DSP가 갑자기 어디에나 있는 이유

ARM CPU 코어가 Apple을 비롯한 컴퓨팅 분야의 주요 이름 중 일부에 의해 채택되어 처음 검증되었을 때 특히 모바일 애플리케이션에 대한 사용량이 폭발적으로 증가했습니다. 돌이켜보면 장점은 분명했습니다. 임베디드 프로세서를 사용하면 모든 장치를 훨씬 더 유연하고 기능이 풍부하게 만들 수 있습니다. 동시에 그 기능은 소프트웨어에서 업그레이드될 수 있습니다. 단일 하드웨어 플랫폼이 소프트웨어 전용 업그레이드를 통해 여러 제품 릴리스를 추진할 수 있습니다.

(출처:CEVA)

이러한 컴퓨팅 엔진은 매우 유연하며 스마트폰 및 기타 모바일 제품의 많은 관리 및 범용 컴퓨팅 작업에 완벽하지만 이러한 일반성은 단점이 있습니다. 범용 컴퓨터에서 실행하기에는 너무 느리게 실행되고 너무 많은 전력을 소비하여 실용적이지 않은 특정 작업이 있습니다. 스마트폰의 무선 통신 부분에 있는 모뎀이 그 초기의 예입니다. 이것은 실시간으로 무선 신호를 처리해야 하며, 각 경우에 전화기의 컴퓨팅 부분 내부에서 사용되는 친숙한 디지털 단어와 비트가 아니라 무선 송수신에 사용되는 지속적으로 변하는 아날로그 신호의 디지털 버전을 처리해야 합니다. .

DSP(디지털 신호 프로세서)는 이러한 종류의 분석을 위해 설계되었습니다. 디지털 신호에 필요한 부동 소수점 표현이 내장되어 있으며 MAC(다중 누산) 기능과 같은 신호 처리에 필요한 수학 기능을 강력하게 지원합니다. 또한 연속적인 무선 송수신을 처리하기 위한 필수 기능인 기존 컴퓨팅에서 흔히 볼 수 있는 일괄 처리보다 스트리밍 데이터를 처리하는 데 최적화되어 있습니다.

오디오 처리 요구 사항은 무선 신호 처리에서 볼 수 있는 동일한 기능을 많이 공유합니다. DSP의 이러한 응용 프로그램은 이퀄라이제이션 및 범위 압축(예:Dolby 압축)과 같은 고급 오디오 응용 프로그램에서 보편화되었으며 비행 중에 방해받지 않고 잠을 잘 수 있게 해주는 소음 제거 헤드폰과 같은 기능에서 점점 더 많이 사용되고 있습니다.

그런 다음 AI는 처음에는 데이터 센터에서만 시작되었지만 이제는 모바일 및 기타 에지 애플리케이션에서 점점 더 많이 사용됩니다. 우리의 자동차는 이제 보행자와 충돌 가능성을 감지할 수 있고, 차선 표시를 감지하여 기본 형태의 자율 주행에서 조향을 안내할 수 있습니다. 음성 명령을 통해 TV나 스마트 스피커를 제어하여 노래나 영화를 찾거나 볼륨을 낮추거나 높일 수 있습니다. 음성 명령을 통해 자전거 안전 헬멧의 GoPro를 제어하여 사진 촬영을 시작하거나 중지할 수도 있습니다.

이러한 모든 기능은 스트리밍 데이터(음성) 또는 이미지(카메라 정지 이미지) 또는 둘 다(비디오)를 각각 실시간으로 처리하거나 실시간에 매우 가깝게 처리하는 데 의존합니다. 먼저 오디오 처리를 살펴보십시오. 먼저 여러 마이크에서 오디오 빔포밍, 반향 제거 및 잡음 억제를 통해 고품질 스트리밍 오디오 신호를 캡처해야 합니다. 이 모든 영역은 이미 DSP 구현에 수년간의 경험이 있습니다.

그런 다음 거의 모든 AI 기술의 기초인 훈련된 신경망을 사용하여 명령을 인식해야 합니다. 이러한 알고리즘은 CPU에서 실행하는 알고리즘과 매우 다르게 보입니다. CPU에서 실행할 수 있지만 속도가 느려지고 배터리가 빨리 소모됩니다. 더 나은 접근 방식은 높은 수준의 병렬 처리를 제공하는 아키텍처에서 신경망을 프로그래밍하여 CPU에서처럼 직렬로 실행하는 대신 동시에 많은 계산을 실행할 수 있도록 하는 것입니다. 이것이 DSP의 또 다른 핵심 강점인 계산 병렬 처리입니다.

이러한 모든 이점에도 불구하고 DSP가 사용하기에는 너무 복잡해서 사용할 수 밖에 없는 전문가가 아닌 다른 사람이 채택할 수 없는 것은 아닌지 의아해 할 수 있습니다. 확실히 CPU만큼 사용하기가 쉽지는 않지만 차이는 그렇게 크지 않습니다. 두 가지 모두에 대해 C 코드를 작성하지만 성능을 최대한 활용하려면 DSP에 대해 작성하는 코드에서 조금 더 신중해야 합니다.

(출처:CEVA)

광범위한 채택과 관련하여 휴대 전화의 모든 라디오(Bluetooth, Wi-Fi 및 셀룰러)는 하나 이상의 DSP를 사용합니다. 블루투스 이어폰은 블루투스와 오디오를 위해 DSP를 사용합니다. 많은 스마트 스피커는 DSP를 사용합니다. 음성 제어 리모콘은 DSP를 사용합니다. 가정 보안 시스템은 DSP를 사용하여 카메라의 비정상적인 움직임과 개가 짖거나 유리를 깨는 것과 같은 비정상적인 소리를 감지합니다. 자동차의 스마트 센서는 DSP를 사용하여 전방 및 후방 위험을 감지하고 차선 표시를 감지합니다.

이 모든 기능에 GPU를 사용하지 않는 이유는 무엇입니까? GPU는 실제로 특히 AI에 대해 매우 잘 알려져 있으며 신경망 훈련을 위해 데이터 센터에서 널리 사용되었습니다. 그러나 그들은 너무 크고 전력 소모가 많으며 많은 에지 애플리케이션에 비해 너무 비쌉니다. 전력, 보안 및 개인 정보 보호를 위해 더 많은 AI 기능을 이러한 장치로 옮기려는 움직임이 큽니다. 그러나 이들은 매우 비용 효율적인 솔루션이어야 합니다. 대부분의 경우 전체 솔루션(자동차, TV, 주택 보안)의 비용에 크게 추가할 의향이 거의 없습니다.

이것이 임베디드 DSP가 모든 곳에서 사용되는 이유입니다. 음성 제어, 물체 감지, 오디오 품질 제어 등을 소프트웨어 프로그래밍의 유연성과 함께 저렴한 비용과 저전력으로 제품에 추가할 수 있습니다. 관리 및 일반 처리를 위해 CPU를 대체하지는 않지만 스마트 오디오 및 비디오/이미징과 관련된 모든 것을 인수하는 것처럼 보입니다.

이 블로그는 시리즈의 첫 번째이며 "DSP가 하드웨어 가속기를 이길 때 게시물로 계속됩니다. " 및 "결정, 결정:하드웨어 가속기 또는 DSP ?".