AccelDSP

http://hsanyi.blog.163.com/blog/static/5502232520111194658521/

AccelDSP其实是一种综合工具，所以也叫AccelDSP综合工具。它可以将特定的Matlab程序进行浮点到定点的转换，生成定点的Matlab程序或者C++程序，并综合成HDL代码和testbench代码。

    在用FPGA实现DSP算法时遇到的一个主要问题就是如何实现算法浮点到定点的转换。当然我们可以使用Matlab的强大功能，进行浮点和定点的仿真。而AccelDSP综合工具是将Matlab和Xilinx的开发环境很好的结合在起来。当你使用AccelDSP进行开发时，你只需要编写Matlab的浮点程序，并进行功能验证。然后就可以利用AccelDSP综合工具将浮点的Matlab算法转换为定点，并综合为硬件可实现的结构，最终生成FPGA的下载文件。

    AccelDSP得到的硬件模块一般都是作为一个大型设计的子模块。

    上面说的这么好，可能大家都觉得以后都不用写HDL代码了，直接用写Matlab代码就行了。当然现在的软件还没有这么智能，AccelDSP虽然能够综合Matlab程序，但是这对Matlab程序也是有要求的。并不是所有的Matlab浮点程序都能够通过AccelDSP验证并转换成硬件。就像并不是所有的HDL语言都是可综合的。它对Matlab程序有以下要求：

（1）、特定的数据类型

（2）、特定的运算符

（3）、特定的函数

（4）、特定的Matlab编码风格

    也就是说AccelDSP所支持的数据类此能够，运算符，函数都是Matlab的一个子集，并且还要求Matlab遵循特定的编码风格，这样才能保证Matlab的浮点程序是可以被AccelDSP综合的。并且综合后的硬件结构与M文件的编写方式有很大的区别。

1、Matlab的程序结构

    一个可综合的Matlab设计至少包括两个M文件：script M文件和function M文件

（1）、Script M文件

    Script M文件分三部分：数据流控制、function函数调用、验证程序。其中数据流控制一般可以用for或者while语句，验证程序一般是完成波形显示和数据统计的功能。

（2）、function M文件

    function M文件最终要映射为硬件模块。function M文件的参数被映射为硬件模块的输入，function M文件的输出被映射为硬件模块的输出。浮点到定点的转换主要就是指的将function M文件的参数和输出由浮点转换为定点。

2、浮点到定点的转换

    虽然AccelDSP能够将Matlab浮点程序转换为定点，但实质上它还是利用了Matlab的浮点到定点的转换功能。所以我们就需要了解一下Matlab中是如何实现浮点到定点的转换的。这对于不使用AccelDSP而是直接使用Matlab进行浮点到定点转换的工程师也是很有帮助的。

    浮点转换为定点的过程在Matlab中称为量化，使用quantizer和quantize两个函数完成。

（1）、quantizer用于定义数据的量化属性

（2）、quantize则按照quantizer定义的量化属性量化浮点数据。

    下面举一个例子：

x = [3.5 1.5 6 20.8 -128.25 127.75];
qpath = quantizer('fixed','round','saturate',[10,2]);
fix_x = quantize(qpath,x);

    运行后fix_x结果为：

fix_x =

    3.5000    1.5000    6.0000   20.7500 -128.0000  127.7500

    其中-128.25溢出了，这里设置溢出后为饱和输出，所以为-128。

    具体关于quantizer和quantize函数的使用说明请参考Matlab的help文件。

    在AccelDSP中也是使用内嵌的quantize函数对浮点程序进行量化。它可以自动统计所有变量的变化范围，并完成对数据的量化。当然也可以人为指定量化属性。推荐先使用AccelDSP的自动量化功能，然后再对其中一些进行人为修改。

    假如一个浮点数为10.765，我们用一个总位宽为8bit，小数位宽为3bit的有符号数进行表示那么对应的最接近的二进制数为01010.110，对应的十进制数为10.75，量化误差为0.015。当然小数位宽越宽，对应的小数部分精度就越高。

    对于一个数据总位宽为10bit，小数位为2bit。则量化的范围为：-128.0 ~ 128.75，量化的最小精度为0.25。

    小数部分位数的选取时通过对比定点仿真与浮点仿真的结果得出的，一般最大设置为12bit即可，精度可以达到0.000244140625。

3、accel_probe的使用

    在Matlab中，一般观察函数内部的信号比较困难。这时可以将accel_probe函数插入到函数体内，它会自动统计和分析数据，并且画出曲线图。具体使用方法可参看AccelDSP相关文档。

4、优化硬件架构

    相同的Matlab浮点程序，可以通过AccelDSP的不同属性设置得到不同的硬件实现形式。AccelDSP中的.add文件描述了硬件结构的实现形式，可以通过手工修改.add文件或者AccelDSP中的GUI界面改变其属性设置，达到优化硬件架构的目的。下面举两个例子说明不同的属性设置对于生成硬件架构的影响。

（1）、循环语句映射

    可以通过修改属性使循环语句利用串行实现（节约资源）、并行实现（增强性能）或者在性能和资源之间进行折中实现。分别对应的属性为：Fully Rolled，Fully unRolled，Partial Unrolled。

（2）、变量的映射

    Matlab程序中的变量在硬件实现时可以采用基本的逻辑单元实现，也可以映射到FPGA内部的RAM或者ROM。

5、AccelWare

    AccelWare是AccelDSP综合工具提供的参考IP设计，包含了大量可配置函数，设计者通过调用这些函数可以省去大量的编程时间。

    AccelWare工具箱分为4大类：高级数学工具箱、通信工具箱、信号处理工具箱以及功能组件工具箱。

（1）、高级数学工具箱中提供了在数学运算中常用的矩阵和多项式操作。

（2）、通信工具箱提供了通信应用中的基本模块，包括数学频率合成器、编解码器、脉冲成形滤波器、加解扰、特定滤波器5类。

（3）、数字信号处理工具箱提供了DSP处理中常见的算法，包括多速率滤波器、FFT变换和一般滤波器三类。

（4）、功能组件工具箱提供了很多基本的功能组件，包括复数操作、三角函数、幂次、开放、除法、统计、矩阵运算等。

    总上所述，AccelDSP为FPGA进行DSP开发，特别是将Matlab浮点算法转换为定点提供了一套解决方案，随着综合器技术的发展，也许不久的将来我们就不用再写HDL语言了，直接用高级语言对硬件结构进行描述。

    另外，即使不使用AccelDSP综合工具，也可以参考这种将Matlab浮点算法转换为定点的方法，应用的我们的设计中。

    注：本文参考了《Xilinx ISE Design Suite 10.X FPGA开发指南——DSP、嵌入式与高速传输篇》，对相关内容进行了总结