ARM Cortex-M的音频性能解析

     分享一个关于ARM Cortex-M的音频性能解析的文章,ARM Cortex-M的音频性能解析-电子发烧友

     Cortex-M3功能:采用高精度MAC单元,可提供最高32位乘以32位数据的乘法精度,得出64位累加结果。其他有利功能包括DSP指令、范数计算辅助指令、分支推测、因Thumb-2的高代码密度以及硬件除法指令。这些功能都有利于音频处理。

     Cortex-M4功能:Cortex-M4内核是Cortex-M3的升级产品,除了继承全部现有功能外,还增加了单循环MAC单元和浮点单元(FPU)等额外功能。MAC单元只需要1个循环,即使对于最高精度运算也是如此,将32位乘以32位,得出64位累加结果。增加了具有SIMD功能的DSP指令和高精度MAC单元等新功能,Cortex-M4就是一种具有DSP功能的微控制器,即数字信号控制器(DSC)。这些功能对于音频处理非常有利,因为需要高精度来保持透澈的音质。

     由于Cortex-M3和Cortex-M4处理器内核指令集架构上天然的DSP指令支持,用它们的功能和能力可以实现高效的音频处理。

     你的设计中是否已经利用了Cortex-M3和Cortex-M4处理器的音频特性,或者正有此计划呢?

Anonymous
  • CMSIS-NN尝鲜记

    随着物联网的流行,节点的低功耗,实时性智能需求也在不断增多。神经网络(Neural Network)作为一种热门的人工智能技术方向,网上已经非常丰富的介绍文档,我就不再赘述。传统的神经网络需要大量的计算资源去实现,相对于学习过程来说,推理所需要的资源相对较少,但仍然十分巨大。如何在性能相对较弱的微处理器上实现神经网络的快速推理过程?这需要对现有的神经网络模型进行大量的优化,CMSIS-NN就是在这个方向上的一个非常好的尝试…
  • 使用SystemC Cycle Model与HDL仿真

    原文链接:https://community.arm.com/soc/b/blog/posts/using-systemc-cycle-models-with-hdl-simulation Arm Cycle Model提供SystemC仿真支持。这些模型可以从ARM IP Exchange获取,也可以用户使用Arm Cycle Model Studio (CMS)自己创建(非ArmIP)。模型可…
  • 使用 Arm 开发工具在嵌入式装置上导入机器学习

    人工智能正迅速转到装置端       随着日益火红的各种应用 ,机器学习的场景正迅速的移动到终端装置. 人们期望嵌入式装置上能够提供更多智能服务,例如具有语音识别的智能音箱,能够及时识别脸孔的安控摄影机等等... 为了达到这个目标,在开发初期建立一个稳固的评估方案成为各家芯片开发商必要的课题. 在本篇文章中 ,我会利用一个简单的卷积神经网络(Convolutional Neural Network, CNN)作为一个终端装置上…