在STM32F4平台上实现算法仿真和集成

1. 引言

在设计消费类音频产品的系统框架时，一般的思路是选用MCU+DSP双芯片分别满足驱动外设+数字音频处理的需求。以双通道立体声音箱为例，一颗主频在100MHz左右的MCU搭配一颗ADI的入门级音频处理DSP，即可基本满足需求。此类方案灵活性高，但硬件BOM成本较高，且算法开发工作的通用性不高。

随着嵌入式平台主芯片性能的不断提高，用一颗MCU同时满足驱动外设和数字音频处理的构想已经成为了现实，这里起到关键作用的即是FPU（浮点运算单元）。有代表性的MCU是ST公司出品的STM32F4系列。

The ARM? Cortex?-M4-based STM32F4 MCU series leverages ST’s NVM technology and ART Accelerator? to reach the industry’s highest benchmark scores for Cortex-M-based microcontrollers with up to 225 DMIPS/608 CoreMark executing from Flash memory at up to 180 MHz operating frequency.
With dynamic power scaling, the current consumption running from Flash ranges from 89 μA/MHz on the STM32F410 up to 260 μA/MHz on the STM32F439.
The STM32F4 series consists of eight compatible product lines of digital signal controllers (DSC), a perfect symbiosis of the real-time control capabilities of an MCU and the signal processing performance of a digital signal processor (DSP):

STM32F4系列的芯片架构如下：

simulink将标准输入文件通过串口给到STM32F4，在其计算完成后再通过串口将数据返回。STM32返回的数据与simulink中运行的algorithm model的输出进行bit-by-bit的对比，如果结果满足预期，即代表算法在目标平台的运行结果是可接受的。这里的algorithm model可以是simulink提供的通用模块，也可以是由C代码封装了mex接口后经simulink调用。

2.4. 仿真profile

仿真阶段有两个重要的目标，一个是对标simulink的PC平台与STM32平台的计算结果，另一个是得到算法在目标平台的资源消耗情况。其中比较重要的指标是算法执行效率，即一次运算消耗的时钟周期数。

我们来简单看一下ST官方给出的例程是如何精确测试算法的执行效率的。算法仿真结束后，在matlab命令行输入executionProfile.report，可查询到如下信息：

可以观察到一个现象，即每次调用算法处理的数据越多，算法的执行效率越高。代价是系统的音频延迟会随之增加，因为需要在算法处理前缓冲更多的数据。

3. 集成算法

在完成了算法的仿真后，我们需要将算法集成到合适的音频驱动框架中，使算法能够真正产品化。

STM32官方提供了cubeMX工具，能够方便地生成驱动代码，例如一个能够在STM32F4-Discovery开发板上运行的USB audio示例。详细内容参考博客链接（https://blog.csdn.net/flydream0/article/details/53120307）。

在顺利跑完上述博客的流程后，得到一个可以正常播放USB音频流的demo例程，但这离我们能将算法集成进来还有很长的一段距离。首先这个例程的的驱动框架不支持大数据块在I2S DMA TX中断里做算法处理，其次也不支持将数据块在while(1)中处理，因此我们需要改进这个框架。

这里介绍一个ST官方推荐的音频驱动框架audio weaver（官方链接https://www.st.com/en/development-tools/st-audioweaver.html）。audio weaver框架的音频驱动部分的示意图如下：

可以看到，这个框架的USB输入和I2S输出端都运用了ping-pong buffer，可有效利用内存。USB的数据经过采样率转换后，缓存在ASRC的buffer里。I2S的DMA通道在每次完成传输后，会主动从ASRC的buffer里取出合适数量的数据来处理，处理完成后写入到I2S的ping-pong buffer。

我们测试了此框架可以在USB下行I2S播放+单PDM麦克风采集的驱动负载的情况下，承担最多120个32位浮点biquad的处理需求。同时这个audio weaver工具支持图形化的调音工具，有点类似sigmaDSP的调音方法，唯一的遗憾是，免费版无法保存调音配置，需每次上电重新导入。

4. 总结

在进行STM32F4平台的算法仿真和集成的过程中，头一次体会到了驱动和算法之间难舍难分的关系，更认识到软件架构的优劣直接影响到平台性能的整体发挥。

由此感悟到所谓35岁是IT人才的发展瓶颈只不过是一句职场谣言。只要找对了路子，35岁正是技术精进和突破的大好时机。在此与各位坚持在某个行业或领域的朋友共勉：唯有水滴才能石穿。

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览33828 人正在系统学习中

来源：NiceBT