随着上世纪六十年代快速傅里叶变换（FFT）的提出以及无限冲激响应（IIR）和有限冲激响应（FIR）滤波器设计的完善，数字信号处理技术的需求开始快速增长。这一时期，音频、图像、通信等领域的需求显著增加，推动了数字信号处理器（DSP）的开发与应用。
在音频领域，Audio DSP技术得到了快速发展，通过创新的音频算法设计，显著提升了系统音效质量。随着人工智能技术的突破性进展和神经处理单元（NPU）的兴起，未来音频处理技术将朝着DSP与NPU相结合的方向发展，为音频处理的智能化发展提供了新的方向。
数模龙头艾为电子推出的艾为飞天™DSP，正是面向现代音频处理需求而生的高性能解决方案。“飞天”一词凝聚了东方的美学与想象，源于神话中飞翔的“东方女神”形象，“飞”寓意着突破声音物理局限的音效跃迁； “天”寓意着抵达音质纯净的至高境界，“飞天” 之名与 “神仙算法SKTune” 形成呼应，承载着传统文化、东方浪漫与技术突破的意象。
本系列将从以下几个方面来阐述DSP的技术演进以及艾为飞天™DSP相应的产品的演进：
DSP技术演进与设计
艾为飞天™DSP产品的演进
艾为飞天™DSP特色算法介绍
一、DSP技术演进与设计
近年来，DSP（数字信号处理器）在架构设计、指令运行、制程工艺以及算法适配等维度不断演进，通过技术创新和优化设计，不仅显著提升了DSP的性能表现，还有效降低了其功耗需求。
01 DSP的架构
DSP架构是数字信号处理系统的核心，其设计直接影响信号处理的效率以及系统的整体性能。
冯诺依曼架构
图1 冯诺依曼结构
冯诺依曼架构是现代计算机的基础。目前的计算机的CPU的架构几乎都来源于冯诺依曼架构。冯诺依曼架构定义了CPU与存储的基本关系。CPU之间通过总线进行数据传输，可以传输指令也可以传输数据。而指令和数据在同一个存储区中，使用一个总线来进行传输。在进行数据处理过程中，冯诺依曼架构的数据和指令在同一个总线上处理，其中两个传输的内容必须串行处理，所以计算机的基本操作取指和取数据不能同时操作。指令的几个基本操作参考图1。
哈弗架构
图2 哈弗结构
哈弗结构，将数据和指令使用不同的总线进行传输，取指和译码操作可以进行并行处理。当在进行指令1的译码时，指令2的取指可以同时进行，这个是因为数据传输在两条不同的总线上，这两个操作可以并行操作，这样大大提升处理器的性能。DSP几乎都是采用哈弗架构的处理器。
02 SIMD介绍
随着技术的发展和对于计算的更高的诉求，DSP计算需要从宽带化，向量化等方面演进。指令方面也逐步从单指令单数据(SISD)逐步转化为单指令多数据处理的方式(SIMD)。下面来看以下这种几种技术的区别。SIMD(Single Instruction Multiple Data)的技术在各个DSP或者CPU上进行演进和发展:
图3 SISD(Single Instruction Single Data)与SIMD的逻辑图示
SIMD的寄存器可以区分为64-bit和128比特。64-bit寄存器的数据可以分为：两个32位，四个16位，或八个8位整数数据元素可以同时在一个64位寄存器中进行操作；128-bit寄存器的数据可以分为：四个32位，八个16位，或16个8位整数数据元素可以同时在一个128位寄存器中进行操作。这种SIMD的操作方式使得DSP/CPU在计算性能方面得到极大的提升。
在后续DSP/CPU厂商的技术演进中，部分厂商采用了超长指令字（Very Long Instruction Word, VLW）的SIMD（单指令多数据）模式，以提升并行计算能力。例如，高通DSP的HVX（Hexagon Vector eXtensions）指令和ARM的NEON指令形式，这些指令通过扩展向量处理能力，显著提升了并行计算效率。艾为飞天™DSP也在向量计算领域进行了深入研究和实际应用，以优化其处理性能和效率。
03 DSP的工艺与功耗
除了计算性能，制程工艺是DSP技术发展中的另一个关键领域。20世纪90年代，随着CMOS工艺的进一步发展，DSP芯片的功耗显著降低。CMOS工艺的低功耗特性使DSP在语音处理、图像处理等领域得到了更广泛的应用。作为DSP行业的领军企业，德州仪器（TI）的C5000系列采用的是0.18微米工艺，而C6000系列则升级为90纳米或65纳米工艺。相较于C5000，C6000在功耗和性能方面均有显著提升。
