【技术贴】解密艾为飞天™DSP黑科技（三）：特色算法与未来前瞻

优质的DSP产品需要承载优秀的DSP算法，方能体现产品的核心价值。数模龙头艾为电子的艾为飞天DSP特色算法，在提升产品性能和优化功能方面发挥了关键作用。同时，本文还将展望未来DSP技术的发展趋势，并探讨其潜在的技术演进方向。

艾为飞天DSP特色算法介绍
 

 

01 低电压保护算法

 

艾为将低电量场景下的保护需求进一步升级，打造出百微秒级别响应速度、可以多级调试、并且有多种调试手段的低电量保护算法（LTP），使得功放在更低的电源电压下仍旧能正常工作并且没有杂音。

 

 图1 电源电压下降后输出信号对比

 

如上图所示，当电源电压从3.8V降低到2.7V时， AW88166依旧能够无失真和无杂音地输出音乐信号（低电量保护算法启动，整体幅度会略有下降），2.7V低电量下依旧正常发声；无低电量保护的音频功放在2.7V电源电压下，会进入不正常工作状态，输出无声。

 

图2 LTP处理架构图

 

因为LTP算法集成在芯片DSP中，算法的响应速度可以达到百微秒级别（其它不带DSP的低电量保护方案功放的响应时间远大于10ms）。其中电池电压通过内部Vsensor获取，芯片温度通过内部的Temp Sensor获取，外部温度通过I²C获取。这样LTP算法模块可以同时检测到电池的电压、外部温度和芯片温度，根据不同的温度和电压，可以动态配置芯片对电池的最大抽取电流Ipeak，防止在电池低温低电的场景下，将电池电压抽取的过低，导致芯片触发UVLO进入不正常工作状态或者导致移动设备强制关机。同时在Ipeak降低、芯片最大输出能力下降的时候，LTP模块可以控制芯片的Volume和Vmax, 保证最大输出波形不削波，没有杂音。

 

LTP算法不仅在AW88166使用，还在后续AW88394/AW88399/AW85180S等新艾为飞天DSP产品都有使用。

 

 

02 钢琴杂音抑制算法

 

 

传统的钢琴杂音抑制方法是通过EQ/DRC等调音手段压杂音，其带来的影响是不产生杂音的信号也受到影响。数模龙头艾为电子的钢琴杂音抑制算法，能够通过机器学习方式识别并压制杂音：

识别杂音片段，消除杂音的同时保证其他歌曲不受影响；

只压制产生杂音的大信号，对中小信号不进行处理或者少处理，主观效果影响小，无额外成本 

 

其中的压制增益与杂音波形图3可以如下表示：

 

图3  钢琴杂音压制增益示意图

 

当通过机器学习识别到产生抑制的钢琴杂音时，机器学习通过检查信号幅度的大小，给出相应的压制增益的大小。当杂音信号比较大时压制的幅度更大，当杂音信号比较小时压制的幅度也比较小。

 

以下为进行杂音抑制不同处理方法的效果图示。其中左图展示了进行抑制的效果：

图4 含杂音的抑制处理（左）与不含杂音的抑制处理（右）

 

传统方法和AW的杂音抑制方法效果基本类似。图4则是展示了当不进行抑制处理时，传统方法则要将信号压制，而艾为的方法则对于非杂音的处理很小。

 

AW85815/AW85180等艾为飞天DSP产品中都支持钢琴杂音抑制算法。

 

 

03 AI声场环绕算法

 

 

随着个人娱乐场景的多元化和智能终端的生态融合，传统双声道系统在空间感还原、声源定位精度、动态范围表现等方面的局限性日益凸显。虚拟环绕声场将声音从二维平面拓展至三维空间，实现雨滴从头顶飘落、子弹从侧后方呼啸而过的沉浸式听觉体验，AI技术突破直接推动了个人娱乐场景。 

 

通过AI识别，分离左右声道中的人声信号、伴奏信号和环境音信号；分别对人声、伴奏和环境音进行增益处理，实现人声增强等效果；

利用头相关传递函数对信号进行不同虚拟声源位置的双耳渲染；

突破物理扬声器位置带来的声场局限，营造逼真的5.1声道环绕音效。

    

图5 环绕声的设备示意图

 

声场拓宽的同时，可清晰地听到来自侧后方的虚拟环绕声，见图6所示

图6 声场扩展示意图

 

AI声场环绕算法功能在艾为飞天DSP产品AW88188中支持。

 

 

DSP 未来发展
 

 

随着人工智能技术的迅猛发展，AI算法的应用范围不断扩大，其计算需求也随之显著增加。在端侧设备领域，AI算法的应用逐渐普及，例如智能音箱、智能家居设备以及可穿戴设备等，这些设备通过本地化处理实现了语音交互、环境感知、健康监测等功能。然而，端侧设备在计算能力方面受到处理器规模的限制，面临着计算资源有限、功耗约束以及实时性要求高等挑战。如何在端侧设备上高效实现AI算法的应用，成为当前数字信号处理器（DSP）面临的重要课题。

 

DSP作为专门处理信号的处理器，在音频、图像等领域已有广泛应用。然而，随着智能化需求的提升，DSP也需要将现有的信号处理技术与AI算法进行深度融合，以满足更复杂的处理需求。

 

为了应对AI算法在端侧设备中对计算能力的高要求，神经网络处理器（NPU）应运而生。NPU作为一种专为神经网络计算设计的硬件加速器，能够显著提升AI算法的运行效率，成为解决端侧AI计算需求的关键技术。通过NPU与DSP的结合，不仅能够优化AI算法的运行效率和功耗表现，还为端侧智能设备的性能提升提供了重要支持。

 

NPU凭借其高效能、低功耗、实时响应和专用硬件加速等优点，正在成为AI应用中的关键硬件组件。其在边缘计算、实时数据分析、终端AI等场景中的表现尤为突出。中国数模龙头艾为电子将结合自身的市场需求、技术积累以及成本控制等多方面因素，设计出更多既能满足性能要求又具有市场竞争力的NPU产品。

 

总体而言，功放DSP仍具有重要地位。尽管平台算力显著提升，但算力需求是无止境的。功放DSP可利用自身计算优势，补充平台算力不足的应用场景。同时，功放DSP在实时性处理方面具有显著优势，可结合喇叭进行及时处理，从而实现最佳的保护和音效效果。

 

本系列整体回顾了DSP架构和技术，艾为飞天DSP产品迭代及核心算法，并对未来DSP技术的发展趋势，特别是NPU技术和丰富的AI应用需求进行了深入展望。数模龙头艾为电子始终紧密围绕DSP技术开展创新工作，致力于采用先进的DSP技术，开发具有最佳效果的产品。