拓展可穿戴、IoT設計差異化，從DSP內(nèi)核看起

在物聯(lián)網(wǎng)的時代，終端產(chǎn)品設計會是多種多樣的。無論是可穿戴產(chǎn)品、智能家居、汽車電子、消費電子或是工業(yè)物聯(lián)等領域，在對IoT產(chǎn)品進行設計時，確保產(chǎn)品多樣性和個性差異化是每個電子設計師時常思考的問題。日前，DSP內(nèi)核和硅(Silicon)IP授權的主要廠商，美國思華科技(CEVA)在其技術論壇上給出了對于IoT市場的平臺架構(gòu)策略以及對于IoT產(chǎn)品差異化的設計建議。

CEVA市場營銷副總裁Eran Briman表示，“作為市場份額第一的DSP IP廠商，全球范圍內(nèi)已有超過55億顆基于CEVA技術的芯片被廣泛應用于各類市場，超過250家業(yè)界領先的半導體企業(yè)，如博通(Broadcom)、瑞薩(Renesas)、三星、以及中國領先的公司，如瑞芯微(Rockchip)、展訊(Spreadtrum)、中興通訊(ZTE)等都采用了CEVA授權的DSP或IP內(nèi)核，并應用到各行各業(yè)的電子產(chǎn)品中。隨著可穿戴、IoT行業(yè)的興起，很多知名產(chǎn)品也都采用CEVA授權的IP。我們關注到IoT技術中的關鍵環(huán)節(jié)包括：互聯(lián)(Connectivity)、傳感(Sensing)、處理(Processing)，每個環(huán)節(jié)有著不同層面的設計挑戰(zhàn)，需要更靈活、可擴展、低功耗的架構(gòu)來滿足多樣化和差異化的市場需求。”

互聯(lián)：如何靈活適應多種連接技術?

IoT時代的產(chǎn)品所需具備的最基本特性就是互聯(lián)互通性，該層面的挑戰(zhàn)也來自于越來越多的連接技術標準所帶來的困擾。Eran Briman表示，“對于不同地域、不同行業(yè)、不同產(chǎn)品所使用的連接標準也不盡相同，對設計人員而言，下一代的產(chǎn)品可能在兼容上一代連接技術的基礎上，還需要增添新的連接技術。所以在連接層面，具備靈活性、可擴展性、模塊化，可隨需求定制的平臺來支持各類標準十分重要。”

CEVA給出其IoT連接層面的模塊化平臺架構(gòu)建議，包括Wi-Fi、藍牙、通用硬件加速模塊，以及其Teaklite-4的DSP內(nèi)核(圖1)。“該平臺具有靈活可擴展的優(yōu)勢，Teaklite-4可以針對不同的連接標準來適配，完成來自不同物理層的處理，針對不同設計可以隨意去除某個模塊設計，如去掉Wi-Fi模塊，而對整體構(gòu)架不造成影響。對快速的原型開發(fā)更為有益，” Eran Briman介紹道，“在數(shù)月前，通過并購RivieraWaves公司，CEVA擁有了自己(in-house)的Wi-Fi、藍牙和低功耗藍牙 (BLE) 連接性平臺IP的完整解決方案。再加上CEVA和合作伙伴共同提供的Zigbee(802.15.4)和PLC方案，使CEVA的連接構(gòu)架可以支持IoT設備目前主流的幾大連接技術。”

Eran Briman進一步介紹道，“CEVA目前的Wi-Fi平臺是業(yè)界小尺寸、低功耗解決方案的標桿。有適用于穿戴式設備的低功耗、價格敏感的Wi-Fi解決方案，也有支持包括智能手機、智能電視等消費類電子的Wi-Fi方案。更有支持高數(shù)據(jù)吞吐的網(wǎng)關Wi-Fi方案。在藍牙方面，CEVA藍牙平臺包括有應用于穿戴式設備的Bluetooth 4.x 單模/BLE方案，也有適合智能終端產(chǎn)品的多模方案。 在通信領域，CEVA已在3G/4G-LTE基帶領域擁有絕對的優(yōu)勢，CEVA也希望通過此次收購，把優(yōu)勢延續(xù)到其它的連接技術中，使半導體客戶可以通過CEVA把更多連接技術，如將Wi-Fi、Bluetooth納入到單顆SoC設計中，這也符合芯片集成度提升的趨勢。”

傳感：如何發(fā)揮低成本傳感器價值?

傳感能力是IoT設備所需具備的第二特性。據(jù)Eran Briman介紹， “在這個層面，功耗控制和處理能力顯得尤為重要。IoT設備發(fā)展至今所具備感知環(huán)境的能力也大大增加，很多設備集成了大量的傳感器，所需處理的傳感器數(shù)據(jù)也呈指數(shù)上升。但同時隨著成本壓力的上升，如何能更好的發(fā)揮出低成本、低功耗傳感器的價值也值得探討。”

