無論是每天早晨的例行公事，還是其他點點滴滴，永遠在線（Always-On）蘊含的無限潛力都能助您一臂之力，讓生活更加簡單便利。移動系統(tǒng)、可穿戴設備和許多其他物聯(lián)網(wǎng)（IoT）應用都需要這項技術(shù)——系統(tǒng)中的一些計算資源永遠在線，隨時處理音頻、視頻或其他傳感器數(shù)據(jù)。為了進一步增強電池供電設備的可用性，專門用于Always-On任務的計算資源應經(jīng)過專門優(yōu)化；而系統(tǒng)中的其他資源則可保持休眠，直到真正需要時再被喚醒。

 

毋庸置疑，新一代產(chǎn)品正在重新詮釋我們對人機界面的理解，對比短短5年前，現(xiàn)在的用戶體驗已經(jīng)變得更加豐富多彩，引人入勝。但這也給設計師帶來了全新的挑戰(zhàn)：如何在繼續(xù)為客戶營造愉悅體驗的前提下，實現(xiàn)響應速度、成本和功耗之間的平衡？本文中，我們將就此問題進行探討，并介紹如何采用“認知分層”的方法搭建Always-On架構(gòu)，幫助設計師實現(xiàn)產(chǎn)品設計的最佳平衡。

 

設計高效節(jié)能的Always-On架構(gòu)

 

針對特定的IoT應用，片上系統(tǒng)（SoC）由多種模擬器件（例如無線電、低噪聲放大器（RX）、電源管理單元和集成功率放大器）及數(shù)字器件（例如處理器、數(shù)字信號處理器、片上存儲器、數(shù)字基帶硬件組塊和豐富的傳感器I/O）構(gòu)成。

 

包括麥克風、攝像頭、加速計、陀螺儀、溫度計和壓力計等在內(nèi)的傳感器是智能、互聯(lián)，Always-On設備的核心。傳感器對收集到的數(shù)據(jù)進行數(shù)字化處理，并將數(shù)字化信息發(fā)送到SoC進行分析和解讀。

 

Always-On架構(gòu)的開發(fā)可同時采用多項技術(shù)，降低IoT應用的功耗：

 

●功耗、時鐘和數(shù)據(jù)門控

 

●傳感器融合算法，用于確定設備上下文，并以此為基礎(chǔ)實現(xiàn)系統(tǒng)功耗的智能管理

 

●針對開銷巨大的函數(shù)進行優(yōu)化，例如：

 

●從指令集層面減少時鐘周期開銷數(shù)（cycle）從而降低對頻率的需求（MHz）

 

●在互聯(lián)級架設通用片上總線旁路

 

●通過存儲分區(qū)使流量局部化

 

●針對語音算法、加密等同類應用，加快通信標準和性能

 

除上述技術(shù)外，認知分層尤其是實現(xiàn)最佳功耗/性能平衡的理想方案。下面，我們將進行更詳細的論述。

 

認知分層：主處理器任務負載卸載

 

認知分層將任務劃分成若干層或狀態(tài)，分別使用經(jīng)過專門優(yōu)化的引擎處理。通過將一些任務轉(zhuǎn)移到經(jīng)過專門優(yōu)化的低功耗Always-On處理器，認知分層即可實現(xiàn)主處理器任務分流。圖1描述了語音觸發(fā)應用，每層的處理能力恰好足夠支持系統(tǒng)此刻所需的響應速度，且不會浪費資源。采用此方法，延遲、功耗和吞吐量性能都會得到提升。

 

圖1：認知分層可以最大限度地降低功耗

 

圖1中最靠下的環(huán)節(jié)是低功耗噪聲檢測，耗能僅為毫微瓦級。從檢測觸發(fā)命令到識別短語，以及當前應用上下文環(huán)境下的解讀，噪聲檢測會沿處理鏈向上觸發(fā)一系列系統(tǒng)動作。這一系列動作中，后一個動作的功耗總是略高于前一個動作。使用云服務處理完整對話需要訪問遠程服務器及數(shù)據(jù)庫，并進行交互，因此能耗最高，可以達到數(shù)瓦。

 

在較低層，根據(jù)特定的計算和接口要求專門設計并優(yōu)化過的處理引擎，將取代低效率的通用處理器。相比通用處理器，經(jīng)過專門優(yōu)化的處理器在Always-On系統(tǒng)中的性能更高，響應延遲更短，功耗更低。

 

