Processeurs de Traitement Numérique du Signal (DSP)

Processeurs de Traitement Numérique du Signal (DSP)

I. II. III. IV.

Olivier Sentieys IRISA/ENSSAT Lannion Université de Rennes I [email protected] http://www.irisa.fr/R2D2

Introduction Architectures MAC/Harvard Evolutions des DSP Flot de développement

Merci à Daniel Ménard pour son support

Exemples d’applications I. Introduction

1. 2. 3. 4.

Contexte applicatif Caractéristiques algorithmiques Solutions architecturales Marché des DSP

ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ

Téléphonie cellulaire Communications sans-fil Contrôle de moteur Modems Voix sur Internet Audio grand public Navigation Vidéoconférence Jouets, consoles vidéo Synthèse musicale, effets Médical

ARCHI’05 - 4

ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ

• Performances • Faible coût • Faible énergie

Communications satellite Analyse sismique Sécurité Reconnaissance vocale Sonar, radar Photo et caméra numériques Débruitage, écho Anticollision … et pleins d’autres à venir

Tâches élémentaires

Algorithmes de TdSI1

Compression de signal (parole, audio, vidéo) Filtrage Modulation et démodulation Détection et correction d’erreurs Contrôle Traitements audio (e.g. réduction bruit, égalisation, annulation d’écho, conversion de fréquence) ƒ Reconnaissance vocale ƒ Synthèse de signaux ƒ ƒ ƒ ƒ ƒ ƒ

ARCHI’05 - 5

1Traitement

du signal et de l’image

ƒ Signaux numériques o Temps et amplitude discrets o Flot de données o Scalaires, vectorielles, matricielles, …

ƒ Traitement temps réel o Temps d'exécution Tex guidé par flots de données o Période d'échantillonnage Te période des sorties Tf > Tex e(t) Te

s(t) ARCHI’05 - 6

Algorithme

ex. s(n) = max(moy(e), s(n-1))

Tf

Diversités

Caractéristiques algorithmiques

ƒ Complexité des algorithmes de TdSI

ƒ Charge de calcul importante

< 5 MOPS

10-30 MOPS

Faible mesure/contrôle

Compression ADSL Compression UMTS parole modemsaudio GSM Compression Imagerie vidéo médicale

ƒ Format des données Application

Taille des données

PWM, mesures, contrôle

1 à 4 - 18 à 22 bits

o Nids de boucles o Multiplications-accumulations (convolution) o Multiplications-additions (FFT, DCT, adaptation, distances, ...)

> 100-1000 MOPS Elevé

ƒ Précision des calculs o Virgule fixe ou flottante o Compromis coût – précision des calculs

ƒ Bande passante mémoire ƒ Calculs d'adressage complexes o Gestion signal, accès image, bit-reverse (FFT), ...

convertisseurs sigma-delta

ARCHI’05 - 7

radio HF/VHF, radar

6 - 14 bits

sonar

10 - 12 bits

parole

8 - 14 bits

audio

16 - 20 bits

imagerie / vidéo

8 - 36 bits (par pixel)

analyseurs de sang

16 - 18 bits

ƒ Boucles de traitement courtes o Les instructions peuvent être placées en interne o Pas besoin de grande taille de cache (données ou instructions) ARCHI’05 - 8

Fonctions typiques de TdSI

Exemple Fil Rouge

ƒ Convolution, filtrage

ƒ Filtre Numérique RIF sur N points

o y = y + x.h : MAC (multiplication-accumulation)

ƒ Adaptation (LMS) o yn = yn-1 + x.h : MAD (multiplication-addition)

ƒ FFT, multiplication complexe

D

o xr=xr.wr-xi.wi; xi=xr.wi+xi.wr

D

ƒ Viterbi o a1 = x1 + x2; a2 = y1 + y2; o y = (a1>a2) ? a1 : a2 : ACS (addition-comparaison-sélection)

h(0)

x

h(1)

D

x

h(2)

x

x

h(3)

h(4)

x y(n)

ƒ Estimation de mouvement

+

+

o sad += |xi,j - yi+u,j+v| : SAD (sum-of-absolute-difference) ARCHI’05 - 9

D

x(n)

+

+

TAP ARCHI’05 - 10

Fonctions typiques de TdSI

Fonctions typiques de TdSI

ƒ FFT Fast Fourier Transform

ƒ Filtrage adaptatif LMS

• Butterfly (DIF) X

X’ = X + W.Y

Y

x x x x ARCHI’05 - 11

Y’ = X - W.Y

W

-

+ -

+

+ -

ƒ DLMS xn(i-1)

x en

ARCHI’05 - 12

+ hn(i)

hn-1(i) xn(i)

x

+ y

y

Fonctions typiques de TdSI

Solutions architecturales

ƒ Estimation de mouvement

ƒ Efficacité énergétique

sadmin = MAXINT; mvx=0; mvy=0; for (u=-p; u