📚 课程目录第3章降噪滤波器核心理论

3. 降噪滤波器核心理论

做音频降噪滤波器移植，说白了就是跟DSP内核打交道。你写的C代码最终要跑在某个具体的核上，不了解它的脾气秉性，优化根本无从谈起。今天咱们就聊聊几个常见的DSP内核，以及它们背后的架构思想。

3.1 三种常见DSP内核：C55x、C64x+、C66x

TI的DSP家族里，我打交道最多的是这三个系列。它们各有各的脾气，选型时得看项目需求。

内核	位宽	典型频率	主要应用	我的评价
C55x	16位	100-300 MHz	便携音频、助听器、低功耗设备	省电小能手，但算力有限
C64x+	32位	500-1000 MHz	通信基站、专业音频、工业控制	经典款，性能均衡
C66x	32位（浮点）	1.0-1.5 GHz	雷达、医疗影像、高端音频	浮点运算猛，开发最省心

C55x 是我最早接触的核。那时候做一款蓝牙降噪耳机，功耗要求极其苛刻。C55x的优势在于它有两个MAC单元，每个周期能做一个16位乘加。但它的寄存器文件比较小，写复杂滤波器时经常要跟内存倒腾数据。我个人习惯是，在C55x上尽量把滤波器阶数控制在64阶以内，否则代码优化会很痛苦。

C64x+ 就舒服多了。它每个周期能执行两个32位MAC，还支持SIMD操作。我记得有一次移植一个128阶的FIR滤波器，在C64x+上几乎没怎么优化就达到了实时要求。它的L1D缓存有32KB，对于音频数据流来说绰绰有余。

C66x 是真正的猛兽。它支持单精度浮点，做自适应滤波器或者卡尔曼滤波时，再也不用操心定点化带来的精度损失。我曾经在一个C66x项目上做多通道回声消除，8个通道的NLMS算法跑得稳稳的。不过，浮点运算功耗也高，电池供电的设备得掂量掂量。

选型建议： 如果你的降噪算法主要是FIR/IIR滤波，定点精度够用，C55x或C64x+性价比更高。如果涉及矩阵运算、自适应滤波或浮点算法，直接上C66x，开发周期能缩短一半。

3.2 哈佛架构与冯·诺依曼架构

这个知识点，很多教科书讲得挺绕。我换个说法：冯·诺依曼架构就像一条单车道，指令和数据都走同一条路。而哈佛架构是双车道，指令走指令的路，数据走数据的路。

DSP为什么偏爱哈佛架构？你想想看，做一次乘加运算，需要同时取指令、取操作数、写结果。如果指令和数据抢同一条总线，那就得排队。哈佛架构允许CPU在一个周期内同时访问程序存储器和数据存储器，这对流水线效率的提升是巨大的。

特性	冯·诺依曼	哈佛架构
总线数量	1条（指令+数据）	至少2条（程序+数据）
并行性	低，存在总线冲突	高，可同时取指和取数
典型代表	x86、ARM Cortex-A	C55x、C64x+、C66x
适用场景	通用计算	信号处理、实时控制

不过，现代DSP也不是纯粹的哈佛架构了。C64x+内部其实有多个总线：程序总线、数据读总线A、数据读总线B、数据写总线。这已经进化成改进型哈佛架构，甚至可以说是多总线架构。嗯，这里要注意：虽然叫哈佛，但程序和数据空间在物理上可能共享同一片内存，只是通过不同的总线端口访问。

避坑指南： 我曾经在一个项目中，把滤波器系数表放在了数据段，结果发现每次取系数都要跟指令取指争总线，性能直接掉了30%。后来把系数表放到程序段（用#pragma CODE_SECTION），利用哈佛架构的特性并行访问，问题就解决了。所以，系数表、查找表这类只读数据，尽量放在程序空间。

3.3 MAC单元与SIMD指令集

MAC（乘加运算）是数字信号处理的灵魂。一个FIR滤波器的核心就是 y[n] = sum(h[k] * x[n-k])，说白了就是一堆乘法和加法。通用CPU做这个很慢，因为要分别执行乘法指令和加法指令。而DSP的MAC单元，一个指令周期内就能完成一次乘法+一次加法，而且还能自动更新地址指针。

C64x+的MAC单元有多强？它有两个乘法器，每个周期能执行两个32位乘加，或者四个16位乘加。这意味着，如果你用16位精度做滤波，理论上一个周期能处理4个抽头。我做过测试，一个128阶的16位FIR滤波器，在1GHz的C64x+上只需要32个周期就能完成一次滤波——也就是32纳秒。

SIMD（单指令多数据） 则是另一个加速利器。它允许一条指令同时处理多个数据。比如C64x+的 DOTP4H 指令，可以同时计算4个16位数据的点积。这相当于把4个MAC操作打包成一条指令。

// 普通MAC循环（C代码）
for (i = 0; i < N; i++) {
    sum += h[i] * x[i];
}

// 使用SIMD内联汇编（C64x+）
// 假设h和x都是short类型，且N是4的倍数
// _dotp4h 一次计算4个16位乘加
for (i = 0; i < N; i += 4) {
    sum += _dotp4h(h[i], x[i]);
}

你看，代码量没少多少，但执行效率能提升4倍。当然，前提是数据要对齐，而且循环次数是SIMD宽度的整数倍。

    核心要点： MAC单元解决的是单个乘加的速度问题，SIMD解决的是并行处理多个乘加的问题。两者结合，才是DSP性能爆发的关键。

3.4 知识体系总览

下面这张图，把本章的核心知识点串起来了。你可以把它当作一个快速索引。

这张图把三个核心知识点串在了一起。你从中心出发，往左看是内核选型，往中间看是架构理解，往右看是指令集优化。做降噪滤波器移植时，这三个维度缺一不可。

好了，这一章的内容就到这儿。记住，DSP架构不是纸上谈兵，你写的每一行代码，最终都要映射到这些硬件单元上。理解它们，才能写出高效的降噪算法。