通過盡可能關(guān)閉不必要的系統(tǒng)，認知分層使計算層與數(shù)據(jù)來源更加接近，系統(tǒng)可以調(diào)用最少的活動資源完成當前任務。認知分層可以優(yōu)化性能和功耗，適用于從慣性導航到計算機視覺，再到本地無線通信等多種IoT應用領(lǐng)域。

 

優(yōu)秀Always-On處理器的要素

 

IoT應用豐富多彩，對處理能力的要求也因應用而異，“一刀切”的作法對Always-On處理器并不適用?；谏鲜鰧φJ知分層的闡釋，小型、低功耗、高度專業(yè)化的處理器可以承擔對認知功能要求較低的工作，減少占用主處理器資源，降低功耗。

 

例如，經(jīng)過低功耗語音觸發(fā)優(yōu)化的數(shù)字信號處理器（DSP）不會處理高耗能的音頻編解碼工作，而是將之移交專為該用途設計的DSP；與之類似，經(jīng)過音頻編解碼優(yōu)化的DSP，也會將用戶和網(wǎng)絡交互的任務移交給其他為該用途設計的應用處理器。

 

 

圖2：低功耗處理器為日趨復雜的信號處理保駕護航

 

盡管主應用處理器“可以”運行所有算法，但使用經(jīng)過專門優(yōu)化的處理器能讓設計更加節(jié)能。在上述的語音觸發(fā)示例中，指定使用低功耗Always-On DSP運行語音觸發(fā)器當然也可以將之用于執(zhí)行其他低功耗要求的任務，例如傳感器數(shù)據(jù)處理和低分辨率圖像處理。如圖2所示，可穿戴設備等IoT應用需要具備超低功耗下處理復雜信號的能力。

 

支持Always-On應用的處理器需要具備以下要素：

 

●針對關(guān)鍵算法的低指令執(zhí)行周期，高效的指令集

 

●執(zhí)行DSP處理和控制任務的能力

 

●低功耗設計

 

●尺寸小，理想情況下可以按需配置，并可以去除冗余的邏輯設計

 

●按所需的功能范圍擴展性能

 

●用于傳感器數(shù)據(jù)處理的高效浮點運算

 

面向IoT、可穿戴設備和無線應用的靈活DSP

 

Cadence公司的Tensilica Fusion DSP就屬于單一可擴展DSP，可以滿足低功耗及Always-On功能的各項需求。Cadence Tensilica Fusion DSP使用可選擇的指令集架構(gòu)（ISA）擴展，加快多種無線協(xié)議和浮點運算的速度；并將增強型32位Xtensa控制處理器與DSP功能及靈活的特定算法加速相結(jié)合。作為IoT設備設計師，您可以按需選擇個性化的配置，對比配置單一的“一刀切”處理器，Tensilica Fusion DSP的尺寸更小，性能更高，功耗也更低。

 

圖3：Cadence Tensilica Fusion DSP基于Xtensa處理器，由多項可配置元件構(gòu)成，適用于低功耗Always-On系統(tǒng)。

 

Tensilica Fusion DSP（圖3）的可配置元件包括：

 

●單精度浮點單元——浮點指令與64位數(shù)據(jù)讀取/寫回同時發(fā)射。這對使用MATLAB或標準C代碼創(chuàng)建算法的軟件來說，開發(fā)速度可以得到加快。

 

●音頻/語音（AVS）——與TensilicaHiFi DSP共享軟件兼容性，由140余個HiFi音頻/語音軟件包構(gòu)成的生態(tài)系統(tǒng)為其提供支持。

 

●16位Quad MAC——進一步加速低功耗藍牙及Wi-Fi等通信標準，同時配有語音編解碼器/識別算法。

 

●為低功耗藍牙和Wi-Fi AES-128無線操作實現(xiàn)的加密提速

 

●先進的位處理——加快基帶MAC和PHY的設計實現(xiàn)

 

●適用于高速緩存和/或不同容量的本地內(nèi)存的、靈活的內(nèi)存架構(gòu)

 

總結(jié)

 

Always-On技術(shù)在生活中的運用越來越廣泛。設計出成功的Always-On產(chǎn)品充滿挑戰(zhàn)，特別是如何找到響應速度、成本和功耗的平衡點。

 

采用認知分層，同時使用可配置的低功耗Always-On DSP，能助您找到這一平衡點。通過將Always-On功能分配給低功耗處理器，系統(tǒng)的主處理器則可以將資源用于處理更復雜的任務，從而優(yōu)化設計，在不犧牲性能及功能性的前提下，消耗最小的能源執(zhí)行任務處理。

 

 

免責聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進行處理。

 

推薦閱讀：