第4C部分：XMath滤波器生成脚本

在第4B部分中，使用了lib_xcore_math的数字滤波器API来实现FIR滤波器。第4C部分也使用了FIR滤波器API，但是间接地使用。

除了数字滤波器API外，lib_xcore_math还提供了一组用于将现有的浮点系数数字滤波器转换为与xcore兼容形式的Python脚本，甚至生成可以直接编译到应用程序中的代码。

特别是对于本示例，使用了gen_fir_filter_s32.py脚本，并使用coef.csv作为输入，生成了userFilter.c和userFilter.h。该脚本生成了一个带有名称的滤波器，生成的API中的函数名基于滤波器名称。在本例中，调用脚本时指定的滤波器名称为"userFilter"。

使用这些脚本生成的滤波器分配和管理自己的内存，因此API调用非常简单。

来自`lib_xcore_math`

本阶段不直接调用lib_xcore_math中的任何函数，但使用了gen_fir_filter_s32.py滤波器转换脚本。

生成滤波器

本阶段使用的userFilter.c和userFilter.h是作为本教程的便利而提供的。您可以使用gen_fir_filter_s32.py自行生成这些文件。这将需要安装有numpy的Python 3。

> python gen_fir_filter_s32.py -h
usage: gen_fir_filter_s32.py [-h] [--taps TAPS] [--out-dir OUT_DIR] [--input-headroom INPUT_HEADROOM] [--output-headroom OUTPUT_HEADROOM]
                             filter_name filter_coefficients

该脚本需要两个参数：滤波器的名称filter_name，以及包含滤波器系数的.csv文件的路径。滤波器系数必须是浮点值，系数之间用逗号和/或空格分隔。系数的顺序是b[0]，b[1]，b[2]等。

要生成滤波器，请从工作区根目录开始：

cd xmath_walkthrough/src/stage11
python ../../lib_xcore_math/lib_xcore_math/script/gen_fir_filter_s32.py --taps 1024 userFilter coef.csv

输出应类似于以下内容：

workspace/xmath_walkthrough/src/part4C> python ../../lib_xcore_math/lib_xcore_math/script/gen_fir_filter_s32.py --taps 1024 userFilter coef.csv
Filter tap count: 1024
Files to be written:
  ./userFilter.h
  ./userFilter.c

--taps选项用于确保转换后的滤波器具有预期的滤波器系数数量。

实现

第4C部分中的rx_frame()和tx_frame()与第4B部分中的相同。第4C部分还包括两个额外的文件userFilter.h和userFilter.c，这些文件是由滤波器转换脚本生成的。这些文件被设计为不透明的，但非常简单，所以可以随意查看。

src/part4C/part4C.c
/**
 * This is the thread entry point for the hardware thread which will actually 
 * be applying the FIR filter.
 * 
 * `c_audio` is the channel over which PCM audio data is exchanged with tile[0].
 */
void filter_task(
    chanend_t c_audio)
{
  // This buffer is where input/output samples will be placed.
  int32_t sample_buffer[FRAME_SIZE] = {0};

  // Initialize userFilter. userFilter allocates and manages its own buffers and
  // filter object, so no buffer needs to be supplied.
  userFilter_init();
  
  // If userFilter_exp_diff is not 0, the results will be wrong.
  assert(userFilter_exp_diff == 0);

  // Loop forever
  while(1) {

    // Read in a new frame
    rx_frame(&sample_buffer[0], 
             c_audio);
    
    // Compute FRAME_SIZE output samples.
    for(int s = 0; s < FRAME_SIZE; s++){
      timer_start(TIMING_SAMPLE);
      // userFilter() is the generated function to add a new input sample and get
      // back the filtered result.
      sample_buffer[s] = userFilter(sample_buffer[s]);
      timer_stop(TIMING_SAMPLE);
    }

    // Send out the processed frame
    tx_frame(c_audio, 
             &sample_buffer[0]);
  }
}

我们可以看到，这只是第10阶段中filter_task()的简化版本。在这里，我们不需要手动声明状态并显式初始化filter_fir_s32_t对象，而是调用生成的函数userFilter_init()（来自userFilter.h）来为我们初始化所有内容。然后，我们不再调用filter_fir_s32()来获取新的输出样本，而是使用我们的新输入样本调用userFilter()。

结果

时间

时间类型	测量时间
每个滤波器系数	4.81 ns
每个输出样本	4920.95 ns
每帧	1311088.12 ns

输出波形

第4C部分输出

来自lib_xcore_math​

生成滤波器​

实现​

结果​

时间​

输出波形​

来自`lib_xcore_math`

生成滤波器

实现

结果

时间

输出波形