在 AMD，我們對(duì) Versal? ACAP 所搭載的 AI 引擎技術(shù)感到興奮不已，因?yàn)樵?AMD 和賽靈思服務(wù)的眾多市場(chǎng)上，其對(duì)交付高性能自適應(yīng)計(jì)算起到重要作用。Versal AI Core 與 AI Edge 系列搭載了這種 AI 引擎技術(shù)，非常適合對(duì)計(jì)算加速有著關(guān)鍵需求的用例。

　　AI 引擎真正實(shí)現(xiàn)了功能多用性，可提升機(jī)器學(xué)習(xí)（ ML ）和信號(hào)處理應(yīng)用帶來(lái)的性能。我們?cè)?jīng)深入介紹過(guò)，與 GPU 相比，機(jī)器學(xué)習(xí) AI 引擎（ AIE-ML ）的單位功耗 AI 性能是 GPU 的 4 倍。不過(guò)今天，我們的重點(diǎn)是信號(hào)處理，特別是快速傅里葉變換（ FFT ）。

　　除非您是一名 DSP 專家，否則您可能只會(huì)模糊地回憶起大學(xué)時(shí)期在信號(hào)處理入門課上學(xué)到的 FFT。幸運(yùn)的是，您不必重拾書本，就能在 AI 引擎上實(shí)現(xiàn) FFT，因?yàn)檐浖?huì)為您解決最硬核的部分（后續(xù)詳解）。不過(guò)還是要記住，F(xiàn)FT 是有史以來(lái)開發(fā)出的最重要的算法之一，支持著我們?nèi)粘Ｊ褂玫膸缀跛袌D像和音頻壓縮與數(shù)字通信。

　　回到今天的話題，讓我們回顧一下 FFT 如何運(yùn)用于各種應(yīng)用，如激光雷達(dá)、光探測(cè)和測(cè)距，以及雷達(dá)、無(wú)線電探測(cè)和測(cè)距。激光雷達(dá)或雷達(dá)發(fā)射器會(huì)發(fā)射頻率隨時(shí)間而變化的正弦信號(hào)。信號(hào)從目標(biāo)反射，被接收器接收。通過(guò)分析接收到的波形的特征，就能計(jì)算出目標(biāo)的位置和相對(duì)速度。具體方法就是使用 FFT 查看反射信號(hào)的頻譜內(nèi)容。信號(hào)幅度與檢測(cè)到目標(biāo)的時(shí)間成正比，信號(hào)頻率則與距離目標(biāo)的遠(yuǎn)近成正比。通過(guò)這種從頻域到時(shí)域的轉(zhuǎn)換，一系列信號(hào)便能生成對(duì)某個(gè)特定位置有意義的表示，如 2D 或 3D 點(diǎn)云或 4D 雷達(dá)，從而生成圖像。對(duì)于汽車應(yīng)用，總 FFT 吞吐量相對(duì)較低——需要小于 1 GSPS。對(duì)于特定的雷達(dá)或通信應(yīng)用，可能需要高達(dá) 10-15 GSPS 的采樣率。

　　現(xiàn)在我們已經(jīng)了解了 FFT 的高級(jí)功能，接下來(lái)我們將介紹如何借助 AI 引擎發(fā)揮 FFT 的優(yōu)勢(shì)。

　　使用 FFT 生成的點(diǎn)云或 4D 雷達(dá)可以回饋給 AI 引擎，以執(zhí)行 CNN ML 功能。Vitis? AI 已在我們的 Model Zoo 中提供模型，方便使用 PointPillars 實(shí)現(xiàn)邊框，進(jìn)行目標(biāo)檢測(cè)和/或用 SalsaNext 進(jìn)行語(yǔ)義分割。這樣做之所以可行，是因?yàn)檫\(yùn)行 FFT 消耗的資源很少，從而能夠留出大部分 AI 引擎，借助 ML 為您的應(yīng)用提速。

　　從功耗的角度來(lái)看，AI 引擎比使用可編程邏輯要有效得多。功耗降低了約 50%，由此使得單位功耗性能提高了 2 倍。

　　AI 引擎陣列架構(gòu)支持存儲(chǔ)器共享，從而提升了 FFT 的計(jì)算量。通過(guò)下表可以看到，計(jì)算 64 通道 2K x 1K 2D FFT 需要三個(gè) Zynq? UltraScale+? MPSoC ZU3 器件。也可以只用單個(gè) Versal AI Edge VE2102 器件。

　　我們的 GitHub 站點(diǎn)提供了詳細(xì)的教程，完整講解了在 VCK190 評(píng)估套件上實(shí)現(xiàn) 2D FFT 的過(guò)程。教程先概述了設(shè)計(jì)流程，接著詳細(xì)講解了軟硬件實(shí)現(xiàn)方案。簡(jiǎn)化設(shè)計(jì)流程的關(guān)鍵在于 Vitis DSP 庫(kù)內(nèi)提供的 FFT 內(nèi)核。詳細(xì)的性能數(shù)據(jù)有助于用戶掌握每種設(shè)計(jì)變體的資源利用率、時(shí)延、吞吐量和功耗。此外，也提供了在 Versal AI Edge 系列上實(shí)現(xiàn) FFT 所需的設(shè)計(jì)資源。