[原创] 在 SensorTile 中使用 CMSIS DSP 库加速科学计算

sigue_vivo 2017-4-10 13:46 楼主

我们的题目核心是使用 SensorTile 实现音频处理。

在音频处理、电机控制等很多应用中经常会用到一些常见的正余弦，矩阵计算，FFT等一些DSP函数。提到DSP库，通常会想到使用ARM 公司提供的 CMSIS 库。CMSIS 库是ARM和一些半导体厂家针对Cortex-M系列制定的一套接口标准，包括针对内核操作的CMSIS-CORE API，针对DSP应用的CMSIS-DSP Library，针对RTOS的CMSIS-RTOS API，与外设接口的CMSIS-SVD以及提供Debug访问接口的CMSIS-DAP。其中，又以DSP应用的CMSIS-DSP 库的应用最为广泛。针对Cortex-M4中的DSP功能，CMSIS-DSP部分提供了超过60多种功能的DSP算法库，尤其是随着Cortex-M4中集成了FPU硬件单元，CMSIS-DSP 库的应用也越来越广泛。

在KEIL 中集成了对CMSIS的支持，以下将阐述如何在 Keil uv5 项目中引入 DSP 库，以及开始使用。
1. 引入 CMSIS-DSP .lib 文件

Keil uv5 已经简化了许多步骤，只需要从运行时环境管理界面里，勾选 CMSIS DSP 就可以。
如果使用的是老版本 Keil，则手动找到并引入 arm_cortexM4lf_math.lib 即可。

2. 设置宏定义。

在项目选项窗口→C/C++→Define 中添加： ARM_MATH_CM4,__FPU_PRESENT=1
这段的意思是使用 Cortex-M4 的指令集加速计算。此外，由于 SensorTile 采用的 STM32L4 含有 FPU（浮点数硬件加速单元），可以用此大大提升浮点数的计算速度。
注意分隔符（逗号）！

3. 开发程序

编写算法代码时，需要引入两个头文件（第二个主要是为 FFT 准备的，若不需要，可以省略）：

#include <arm_math.h>
#include <arm_const_structs.h>

如果是使用第一步中的方法引入的 DSP 库，则能够自动解决头文件路径问题，否则……自己把头文件路径添加到工程选项里吧。

接下来就可以愉快地使用 CMSIS DSP 库快速地完成一些科学运算了。
在 Keil 安装文件夹下有一个 CMSIS\DSP_Lib\Examples，可以找到一些使用例子。
在 https://www.keil.com/pack/doc/CMSIS/DSP/html/modules.html 可以找到API使用手册。

