传感器和信号处理技术即将迎来革命

 电话：010-58330898 手机：18501361766

微信：tech99999 邮箱：qianyanjun@techxcope.com

美国军用传感器和信号处理技术正在经历革命性的改进历程，雷达、电子战（EW）、信号情报（SIGINT）、高性能边缘计算和反潜战（ASW）等应用领域将会从中大大获益。

在过去的一年中，人工智能（AI）和机器学习（应用于智能传感器）、开放系统行业标准诸如传感器开放系统体系结构（SOSA）、现场可编程门阵列（FPGA）的新架构、信息安全、通过铜接口和光学接口快速联网、以及快速A/D和D/A转换等，正在成为强有力的市场推手。 

有了这些“利器”，系统设计者就可以在尺寸、重量和功耗（SWaP）更小的情况下处理比以往更多的数据，还可以利用嵌入式计算机外壳的自由插槽增添性能；在无人驾驶车辆等SWaP受限制的应用中，将高性能传感器和信号处理器尽可能靠近接收机天线。

“数据越多、就要对数据进行更多的处理，越来越多，多的不可胜数。”嵌入式计算专家， 美国柯蒂斯-莱特控制和防务系统公司（Curtiss-Wright Controls Defense Solutions）的首席技术官 David Jedynak说道。

SOSA标准由旧金山的开放集团监管，主要目标是高性能嵌入式计算，但在开发时考虑了信号处理。该标准旨在抑制开放系统VPX标准的扩散，并为航空航天和国防系统创建一套可管理的互操作性指南，以使来自不同供应商的各种组件可以轻松地协同工作。

“SOSA是传感器开放系统体系结构的缩写，他们正试图通过减少不同类型的模块、接口和背板，使其更具互操作性。”嵌入式计算和信号处理专家，Pentek公司的副总裁 Rodger Hosking解释说。

“SOSA的工作是减少变量，并使其标准化，这样各个供应商可以提供可重用和可升级的系统。这样做是为了尽可能地节约成本，并有效应对任何指定系统的复杂性。设计者必须在更高级别或通用级别至少对系统某部分进行切入，这样模块才能相互通信。”

 Hosking将这种趋势称为“从最底层的系统功能到更高层、接口更一致的抽象概念”。“一致性是关键。”他说，“SOSA的全部任务就是尽可能保持这些接口的一致性，这样就可以在不同的系统供应商之间实现兼容。”

Abaco systems公司是高性能嵌入式计算方面的专家，该公司的高级系统架构师 Predrag Mitrovic介绍，SOSA的核心是接口的一致性以及更高级别的系统集成性和复杂性，特别是对于传感器和信号处理应用而言。

“一切都变得更加密集化和集成化，这反映在VPX生态系统的射频和光反向连接上。”Predrag Mitrovic说，“过去，VPX背板上一个非常专用的空间里有4到8个射频连接，现在有10到20个。这将使背板上有更多的连接以简化未来的维护，而不用担心预先布线。”

在用于传感器和信号处理的嵌入式计算行业中，SOSA正在迅速流行起来。一些设计师，尽管他们暂时并不需要符合SOSA要求的硬件，现在也开始要求它了。“那些对SOSA没有需求的客户之所以有意向订购，是因为他们听说过SOSA。他们愿意今天采用与SOSA一致的硬件，从而为未来做好准备。”

时至今日，传感器和信号处理技术的一个重要发展趋势是嵌入式处理器的改进，尤其是FPGA。美国 Xilinx公司提供了 Versal自适应计算加速平台（ACAP），该平台提供了一种集成的多核嵌入式计算机，可以适应不断变化的信号和传感器处理算法。Versal ACAP可以在硬件和软件级别进行定制，以适应不同的应用程序和工作负载。

按照 Abaco公司 Mitrovic的说法， Xilinx Versal公司的ACAP就是“以前他们所称的多处理系统芯片设备，这是一个强大的系统。”该设备提供异构加速，寻求改变FPGA的开发方式，并改变工程师与FPGA的工作方式。Mitrovic继续说道:“如此一来，任何一个软件工程师都可以编程FPGA而不需要特殊的技能。Xilinx的目标是比当前的计算技术效率提升四倍。”

Versal ACAP配有嵌入式传感器和信号处理社区交流功能，并产生了实质性效益。Mitrovic说:“未来将会出现高度集成的设备，将Arm处理器、其他实时处理单元和集成的AI核心集成在一起。”

这些设备在传感器和信号处理应用中输出功率的速度有多快？答案是这可能需要一段时间，但会比预期的更快。Mitrovic表示:“我们的客户对此持非常开放的态度，但这需要时间，以 RFSOC（射频芯片系统）为例。当它被引入时，被认为是革命性的，但是电子战和雷达行业的传统人士对此表示怀疑。对于第一代 RFSOC，每个人都试图理解这项技术，但两年后，我们看到了在一些主要政府项目上的巨大吸引力。我们希望看到同样的事情发生在 Versal上。”

Xilinx公司的 Versal ACAP的一大优势是高度集成。Mitrovic指出，“Versal是7纳米技术，而之前的FPGA技术是16纳米。”

Versal架构也适用于人工智能和机器学习应用。“之前浮点信号处理已经完成。但对于机器学习而言，由于是低分辨率，并且处理器的数学优化程度并未达到最佳。”美国柯蒂斯-莱特控制和防务系统公司的数字信号处理产品经理Denis Smetana解释说，“Xilinx公司有他们自己的 Versal FPGA，被设计用来优化低分辨率数学，用于执行推断功能，就像神经网络中的传感和信号处理那样。”

