Wenn ein DSP einen Hardware Accelerator übertrifft

Eingebettete CPUs wurden allgegenwärtig, weil sie Flexibilität, solide Performance, niedrigen Stromverbrauch und Kosteneffizienz kombinieren. Der Wechsel von separaten Mikroprozessoren oder Mikrocontrollern zu eingebetteten CPUs war ein klarer Gewinn für die meisten Anwendungen. Doch keine CPU kann jeden Algorithmus effizient ausführen – Software kann beliebig komplex werden, und Ausführungszeit oder Strombudget können inakzeptabel werden.

Um dies zu adressieren, führten Hersteller Hardware Accelerator ein – dedizierte Schaltungen, die gängige Operationen wie Floating-Point-Mathe weit schneller ausführen als Software auf einem General-Purpose CPU. Das Konzept erweiterte sich schnell auf Kryptografie, Regular-Expression-Handling, Grafiken und mehr.

Während Accelerator Geschwindigkeit liefern, opfern sie die Flexibilität, die Software bietet. Sie sind hard-wired, sodass die Modifikation eines Algorithmus, das Beheben eines Bugs oder die Anpassung an Marktveränderungen ein Hardware-Redesign erfordert – ein kostspieliger und zeitaufwändiger Prozess.

Ideal wäre das Beste aus beiden Welten: Algorithmen beschleunigen, während man sie noch in Software schreibt. DSPs (Digital Signal Processors) können dies für viele gängige, stream-basierte Aufgaben erreichen.

DSPs glänzen bei Streaming-Datenoperationen wie Audiofilterung, PDM-zu-PCM-Konvertierung, akustischer Echo-Kompensation und stream-basierten Chiffren wie SNOW und ZUC, die in LTE verwendet werden. In Signalverarbeitungskontexten bewältigen sie komplexe Matrixberechnungen für Kanalabschätzung zwischen Basisstationen und Mobilgeräten und optimieren Übertragungen für Zuverlässigkeit. Breiter gefasst eignen sich DSPs für jede Anwendung, die von breiter Parallelität profitiert, wie AES-Kryptografie.

DSPs sind besonders leistungsstark für Streaming-Berechnung, komplexe Mathematik (Matrizen, Floating Point) und hohe Parallelität – Bereiche, in denen sie Hardware Accelerator rivalisieren oder übertreffen können. In vielen Fällen ist eine DSP-Implementierung kleiner und günstiger, und ihr Stromverbrauch liegt immer noch weit unter einer CPU-basierten Lösung. Ein einzelner DSP kann mehrere Beschleunigungsfunktionen hosten, die nicht gleichzeitig laufen müssen, was den Bedarf an mehreren dedizierten Acceleratoren eliminiert. Für noch höheren Durchsatz bieten Multi-Core DSPs dieselbe Skalierbarkeit wie Multi-Core CPUs.

Vielleicht der größte Vorteil ist die Programmierbarkeit. Wie ein CPU-Kern kann ein DSP in C programmiert werden, sodass Entwickler Software anpassen oder aktualisieren können, ohne Hardware zu ändern. Mit einem fähigen Compiler und Simulator wird die Optimierung für Parallelität handhabbar, was schnelle Bugfixes, Feature-Updates und verbesserte Kundenzufriedenheit ermöglicht – alles bei niedrigem Stromverbrauch und Kosten.

Ein weiterer Vorteil ist Multi-Funktions-Support. Beispielsweise profitiert Global Navigation Satellite System (GNSS) Processing von DSPs. In Mobilgeräten wird das Hinzufügen von GNSS via Software möglich; in festen Geräten kann ein DSP-basiertes GNSS während Leerlaufperioden laufen und spart Fläche und Strom im Vergleich zu einer dedizierten Hardwareeinheit.

DSPs sind kein universeller Ersatz für alle Accelerator. Einige Funktionen, wie sehr große Filter, mögen weiterhin hard-wired Lösungen bevorzugen. Dennoch nähern sich DSPs für eine breite Palette von Algorithmen der Accelerator-Performance und -Power an, oft bei niedrigeren Kosten und mit weit größerer Flexibilität. Sie sind eine überzeugende Option, die ernsthafte Betrachtung verdient.

Dieser Artikel ist der zweite in einer Serie, die mit „Why DSPs are Suddenly Everywhere“ begann und mit „Decisions, Decisions: Hardware Accelerator or DSP?“ fortgesetzt wird.