以下是一个简单的矩阵运算例子，涉及到了矩阵的转置、求逆、类似MATLAB的“点乘” 以及 DSP矩阵的初始化：

/** \example arm_matrix_example_f32.c
*/
#include "arm_math.h"
#include "math_helper.h"
#define SNR_THRESHOLD 90
/* --------------------------------------------------------------------------------
* Test input data(Cycles) taken from FIR Q15 module for differant cases of blockSize
* and tapSize
* --------------------------------------------------------------------------------- */
const float32_t B_f32[4] =
{
782.0, 7577.0, 470.0, 4505.0
};
/* --------------------------------------------------------------------------------
* Formula to fit is C1 + C2 * numTaps + C3 * blockSize + C4 * numTaps * blockSize
* -------------------------------------------------------------------------------- */
const float32_t A_f32[16] =
{
/* Const, numTaps, blockSize, numTaps*blockSize */
1.0, 32.0, 4.0, 128.0,
1.0, 32.0, 64.0, 2048.0,
1.0, 16.0, 4.0, 64.0,
1.0, 16.0, 64.0, 1024.0,
};
/* ----------------------------------------------------------------------
* Temporary buffers for storing intermediate values
* ------------------------------------------------------------------- */
/* Transpose of A Buffer */
float32_t AT_f32[16];
/* (Transpose of A * A) Buffer */
float32_t ATMA_f32[16];
/* Inverse(Transpose of A * A) Buffer */
float32_t ATMAI_f32[16];
/* Test Output Buffer */
float32_t X_f32[4];
/* ----------------------------------------------------------------------
* Reference ouput buffer C1, C2, C3 and C4 taken from MATLAB
* ------------------------------------------------------------------- */
const float32_t xRef_f32[4] = {73.0, 8.0, 21.25, 2.875};
float32_t snr;
/* ----------------------------------------------------------------------
* Max magnitude FFT Bin test
* ------------------------------------------------------------------- */
int32_t main(void)
{
arm_matrix_instance_f32 A; /* Matrix A Instance */
arm_matrix_instance_f32 AT; /* Matrix AT(A transpose) instance */
arm_matrix_instance_f32 ATMA; /* Matrix ATMA( AT multiply with A) instance */
arm_matrix_instance_f32 ATMAI; /* Matrix ATMAI(Inverse of ATMA) instance */
arm_matrix_instance_f32 B; /* Matrix B instance */
arm_matrix_instance_f32 X; /* Matrix X(Unknown Matrix) instance */
uint32_t srcRows, srcColumns; /* Temporary variables */
arm_status status;
/* Initialise A Matrix Instance with numRows, numCols and data array(A_f32) */
srcRows = 4;
srcColumns = 4;
arm_mat_init_f32(&A, srcRows, srcColumns, (float32_t *)A_f32);
/* Initialise Matrix Instance AT with numRows, numCols and data array(AT_f32) */
srcRows = 4;
srcColumns = 4;
arm_mat_init_f32(&AT, srcRows, srcColumns, AT_f32);
/* calculation of A transpose */
status = arm_mat_trans_f32(&A, &AT);
/* Initialise ATMA Matrix Instance with numRows, numCols and data array(ATMA_f32) */
srcRows = 4;
srcColumns = 4;
arm_mat_init_f32(&ATMA, srcRows, srcColumns, ATMA_f32);
/* calculation of AT Multiply with A */
status = arm_mat_mult_f32(&AT, &A, &ATMA);
/* Initialise ATMAI Matrix Instance with numRows, numCols and data array(ATMAI_f32) */
srcRows = 4;
srcColumns = 4;
arm_mat_init_f32(&ATMAI, srcRows, srcColumns, ATMAI_f32);
/* calculation of Inverse((Transpose(A) * A) */
status = arm_mat_inverse_f32(&ATMA, &ATMAI);
/* calculation of (Inverse((Transpose(A) * A)) * Transpose(A)) */
status = arm_mat_mult_f32(&ATMAI, &AT, &ATMA);
/* Initialise B Matrix Instance with numRows, numCols and data array(B_f32) */
srcRows = 4;
srcColumns = 1;
arm_mat_init_f32(&B, srcRows, srcColumns, (float32_t *)B_f32);
/* Initialise X Matrix Instance with numRows, numCols and data array(X_f32) */
srcRows = 4;
srcColumns = 1;
arm_mat_init_f32(&X, srcRows, srcColumns, X_f32);
/* calculation ((Inverse((Transpose(A) * A)) * Transpose(A)) * B) */
status = arm_mat_mult_f32(&ATMA, &B, &X);
/* Comparison of reference with test output */
snr = arm_snr_f32((float32_t *)xRef_f32, X_f32, 4);
/*------------------------------------------------------------------------------
* Initialise status depending on SNR calculations
*------------------------------------------------------------------------------*/
if( snr > SNR_THRESHOLD)
{
status = ARM_MATH_SUCCESS;
}
else
{
status = ARM_MATH_TEST_FAILURE;
}
/* ----------------------------------------------------------------------
** Loop here if the signals fail the PASS check.
** This denotes a test failure
** ------------------------------------------------------------------- */
if( status != ARM_MATH_SUCCESS)
{
while(1);
}
while(1); /* main function does not return */
}

回复评论（3）

引用: nmg 发表于 2017-4-11 08:12
感觉你发的帖子与众不同，看看你做的项目原来是蝴蝶结变声器，是类似柯南的那个吗？

目标是那个效果，但是还是有点偏差，只能实现一部分了……

点赞 2017-4-12 00:03

[原创] 在 SensorTile 中使用 CMSIS DSP 库加速科学计算

回复评论（3）

沙发 nmg

板凳 johnrey

4楼 sigue_vivo

[原创] 在 SensorTile 中使用 CMSIS DSP 库加速科学计算

回复评论 （3）

沙发 nmg

板凳 johnrey

4楼 sigue_vivo

回复评论（3）