

欢迎登录

没有账号,

账号注册

注册成功!

3S后自动为你跳转登陆