基于PYNQ的数字信号处理之旅

在PYNQ RFSoCWorkshop之后，Xilinx再次推出DSP-PYNQ，与之前只发布了基于RFSoC2x2开发套件的overlay和notebooks不同，本次发布的工程增加了对ZCU111和Ultra96的支持。

Overlay

---

开发者可以通过简单的命令快速安装overlay，并正式开启基于PYNQ的数字信号处理之旅。

# PYNQ v2.4.1 v2.5pip3 install https://github.com/Xilinx/DSP-PYNQ/releases/download/v1.0_$BOARD/dsp_pynq-1.0-py3-none-any.whl
# PYNQ v2.6pip3installhttps://github.com/Xilinx/DSP-PYNQ/releases/download/v2.0_$BOARD/dsp_pynq-2.0-py3-none-any.whl
python3-c'importdsp_pynq;dsp_pynq.install_notebooks()'

Notebooks

---

本次DSP-PYNQ一共发布了两个有关数字信号处理的notebooks，这些notebooks可以帮助开发者快速熟悉和理解如何使用Python和PYNQ开发数字信号处理（DSP）应用。其中第一个notebook是围绕数字信号处理功能的DSP和Python包入门应用，第二个notebook在第一个的基础上，将FFT和FIR处理搬移到PL端进行加速处理。

Notebook 1：苏格兰鸟类录音分析

---

在该示例应用中，我们将从可视化一些有趣的信号开始——苏格兰鸟类的录音！这段录音包含两种不同频率的苏格兰鸟的声音，我们将使用一些不同的分析技术来了解这些信号，最后对音频进行处理以分离出单一类型的鸟类。

• 引入SciPy ecosystem，包括用于DSP运算的scipy.signal和用于数组的numpy。

  • 获取采样频率，样本数组类型，样本数据格式，数据长度等信息。

  • 使用Scipy对原始样本数据进行FFT操作。

    

    时域信号

    

    频域信号

  • 使用Scipy设计FIR滤波器，并验证其频率响应。

    

    FIR频率响应

  • 使用FIR滤波器对原始信号进行滤波。

    

    FIR滤波前频谱

    

    FIR滤波后频谱

• 使用plotly_express和pandas dataframe实现可视化操作，能够自由对绘图进行zoomin/pan around/zoom back 保存等操作，上述图片均使用ploty_express绘得。

Notebook2：使用FPGA实现硬件加速

---

在该示例应用中，我们将会使用相同的SciPy技术来分析记录有两种鸟类声音的音频，并使用滤波器来分离其中一种声音。但是，这一次我们将会把软件的FFT和FIR函数搬移到FPGA端实现硬件加速，同时使用PYNQ控制。

• 使用LogiCoreFIR Compiler和LogiCireFFT构建硬件加速逻辑。

  

  硬件设计

• 使用AXI DMA实现PL端与PS端的Memory共享。

• 使用Python为FPGA硬件构建控制函数，通过DMA传输数据和配置信息，实现对FFT和FIR IP核的on-the-fly重配置以及功能实现。

审核编辑 ：李倩