DSP對電子系統設計來說非常重要，因為它能夠迅速地測量、過濾或壓縮即時的模擬信號。這樣有助于實現數字世界和真實（模擬）世界的通信。但隨著電子系統進一步精細化，需要處理多種模擬信號源，迫使工程師不得不做出艱難的決策。是使用多個DSP并將其功能與系統的其余部分同步更具優勢？還是采用一個能夠處理多功能的具有精細軟件的高性能DSP更具優勢？
由于當今的系統非常復雜，在許多情況下，單DSP的實現方案根本沒有足夠的處理能力。同時，系統架構也不能滿足多芯片系統帶來的成本、復雜性和功耗要求。
FPGA已成為需要高性能DSP功能的系統的理想選擇。事實上，與單獨的數字信號處理器相比，FPGA技術常常能夠為高難度的DSP挑戰提供大為簡化的解決方案。要明白其中的緣由，需要回顧一下DSP的起源以及發展。
圖1：傳統的DSP架構。
專用微處理器
在過去二十年里，傳統的DSP架構一直在竭盡全力地跟上不斷提高的性能需求的步伐。但隨著視頻系統大踏步地邁進高清和3D時代，并且通信系統為實現更高帶寬已將現有技術發揮到極致，設計人員需要替代性的實現策略。常用于實現數字信號處理算法的硬件不外乎如下三種基本器件之一：微處理器、邏輯電路和存儲器。部分設計還需要額外的硬件來實現模數（A/D）和數模（D/A）轉換以及高速數字接口。
傳統的數字信號處理器是設計用于實現專門目的的微處理器。這類處理器非常適合算法密集的任務，但是性能卻受時鐘速率和其內部設計順序性的限制。這限制了它們對輸入數據采樣每秒最多執行的運算次數。一般來說，每執行一次算術邏輯單元（ALU）運算需要三或四個時鐘周期。多核架構可以提升性能，但是提升幅度仍然有限。因此，采用傳統的信號處理器設計必須將架構單元重復用于算法實現。對每次執行的加、減、乘或其它任何基本運算，不論是內部還是外部反饋，每次執行都必須循環通過ALU.
不幸的是，在處理當今眾多的高性能應用時，這種傳統的DSP難以滿足系統的要求。在過去為此提出過多種解決方案，包括在一個器件中使用多個ALU，或在一塊板上布置多個DSP器件。然而，這些方案往往會造成成本的大幅上升，并且只是把問題推向另一個領域。例如：用多個器件提高性能遵循指數曲線。要讓性能提高一倍，需要兩個器件。再提高一倍，則需要四個器件，依此類推。另外，編程人員往往從注重信號處理功能轉為注重多個處理器與內核之間的任務調度。這樣會產生大量的附加代碼，而且這些代碼會成為系統開銷，而不是用于解決眼前的數字信號處理問題。
FPGA技術的引入為解決DSP實現方案日益增長的復雜性帶來了福音。FPGA最初開發用于整合和集中分立的存儲器和邏輯電路，以實現更高的集成度、更出色的性能以及更高的靈活性。FPGA技術已成為當今使用的幾乎每一款高性能系統的重要組成部分。與傳統的DSP相比，FPGA是由可配置邏輯塊（CLB）、存儲器、DSP邏輯片（Slice）及一些其它元件組成的統一陣列構成的巨大并行結構。它們既可以使用VHDL和Verilog等高級描述語言進行編程，也可以在方框圖中用系統生成器（System Generator）編程。FPGA還提供眾多的專用功能和IP核，用于以高度優化的方式直接完成實現方案。
在FPGA中完成數字信號處理的主要優勢在于能夠根據系統要求定制實現方案。這意味著對于多通道或高速系統，用戶可以充分利用FPGA器件的并行性來實現性能的最佳化，而對低速系統，則可以更多地采用串行方式完成設計。這樣，設計人員就能夠根據算法和系統的要求來定制實現方案，而不必折衷期望的理想設計來迎合純順序器件的諸多局限。另外，超高速I/O通過最大限度地提高從捕捉經處理鏈再到最終輸出的數據流，可進一步降低成本并減少瓶頸問題。
下面以一個同時使用傳統DSP架構和FPGA架構的FIR濾波器實現方案為例，來說明每種解決方案的優劣。
數字FIR濾波器實例
有限脈沖響應（FIR）濾波器是一種使用最廣的數字信號處理元件。設計人員使用濾波器來改變數字信號的幅度或頻譜，通常用于隔離或突出樣本數據頻譜中的特定區域。從這個角度說，可以把濾波器視為信號的預處理方式。在典型的濾波器應用中，輸入數據樣本通過小心同步的數學運算與濾波器系數相結合（這取決于濾波器的類型和實現策略），隨后數據樣本進入下一個處理階段。如果數據源和目的地都是模擬信號，則數據樣本必須首先通過A/D轉換器，而結果則必須饋送給D/A轉換器。
最簡單的FIR濾波器類型采用一系列的延遲元件、乘法器和加法器樹或加法器鏈來實現。
下面的等式是單通道FIR濾波器的數學表達式：
該等式中的各項分別代表輸入樣本、輸出樣本和系數。假設S為連續的輸入樣本流，Y為經濾波后產生的輸出樣本流，那么n和k則對應特定的瞬時時間。這樣，若要計算時間n時的輸出樣本Y（n），則需要一組在N個不同時間點的樣本，即：S（n）、S（n-1）、s（n-2）、…s（n-N+1）。將這組N個輸入樣本乘以N個系數并求和，便可得出最終結果Y.