通常低成本、低功耗傳感器的傳感精度低、噪聲水平較高，對系統(tǒng)，尤其是功耗水平的控制和處理能力的增強，提出了更高要求。為此Eran Briman表示，“對于CEVA而言，一方面平臺要融合更多的傳感器，增強對環(huán)境的感知，同時也要通過DSP提升處理能力，來更好的處理這些傳感器數(shù)據(jù)。包括像麥克風、攝像頭等較復雜的音視頻傳感器，對DSP在降噪、圖像增強等方面的處理能力的要求也更高。當然對于IoT設備，特別是可穿戴產(chǎn)品需要永遠工作(Always-On)，也就意味著傳感器會隨時感應(Always-Sensing)，把功耗控制降到最低是另一個至關重要的方面。CEVA提出基于單顆DSP的多傳感器技術，不但可以從硬件上支持多種傳感器，可以與AP交互，同時軟件層面通過合作，也可提供包括傳感器融合(Sensor Fusion)、語音觸發(fā)(Voice Trigger)、手勢識別、臉部識別的眾多解決方案以及CEVA自己提供的BLE Beacons的解決方案。其中，更值得關注的是，在28 nm HPM應用案例中，同時運行Always-on、Sensor Fusion、語音觸發(fā)、臉部識別和BLE的情況下，功耗仍能控制在小于150uW的水平，完全可勝任穿戴式產(chǎn)品Always-on的功耗要求。”

處理：IoT設備需要怎樣的處理能力?

具備處理能力是使IoT設備擁有智能的關鍵。IoT數(shù)據(jù)在哪里進行處理，是一個困擾設計人員的兩難話題。Eran Briman 表示，“以往我們都覺得對數(shù)據(jù)的處理能力通常由云端來完成，但發(fā)展經(jīng)驗證明IoT設備自身擁有本地處理能力(Edge Processing)變得越來越重要?；旧蠈τ谳p量級處理量、小規(guī)模數(shù)據(jù)庫、涉及安全/隱私信息、低延時需求、上傳到云端會增加功耗開銷等情況下，更傾向于在本地設備端(Local)處理數(shù)據(jù)，相反對于大數(shù)據(jù)庫搜尋、機器學習、非隱私性信息則傾向于云端處理。”但事實上，對于如何合理分配處理能力并同時平衡功耗、效率等問題往往要復雜的多。”Eran Briman進一步給出意見，“功效第一和分層處理是關鍵。首先把處理需求分層，從底層往上，決策邏輯、DSP、包涵CPU/GPU的SoC、再到與云端對接。通過這種分層來選擇合適的解決方案應對具體的處理需求，才能達到更好的功耗與性能平衡。當然實際設計起來仍將會是一個需要妥協(xié)的問題。”

針對不同處理需求，CEVA提出IoT整體的參考設計方案(圖2)，包括有CEVA提供的互連互通方案平臺、針對Always –on Sensor 處理的CEVA-TL410 DSP核與平臺、適合語音分析的本地DSP核和處理平臺 CEVA-TL421，以及適合計算機視覺、視頻處理的本地DSP核和處理平臺CEVA-MM3101。

特別值得一提的是對于圖像和視覺處理市場，處理能力的差異將直接導致產(chǎn)品的差異化。“這種差異不僅僅是應對越來越高的分辨率，如16MP，UHD，還包括各種應用功能的創(chuàng)新和新算法的演進，以及在完成高處理性能情況下的電源效率。對此，Eran Briman表示，“我們認為在完成上述性能和功耗挑戰(zhàn)的情況下，使用DSP進行視頻和計算機視覺處理會比目前的CPU和GPU更有優(yōu)勢。為此，CEVA提出其DSP內(nèi)核平臺CEVA-MM3101，可應用于包括移動智能終端、安防、汽車等更廣泛IoT領域的視頻和計算機視覺處理，為這些領域的IoT終端實現(xiàn)差異化設計提供可能性。MM3101內(nèi)核具有高度可編程性、高性能及低功耗，為滿足最復雜圖像增強和計算機視覺處理所需的計算性能而設計?？煞謸O備主CPU的運算負荷并替代多個用于高強度圖像和視覺處理任務的硬件加速器，也可大幅減少整體系統(tǒng)功耗，并提供充分的靈活性。MM3101平臺(圖3)不僅提供硬件層的DSP核，更提供軟件層的各類模塊，包括優(yōu)化后的視頻處理庫，和硬件開發(fā)工具套件以及應用開發(fā)工具套件(ADK)，便于開發(fā)設計。其中，CEVA ADK包括為簡化軟件開發(fā)集成工作的 Android Multimedia Framework (AMF)、一套先進軟件開發(fā)工具和一系列為DSP平臺優(yōu)化的軟件產(chǎn)品和程序庫。

MM3101平臺更建立了強大的生態(tài)環(huán)境。據(jù)Eran Briman介紹， “CEVA剛贏得一家最新的合作伙伴Novatek，將CEVA MM3101平臺應用于其下一代面向監(jiān)控、攝像、汽車市場的SoCs中。除此之外，CEVA的合作伙伴還包括很多算法公司和軟件應用公司。在所有合作伙伴的共同努力下，MM3101已可廣泛應用于各類圖像增強算法應用，如超分辨率圖像技術(Super Resolution)、HDR(High Dynamic Range)和數(shù)字視頻防抖器(Video Stabilizer)，也可應用于各類自然用戶界面(Natural UI)與視覺算法應用，如手勢識別(Gesture Recognition)、人臉識別(Face Recognition)和視線檢測(Gaze Detection/Eye Tracking)，更可應用于先進的汽車ADAS算法應用，如前向防撞告警(FCW)、車道偏離告警(LDW)、行人偵測(PD)、深度圖等。”