Auto Apprentissage Le DSP

Présentation au sujet: "Auto Apprentissage Le DSP"— Transcription de la présentation:

1 Auto Apprentissage Le DSP
Promotion 2007

2 Sommaire Introduction I Qu’est ce qu’un DSP
II Différences entre un microprocesseur et un DSP  III Architecture de Von Neuman et de Harvard  IV Types et formats de données manipulés par les DSP  V Performances des DSP VI Mesures et outils de développement  VII Structure DSP VIII Les DSP aujourd’hui Conclusion

3 I Qu’est ce qu’un DSP DSP cœur du système DSP Mémoire Entrées/Sortie
Filtre Passe - Bas DSP Mémoire Entrées/Sortie Convertisseur Numérique Analogique Signal original Signal traité

4 I Qu’est ce qu’un DSP Avantage d’un DSP Souplesse de programmation
Possibilités propre aux systèmes DSP Stabilité Répétabilité

5 I Qu’est ce qu’un DSP Retour Structure interne
Traitement numérique du signal: Opp arithmétiques de base A=(B x C) + D Signal original x(n-i) Accumulateur A.L.U. Retour

6 un microprocesseur et un DSP
II Différences entre un microprocesseur et un DSP Opérateur MAC A=(B x C) + D -> 80 cycles avec Motorola 6800 -> 1 cycle avec un DSP Accès mémoire optimisé Retour

7 Von Neuman et de Harvard
III Architecture de Von Neuman et de Harvard Architecture de Von Neuman Données et programmes sur un bus commun Inconvénients:lecture en 1 seul cycle

8 Von Neuman et de Harvard
III Architecture de Von Neuman et de Harvard Architecture de Harvard Mémoire programme et données séparées Accès des 2 mémoires par chemin distinct Lecture de l’instruction et de la donnée en 1 seul cycle

9 Von Neuman et de Harvard
III Architecture de Von Neuman et de Harvard Utilisation de ces structures Harvard plutôt utilisé dans les DSP (Applications temps réels) DSP a structure de Von Neuman (Cout inférieur)

10 Von Neuman et de Harvard
III Architecture de Von Neuman et de Harvard Architecture de Harvard modifiée Pour réduire les coûts A l’extérieur un bus de données et un d’adresse (Von Neuman) A l’intérieur 2 bus de données et 2 d’adresses Retour

11 IV Types et formats de données
manipulés par les DSP DSP à virgule flottante

12 IV Types et formats de données
manipulés par les DSP Permet de ne pas se soucier des limites Coût de fabrication supérieur Applications Traitement d’images Précision recherchée (traitement audio phonique) Signal de grande dynamique

13 IV Types et formats de données
manipulés par les DSP DSP à virgule fixe Méthode du complément a deux

14 IV Types et formats de données
manipulés par les DSP Plus compliqués a programmer Calculs sur 32 stockés sur 16 bits Problème des arrondis ->déterminer a l’avance la dynamique nécessaire

15 IV Types et formats de données
manipulés par les DSP Virgule fixe ou flottante? Virgules flottantes Virgules fixes

16 V Performances des DSP Mesure de vitesse de calcul pur

17 V Performances des DSP Retour
Mesure du temps d’exécution de programmes standard Retour

18 outils de développement
VI Mesures et outils de développement  Partie matérielle Mise en œuvre du DSP Création de chaîne d’acquisition Partie logicielle Programmation avec outils adaptés aux DSP

19 outils de développement
VI Mesures et outils de développement  Exemple de processus de développement typique Retour

20 VII Structure DSP 1)Structure matérielle de développement
Deux environnements de développement DSP - Création de sources, bibliothèque, assemblage - Outils de test et de déboguage de logiciel 2) Le simulateur 3) L’émulateur temps réel 4) Bilan - Les DSP en chiffres - Le traitement du signal est fort courtisé - Les DSP ont « réponse à tout »

21 VIII Les DSP aujourd’hui
Les DSP parmi différents types de processeurs Coût croissant Nombre croissant Généralistes – haute performance Pentiums Processeurs DSP Ex:Téléphones portables, électronique grand public (Lecteurs de CD, etc.) Microcontrôleurs – Mot de petite taille: 8 bits – Automobiles, thermostats,électroménagers.

22 VIII Les DSP aujourd’hui
Exemple d’application

23 VIII Les DSP aujourd’hui
La R&D industrielle autour des DSP en France Texas Instruments : Villeneuve-Loubet Motorola : Saclay, Toulouse,Crolles ST Microelectronics : Crolles, Rousset ARM : Sophia Antipolis Atmel : Rousset In_neon : Echirolles

24 Le DSP L’auto apprentissage
Conclusion Le DSP L’auto apprentissage

25 Merci de votre attention