工艺的演进不仅使芯片面积显著缩小，便于集成到单板系统中，还显著降低了功耗。例如，采用90纳米工艺的移动高清编码器IP功耗约为100毫瓦，而采用65纳米工艺时，功耗可降至50毫瓦，功耗节省约50%。
在实现低功耗设计时，除了工艺技术的改进，其他技术的演进同样重要。动态电压频率调节（DVFS）是一种通过实时调整工作电压和频率来优化功耗的技术。在轻载情况下，DSP可通过降低电压和频率显著减少功耗。这一技术依赖于精确的负载预测和快速的工作点切换，通过性能计数器统计指令执行情况，从而实现动态调节。
通过以上介绍可知，DSP的架构目前均为基于哈弗结构构建，这种架构能够有效提升系统效率。同时，SIMD（单指令多数据）的指令处理方式从另一个维度显著提升了DSP的处理能力。此外，在DSP的发展过程中，工艺技术对其性能具有重要影响，更先进的制程工艺越能带来功耗和面积的优化。
二、艾为飞天™DSP产品的演进
中国数模龙头艾为电子推出的艾为飞天™DSP在产品演进过程中，始终致力于吸收先进的技术成果，并结合自身需求与产品特点，进行针对性的优化和创新，最终打造高度适配的产品解决方案。以下将详细阐述艾为飞天™DSP目前的产品迭代与演进。
其中下图是展示了第一代艾为飞天™DSP产品到最新一代的主要特性和重点参数的变化。
图4 艾为飞天™DSP产品的计算性能与算法
通过图4可以看出，从第一代0.18um工艺到55nm工艺，算力提升4倍，功耗降低74%。
01 DSP的工艺
艾为飞天™DSP第一代产品采用了0.18μm工艺技术，实现了Audio DSP功能与算法的集成。然而，受限于0.18μm工艺的特点，该代产品的芯片面积较大。在二代产品引入了更为先进的90nm工艺技术，并在AW88166产品中成功应用。通过工艺升级，不仅显著降低了功耗，还新增了虚拟低音，大音量等算法模块，进一步提升了产品功能与性能。
在最新的DSP产品中，艾为飞天™DSP采用了55nm工艺技术，这使得产品在性能、功耗和面积方面得到了全面提升，进一步增强了其市场竞争力。
02 DSP算力与音效
艾为飞天™DSP的计算性能经历了显著的提升，从第一代的40 MIPS逐步升级至最新一代DSP5.0的200 MIPS，展现了其在计算能力上的持续优化与增强。这一提升不仅体现在处理速度的显著提高，还为算法的复杂度和功能扩展提供了更强有力的支持。
03 新一代DSP算法
在最新一代DSP算法中，艾为飞天™DSP引入了基于AI的深度学习技术，进一步拓展了其应用范围和性能表现。AI算法应用于声场环绕优化、低频增强以及响度提升等领域，通过智能化的声音处理，为用户带来沉浸式的音效体验，使声音效果接近专业音乐厅的水准。这一技术的引入不仅提升了音频处理的精准度和丰富度，还为用户提供了更加高质量的听觉享受。
数模龙头艾为电子推出的艾为飞天™DSP通过持续的技术创新和产品研发，形成了丰富的音频产品系列。在新一代产品中，引入AI技术，实现了沉浸式和3D环绕音效的打造，显著提升了用户体验。
优质的DSP产品需要承载优秀的DSP算法，方能体现产品的核心价值。数模龙头艾为电子的艾为飞天™DSP特色算法，在提升产品性能和优化功能方面发挥了关键作用。同时，本文还将展望未来DSP技术的发展趋势，并探讨其潜在的技术演进方向。
三、艾为飞天™DSP特色算法介绍
01 低电压保护算法
艾为将低电量场景下的保护需求进一步升级，打造出百微秒级别响应速度、可以多级调试、并且有多种调试手段的低电量保护算法（LTP），使得功放在更低的电源电压下仍旧能正常工作并且没有杂音。
图5 电源电压下降后输出信号对比
如上图所示，当电源电压从3.8V降低到2.7V时， AW88166依旧能够无失真和无杂音地输出音乐信号（低电量保护算法启动，整体幅度会略有下降），2.7V低电量下依旧正常发声；无低电量保护的音频功放在2.7V电源电压下，会进入不正常工作状态，输出无声。
图6 LTP处理架构图
因为LTP算法集成在芯片DSP中，算法的响应速度可以达到百微秒级别（其它不带DSP的低电量保护方案功放的响应时间远大于10ms）。其中电池电压通过内部Vsensor获取，芯片温度通过内部的Temp Sensor获取，外部温度通过I²C获取。这样LTP算法模块可以同时检测到电池的电压、外部温度和芯片温度，根据不同的温度和电压，可以动态配置芯片对电池的最大抽取电流Ipeak，防止在电池低温低电的场景下，将电池电压抽取的过低，导致芯片触发UVLO进入不正常工作状态或者导致移动设备强制关机。同时在Ipeak降低、芯片最大输出能力下降的时候，LTP模块可以控制芯片的Volume和Vmax, 保证最大输出波形不削波，没有杂音。
