優(yōu)質(zhì)的DSP產(chǎn)品需要承載優(yōu)秀的DSP算法，方能體現(xiàn)產(chǎn)品的核心價值。數(shù)模龍頭艾為電子的艾為飛天DSP特色算法，在提升產(chǎn)品性能和優(yōu)化功能方面發(fā)揮了關(guān)鍵作用。同時，本文還將展望未來DSP技術(shù)的發(fā)展趨勢，并探討其潛在的技術(shù)演進方向。

艾為飛天DSP特色算法介紹

01 低電壓保護算法

艾為將低電量場景下的保護需求進一步升級，打造出百微秒級別響應速度、可以多級調(diào)試、并且有多種調(diào)試手段的低電量保護算法（LTP），使得功放在更低的電源電壓下仍舊能正常工作并且沒有雜音。

圖1 電源電壓下降后輸出信號對比

如上圖所示，當電源電壓從3.8V降低到2.7V時，AW88166依舊能夠無失真和無雜音地輸出音樂信號（低電量保護算法啟動，整體幅度會略有下降），2.7V低電量下依舊正常發(fā)聲；無低電量保護的音頻功放在2.7V電源電壓下，會進入不正常工作狀態(tài)，輸出無聲。

圖2 LTP處理架構(gòu)圖

因為LTP算法集成在芯片DSP中，算法的響應速度可以達到百微秒級別（其它不帶DSP的低電量保護方案功放的響應時間遠大于10ms）。其中電池電壓通過內(nèi)部Vsensor獲取，芯片溫度通過內(nèi)部的Temp Sensor獲取，外部溫度通過I2C獲取。這樣LTP算法模塊可以同時檢測到電池的電壓、外部溫度和芯片溫度，根據(jù)不同的溫度和電壓，可以動態(tài)配置芯片對電池的最大抽取電流Ipeak，防止在電池低溫低電的場景下，將電池電壓抽取的過低，導致芯片觸發(fā)UVLO進入不正常工作狀態(tài)或者導致移動設備強制關(guān)機。同時在Ipeak降低、芯片最大輸出能力下降的時候，LTP模塊可以控制芯片的Volume和Vmax, 保證最大輸出波形不削波，沒有雜音。

LTP算法不僅在AW88166使用，還在后續(xù)AW88394/AW88399/AW85180S等新艾為飛天DSP產(chǎn)品都有使用。

02 鋼琴雜音抑制算法

傳統(tǒng)的鋼琴雜音抑制方法是通過EQ/DRC等調(diào)音手段壓雜音，其帶來的影響是不產(chǎn)生雜音的信號也受到影響。數(shù)模龍頭艾為電子的鋼琴雜音抑制算法，能夠通過機器學習方式識別并壓制雜音：

識別雜音片段，消除雜音的同時保證其他歌曲不受影響；

只壓制產(chǎn)生雜音的大信號，對中小信號不進行處理或者少處理，主觀效果影響小，無額外成本

其中的壓制增益與雜音波形圖3可以如下表示：

圖3 鋼琴雜音壓制增益示意圖

當通過機器學習識別到產(chǎn)生抑制的鋼琴雜音時，機器學習通過檢查信號幅度的大小，給出相應的壓制增益的大小。當雜音信號比較大時壓制的幅度更大，當雜音信號比較小時壓制的幅度也比較小。

以下為進行雜音抑制不同處理方法的效果圖示。其中左圖展示了進行抑制的效果：

圖4 含雜音的抑制處理（左）與不含雜音的抑制處理（右）

傳統(tǒng)方法和AW的雜音抑制方法效果基本類似。圖4則是展示了當不進行抑制處理時，傳統(tǒng)方法則要將信號壓制，而艾為的方法則對于非雜音的處理很小。

AW85815/AW85180等艾為飛天DSP產(chǎn)品中都支持鋼琴雜音抑制算法。

03 AI聲場環(huán)繞算法

隨著個人娛樂場景的多元化和智能終端的生態(tài)融合，傳統(tǒng)雙聲道系統(tǒng)在空間感還原、聲源定位精度、動態(tài)范圍表現(xiàn)等方面的局限性日益凸顯。虛擬環(huán)繞聲場將聲音從二維平面拓展至三維空間，實現(xiàn)雨滴從頭頂飄落、子彈從側(cè)后方呼嘯而過的沉浸式聽覺體驗，AI技術(shù)突破直接推動了個人娛樂場景。

