总结一下近半年来所做的工作吧，可怜的还需要去实验室网站，拉自己发的周报，才有可能回想起来做了些什么事。游戏伤身还伤心。
从去年国庆节回家后，就没有回庆科实习了，老师也同意在实验室完成一部分公司的实习工作，继续给我发一部分实习工资，以补贴学习期间的囊中羞涩。
实习期间主要做唤醒词的研发，目前来看效果还好，虽然达不到业界水平，有些产品也用上了。
FPGA相关
FPGA是十月份开始正式接触的一直到现在。
起先开始跑了一些官方的简单例程，比如亮个灯，从clk手动计数分频转接到LED，控制频闪。
学习简单的verlog语法和VHDL语法。同样也找了一些所谓的学习视频，但都比较老旧，圈子也比较小。很多涉及到的基础知识多也点到为止，不能透彻的了解其中细节原理。
断断续续折腾了一个月左右，发现入门有很大的困难，国内知识体系太过封闭，接触不到最新的处理器设计相关知识，仍然停留在一些简单的电路设计的层面。
RiscV芯片相关
RiscV开始接触的时候，是通过Diligent 社区提供的RiscV手把手教程，网上找到一个已经编译好bitstream的mcs文件烧到FPGA上。
但由于其中缺少一个支持RiscV的JTag，为了给实验室节省经费，先后将实验室所有的正版的盗版的支持JTag的调试器挨个试了一遍。直到将libUSB库安装上，连上Jlink，官方驱动提示不支持调试RiscV才死心。到手Olimex的ARM-JTag-h后，
新的OpenOCD在Windows下使用LibUSB库做为USB驱动，而非使用官方的JTag驱动，这一个问题在官方文档中少有提到。
在这个问题上，沈老师的想法是对的，接触新东西的时候，尽量先使用与教程相符合的开发环境，以减少不必要的出现的问题，也防止新问题与旧问题混淆。
蜂鸟处理器
沈老师给买了本蜂鸟处理器的配套书籍，一开始感觉各方面讲的比较全，其实现的语言是Verlog，外设寄存器使用Sifive公司相同的memory map，完全兼容Sifive公司的SDK开发工具链。
但后来仔细看到RiscV的关键部分，协处理器(co-processor)相关章节时，其内容主次不分，含糊不清。涉及到co-processor的接口RoCC时，还改名成了EAI接口，还详细介绍了EAI接口的时序相关内容。看相关实现的部分发现，原来是网上找了伯克利加州大学电子 实验室的一份assignment，翻译了一下，重新排了版。没有也没有给出Answer和源码，说有兴趣联系作者邮箱，但最后发现其github上有一个浙大的同学发issue专门问到这个问题，作者也没有给出回复。
所以蜂鸟虽然也开源了其所谓的RiscV处理器核，但实际上只有蜂鸟E203有源代码，而且使用了自己的EAI接口，也没有提供协处理器的参考代码，考虑到国内开源风气和圈子，只能做罢。
Sifive开源RiscV处理器
从三月份开学起，开始研究Sifive公司开源的处理器，该处理器使用是Rocket Chip Generator处理器核，加上自己实现的处理器外设（包括PWM，Timer，UART，I2C，SPI等），使用适合科学研究用的scala语言chisel3编写。
Chisel 是一门伯克利加州大学开源的硬件构造语言，可以将scala语法转换成verlog，再进行综合。代码的可复用性高，写起来非常灵活。
Rocket Chip提供了三个使用Rocc接口工作的Co-processor例程（AccumulatorExample 、TranslatorExample 、CharacterCountExample ），三个例程分别使用不同的方式进行访存，虽然没有注释，代码逻辑比较清楚。其中AccumulatorExample 的load指令没有考虑目的寄存器的宽度，导致出错。字符串计数例程访问第二个CacheBlock时，beatoffset没有重置，以及zero_found计算不严谨的bug也已经修复。测算下来的运算量也是很优秀的。
以CharacterCountExample 来说，该Co-Processor用于计算一个字符串中指定字符出现的次数，以最典型的c语言例子：
int CharacterCount(char *str, char ch)
{
int c=0;
while(*str) if(*str++ == ch) c++;
return c;
}
这样一小串代码在计算一个长度为50的字符串时，花费大约1万多个cycles，而使用co-processor，得益于内存的访问次数大幅度的减少，只需要100来个时钟周期就可以处理完。
###语音处理芯片相关评估
11月到年底，开始评估新一代的智能语音的方案，这里介绍几个我看到的芯片。
MAX9814
一款低成本、高性能麦克风放大器，具有自动增益控制(AGC)和低噪声麦克风偏置。在前端MIC上加一块AGC芯片，可以用于远距离拾音。实际测试下来，效果没有本质上的改变，但在应用上只要几块钱，聊胜于无吧。
BR262
安森美的一款远距离拾音加降噪的处理芯片，采用非常小的BGA封装，使用两个mic，一个用于远距采样，一个用于近路采样，效果相当不错。在非常吵杂的地铁环境中可以把背景噪声非人声分离出去。在前端的语音降噪效果比起WebRTC强上不止一个等级。价格也在1个美金多一点。
Ameba-D
瑞晟的一款双核语音处理器。非常适合做语音相关应用。文档较少，目前处于保密测试阶段，暂不细述。
###机床刀片分析方面
属于语音和数据处理结合的方面，通过大数据分析出金属加工机床噪声的改变来推测刀片磨损的程度。
一直没时间做，鸽了。
WebRTC的移植
WebRTC是google开源的用于Web浏览器进行实时通话功能。通过JavaScript API调用。将其用到的AECM，Noise Suppression，VAD功能移植到AZ3166（STM32f412 主频125Mhz）。
WebRTC代码结构相关内容有空的时候再补上。
特定人语音词语识别
在az3166上完成DTW算法，并结合MFCC，实现静态的孤立词比较。
一帧40ms的MFCC语音花费大约17ms，加上一次DTW花费7~19ms左右。
进行简单的样本测试，十个样本交叉对比，错误率为2/55，可以达到简单应用。
本科生毕设
学生还算努力，也比较聪明，但是开发经验比较少，还没有跳出自己造轮子的思想，项目估计要鸽。
Comments