LTP算法不仅在AW88166使用，还在后续AW88394/AW88399/AW85180S等新艾为飞天™DSP产品都有使用。
02 钢琴杂音抑制算法
传统的钢琴杂音抑制方法是通过EQ/DRC等调音手段压杂音，其带来的影响是不产生杂音的信号也受到影响。数模龙头艾为电子的钢琴杂音抑制算法，能够通过机器学习方式识别并压制杂音：
识别杂音片段，消除杂音的同时保证其他歌曲不受影响；
只压制产生杂音的大信号，对中小信号不进行处理或者少处理，主观效果影响小，无额外成本
其中的压制增益与杂音波形可以如下表示：
图7 钢琴杂音压制增益示意图
当通过机器学习识别到产生抑制的钢琴杂音时，机器学习通过检查信号幅度的大小，给出相应的压制增益的大小。当杂音信号比较大时压制的幅度更大，当杂音信号比较小时压制的幅度也比较小。
以下为进行杂音抑制不同处理方法的效果图示。其中左图展示了进行抑制的效果：
图8 含杂音的抑制处理（左）与不含杂音的抑制处理（右）
传统方法和AW的杂音抑制方法效果基本类似。图8则是展示了当不进行抑制处理时，传统方法则要将信号压制，而艾为的方法则对于非杂音的处理很小。
AW85815/AW85180等艾为飞天™DSP产品中都支持钢琴杂音抑制算法。
03 AI声场环绕算法
随着个人娱乐场景的多元化和智能终端的生态融合，传统双声道系统在空间感还原、声源定位精度、动态范围表现等方面的局限性日益凸显。虚拟环绕声场将声音从二维平面拓展至三维空间，实现雨滴从头顶飘落、子弹从侧后方呼啸而过的沉浸式听觉体验，AI技术突破直接推动了个人娱乐场景。
通过AI识别，分离左右声道中的人声信号、伴奏信号和环境音信号；分别对人声、伴奏和环境音进行增益处理，实现人声增强等效果；
利用头相关传递函数对信号进行不同虚拟声源位置的双耳渲染；
突破物理扬声器位置带来的声场局限，营造逼真的5.1声道环绕音效。
图9 环绕声的设备示意图
声场拓宽的同时，可清晰地听到来自侧后方的虚拟环绕声，见图10所示
图10声场扩展示意图
AI声场环绕算法功能在艾为飞天™DSP产品AW88188中支持。
DSP 未来发展
随着人工智能技术的迅猛发展，AI算法的应用范围不断扩大，其计算需求也随之显著增加。在端侧设备领域，AI算法的应用逐渐普及，例如智能音箱、智能家居设备以及可穿戴设备等，这些设备通过本地化处理实现了语音交互、环境感知、健康监测等功能。然而，端侧设备在计算能力方面受到处理器规模的限制，面临着计算资源有限、功耗约束以及实时性要求高等挑战。如何在端侧设备上高效实现AI算法的应用，成为当前数字信号处理器（DSP）面临的重要课题。
DSP作为专门处理信号的处理器，在音频、图像等领域已有广泛应用。然而，随着智能化需求的提升，DSP也需要将现有的信号处理技术与AI算法进行深度融合，以满足更复杂的处理需求。
为了应对AI算法在端侧设备中对计算能力的高要求，神经网络处理器（NPU）应运而生。NPU作为一种专为神经网络计算设计的硬件加速器，能够显著提升AI算法的运行效率，成为解决端侧AI计算需求的关键技术。通过NPU与DSP的结合，不仅能够优化AI算法的运行效率和功耗表现，还为端侧智能设备的性能提升提供了重要支持。
NPU凭借其高效能、低功耗、实时响应和专用硬件加速等优点，正在成为AI应用中的关键硬件组件。其在边缘计算、实时数据分析、终端AI等场景中的表现尤为突出。中国数模龙头艾为电子将结合自身的市场需求、技术积累以及成本控制等多方面因素，设计出更多既能满足性能要求又具有市场竞争力的NPU产品。
总体而言，功放DSP仍具有重要地位。尽管平台算力显著提升，但算力需求是无止境的。功放DSP可利用自身计算优势，补充平台算力不足的应用场景。同时，功放DSP在实时性处理方面具有显著优势，可结合喇叭进行及时处理，从而实现最佳的保护和音效效果。
本系列整体回顾了DSP架构和技术，艾为飞天™DSP产品迭代及核心算法，并对未来DSP技术的发展趋势，特别是NPU技术和丰富的AI应用需求进行了深入展望。数模龙头艾为电子始终紧密围绕DSP技术开展创新工作，致力于采用先进的DSP技术，开发具有最佳效果的产品。
全部评论