除了Versal ACAP FPGA， Xilinx公司还支持新型先进微控制器总线架构先进可扩展接口4标准，或称为AMBA AXI4。这是一种用于连接和管理芯片系统中功能模块的自由可用的开放标准，为FPGA知识产权（IP）的再利用提供标准接口。可以帮助在设计开发具有多个控制器和外设的多处理器时降低开发风险和成本。

AXI4是用于ARM处理器的第四代AMBA接口规范，该接口正在被越来越多地集成到FPGA上，用于传感器和信号处理。Xilinx公司提供了一系列符合AXI4的IP，这些IP为通用嵌入式计算、DSP和逻辑域提供标准接口。

Pentek公司的工程师也是AXI4的支持者。该公司的工程师Hosking说:“我们正通过AXI4标准推动建立更多标准化的FPGA库，该标准定义了IP模块的标准接口，用于实现FPGA上IP代码多个供应商之间的互操作性。”

Hosking介绍说:“有了AXI4，每个人都同意按照相同标准来运行，它运行得非常好。人们在FPGA上使用独特应用程序方面变得越来越有效率。这对我们的FPGA客户非常重要。”

这种设计方法正在转向以图形为导向的设计实践。Hosking说:“设计师可以将AXI4 IP功能块放在他的工作台上，通过用鼠标点击一个块的输出到另一个块的输入将它们连接起来。”这节省了大量的FPGA设计时间。做FPGA设计是一种宝贵的才能和技能，这方面的人才难求。任何使之更容易的方法都会有所帮助。”

如今信号和传感器处理的系统集成不仅仅是缩小电子元件，还寻求为小型电子封装增加实质性的能力。美国 Mercury系统公司的设计师们决定通过航空航天和国防嵌入式计算应用所使用的加固和小型化商业数据中心技术，将这一概念向前推进一步。

Mercury公司产品管理总监 Shaun McQuaid表示:“我们将把整个数据中心生态系统引入 OpenVPX，并将嵌入式硬件引入部署平台。在过去的18个月里，我们对数据中心除了处理之外的其他方面进行了全面分析，以将这些用于商业界的算法转化为高性能边缘计算。”

那么 Mercury公司是如何将数据中心插入嵌入式计算底座的呢？“我需要数据处理，但也需要数据存储，” McQuaid解释道。“我们推出了一系列利用M.2标准的存储卡，它以前被称为用于描述内部安装计算机扩展卡和连接器的新的接口规范（NGFF）。它取代了mSATA标准，该标准使用的是 PCI-E迷你卡卡片布局和连接器。它适用于固态存储应用程序，特别是在超极本和平板电脑等小型设备上。M.2固态数据存储“大约有一块橡皮糖大小，” McQuaid说，“它是大量的NVMe附加存储。”

除了M.2数据存储之外， Mercury公司的工程师还设计了嵌入式PCI-E网络交换机，以及交换机上的转换夹层卡（XMC）处理模块。McQuaid说:“I/O不位于处理器，而在系统中，在此I/O可以被分配至处理器、FPGA和存储器。这一切都是基于最新一代的 PCI-E，以解决我们行业今天面临的各种大数据问题。”

对于像雷达、电子战和信号情报这些复杂而严苛的军事和航空应用，McQuaid说，“在这些平台上获得这些能力是至关重要的，必须在平台上使用数据中心技术，这样才能根据这些数据做出正确的决定。”

至于Mercury公司利用数据中心技术的高性能嵌入式计算的战略决策涉及到成本和能力，McQuaid表示“可以转向商业界了解一下如何更好地让购买力发挥作用，确定哪些构建模块是关键的。”

对于 Mercury公司来说，那些取自数据中心的构建块适用于嵌入式计算，包括处理器、I/O、通用图形处理器（GPGPU）协同处理器、PCI-E交换和FPGA。McQuaid说:“我们希望确保有大量的内存，CPU上有许多内核，以及这些 GPGPU的完整功能。我们希望采用一流的解决方案。”

此外， Mercury公司的设计者专注于广泛应用的电子冷却解决方案，包括液体冷却。McQuaid表示:“这些投资从芯片级的内存冷却一直到冷却这些组件所需的机械结构。只是在过去的一年里，我们才把所有这些东西整合到一起。”

传感器和信号处理的另一个趋势是将人工智能和机器学习融入系统设计中。美国柯蒂斯-莱特控制和防务系统公司的 Smetana说:“在过去的几年里给传感器增加了更多的智能，并且在传感器和处理模块之间建立了接口。我们正在把决策部分移到更靠近处理器前端的地方，以适应能够使某些分析自动化，使解读更加智能化，可以对从未遇到过的信号进行解读和分类。”

将人工智能融入信号和传感器处理仍处于起步阶段，但其发展势头迅猛。Smetana说:“这项技术仍然相当新兴，其中不乏炒作。尽管如此，我们还是需要了解如何充分利用它，在什么地方适合它，在什么地方不适合它。”

值得一提的是正在被数据淹没的 SIGINT应用程序。人工智能有可能对传入的数据流进行快速分析，确定哪些数据应该保留，哪些应该删除。美国柯蒂斯-莱特控制和防务系统公司的 Jedynak说:“机器学习可以很好地找出哪些数据是静态的，以及你想要看什么。它可以让我们的任务更有效率。”

以一个典型的机载信号情报任务为例:“你有一个两小时的任务，要求每小时收集10tb的加密数据，”Jedynak解释说。“这20tb的数据占用了大量存储空间，但通过机器学习，我们能够筛选并使用4tb的数据。”