通過AI識別，分離左右聲道中的人聲信號、伴奏信號和環(huán)境音信號；分別對人聲、伴奏和環(huán)境音進行增益處理，實現(xiàn)人聲增強等效果；

利用頭相關(guān)傳遞函數(shù)對信號進行不同虛擬聲源位置的雙耳渲染；

突破物理揚聲器位置帶來的聲場局限，營造逼真的5.1聲道環(huán)繞音效。

圖5 環(huán)繞聲的設備示意圖

聲場拓寬的同時，可清晰地聽到來自側(cè)后方的虛擬環(huán)繞聲，見圖6所示

圖6 聲場擴展示意圖

AI聲場環(huán)繞算法功能在艾為飛天DSP產(chǎn)品AW88188中支持。

DSP 未來發(fā)展

隨著人工智能技術(shù)的迅猛發(fā)展，AI算法的應用范圍不斷擴大，其計算需求也隨之顯著增加。在端側(cè)設備領(lǐng)域，AI算法的應用逐漸普及，例如智能音箱、智能家居設備以及可穿戴設備等，這些設備通過本地化處理實現(xiàn)了語音交互、環(huán)境感知、健康監(jiān)測等功能。然而，端側(cè)設備在計算能力方面受到處理器規(guī)模的限制，面臨著計算資源有限、功耗約束以及實時性要求高等挑戰(zhàn)。如何在端側(cè)設備上高效實現(xiàn)AI算法的應用，成為當前數(shù)字信號處理器（DSP）面臨的重要課題。

DSP作為專門處理信號的處理器，在音頻、圖像等領(lǐng)域已有廣泛應用。然而，隨著智能化需求的提升，DSP也需要將現(xiàn)有的信號處理技術(shù)與AI算法進行深度融合，以滿足更復雜的處理需求。

為了應對AI算法在端側(cè)設備中對計算能力的高要求，神經(jīng)網(wǎng)絡處理器（NPU）應運而生。NPU作為一種專為神經(jīng)網(wǎng)絡計算設計的硬件加速器，能夠顯著提升AI算法的運行效率，成為解決端側(cè)AI計算需求的關(guān)鍵技術(shù)。通過NPU與DSP的結(jié)合，不僅能夠優(yōu)化AI算法的運行效率和功耗表現(xiàn)，還為端側(cè)智能設備的性能提升提供了重要支持。

NPU憑借其高效能、低功耗、實時響應和專用硬件加速等優(yōu)點，正在成為AI應用中的關(guān)鍵硬件組件。其在邊緣計算、實時數(shù)據(jù)分析、終端AI等場景中的表現(xiàn)尤為突出。中國數(shù)模龍頭艾為電子將結(jié)合自身的市場需求、技術(shù)積累以及成本控制等多方面因素，設計出更多既能滿足性能要求又具有市場競爭力的NPU產(chǎn)品。

總體而言，功放DSP仍具有重要地位。盡管平臺算力顯著提升，但算力需求是無止境的。功放DSP可利用自身計算優(yōu)勢，補充平臺算力不足的應用場景。同時，功放DSP在實時性處理方面具有顯著優(yōu)勢，可結(jié)合喇叭進行及時處理，從而實現(xiàn)最佳的保護和音效效果。

本系列整體回顧了DSP架構(gòu)和技術(shù)，艾為飛天DSP產(chǎn)品迭代及核心算法，并對未來DSP技術(shù)的發(fā)展趨勢，特別是NPU技術(shù)和豐富的AI應用需求進行了深入展望。數(shù)模龍頭艾為電子始終緊密圍繞DSP技術(shù)開展創(chuàng)新工作，致力于采用先進的DSP技術(shù)，開發(fā)具有最佳效果的產(chǎn)品。