圖2是一個簡單的31抽頭FIR濾波器（長度N=31）的方框圖。
圖2：長度為31抽頭的FIR濾波器。
在選擇濾波器的理想長度和系數值時，有多種設計工具可供使用。其目的是通過選擇適當的參數來實現所需的濾波器性能。參數選擇最常用的設計工具是MATLAB.一旦選定了濾波器參數，就可以用數學等式實現。
實現FIR濾波器的基本步驟包括：對輸入數據流采樣；在緩沖區組織輸入樣本，以便讓每個捕捉到的樣本與每項濾波器系數相乘；讓每個數據樣本與每項系數相乘，并累加結果；輸出濾波結果。
使用“相乘累加法”在處理器上實現FIR濾波器的典型C語言程序，如下列代碼所示：
/*
*捕捉輸入數據樣本
*/
datasample=input（）；
/*
*將新數據樣本裝入緩沖器
*/
S［n］=datasample;
/*
*將每個數據樣本與每項系數相乘并累加結果
*/
y=0;
for（i=0;i{
y+=k［i］*S［（n+i）%N］;
}
n=（n+1）%N;
/*
*輸出濾波結果
*/
output（y）；
圖3所示的實現方案被稱為相乘累加或MAC型實現方案。這基本上就是用傳統的DSP處理器實現濾波器的方法。采用內核時鐘速率為1.2GHz的典型DSP處理器并以這種方式實現的31抽頭FIR濾波器的最高性能約為9.68MHz，或最大的輸入數據率為968MS/s.
圖3：用傳統DSP實現的MAC.
而FPGA提供了許多不同的實現和優化選擇。如果需要高資源效率的實現，MAC引擎法則相當理想。還是以31抽頭濾波器為例來說明濾波器規范對所需邏輯資源的影響，這種實現方案的方框圖如圖4所示。
圖4：采用FPGA實現的MAC引擎FIR濾波器。
這種設計需要存儲器存儲數據和系數，可以混合采用FPGA內部的RAM和ROM.RAM用于存儲數據樣本，故而采用循環的RAM緩沖器實現。字的數量與濾波器抽頭數相等，位寬按樣本大小設置。ROM用于存儲系數。在最糟糕的情況下，字的數量與濾波器抽頭的數量相等，但如果存在對稱，則可以減少字的數量。位寬必須足以支持最大的系數。因為數據樣本和系數數據都隨每個周期改變，所以需要全乘法器。累加器負責將產生的結果累加起來。因為隨著濾波器采集數據，累加器的輸出會隨每個時鐘周期改變，所以需要捕捉寄存器。當全套N個樣本完成累加后，輸出寄存器負責捕捉最終結果。
如果采用MAC模式，DSP48則非常適用，因為DSP48 Slice內含輸入寄存器、輸出寄存器和加法器單元。實現31抽頭MAC引擎需要的資源包括一個DSP48、一個18kb塊RAM（block RAM）和9個邏輯片。另外，還需要一些邏輯片用于采樣、系數地址生成和控制。如果FPGA內置有600MHz的時鐘，則在一個-3速度等級的Xilinx 7系列器件中，該濾波器能夠以19.35MHz或1，935MS/s的輸入采樣速率運行。
如果系統規范需要更高性能的FIR濾波器，則可采用并行結構來實現。圖5顯示了直接I型實現方案的方框圖。
圖5：采用FPGA實現的直接I型FIR濾波器。
直接I型濾波器結構能夠在FPGA中實現最高性能。這種結構（通常也被稱作脈動FIR濾波器）采用流水線和加法器鏈，使DSP48 Slice發揮出最高性能。輸入饋送到用作數據樣本緩沖器的級聯寄存器；每個寄存器向DSP48提供一個樣本，然后乘以對應的系數；加法器鏈存儲部分乘積，然后依次相加，從而得到最終結果。
這種設計無需外部邏輯電路支持濾波器，并且該結構可擴展用于支持任意數量的系數。因為沒有高扇出的輸入信號，所以這種結構能夠實現最高性能。實現31抽頭FIR濾波器僅需要31個DSP48邏輯片。如果FPGA內置有600MHz的時鐘，則在一個-3速度等級的Xilinx 7系列器件中，該濾波器能夠以600MHz或600MS/s的輸入采樣速率運行。
從這個實例可以清晰地看出，FPGA不僅在性能上顯著超越了傳統的數字信號處理器，而且要求的時鐘速率也顯著降低（因此，功耗也顯著降低）。
這個實例只反映了采用PFGA實現FIR濾波器的兩種技術。為了充分利用數據采樣率規范，可對該器件進行進一步定制，此時，數據采樣率可在連續MAC運算極值和全并行運算極值之間任取。用戶還可考慮在包括對稱系數、插值、抽選、多通道或多速率的資源利用和性能方面進行更多的權衡取舍。Xilinx CORE Generator或System Generator實用工具可以幫助用戶充分發掘這些設計變量和技術。
在傳統DSP和FPGA之間選擇
傳統的數字處理器已經有多年的應用歷史，當然具有為特定問題提供最佳解決方案的實例。如果系統采樣率低于數kHz且為單通道實現，DSP可能是不二之選。但是，當采樣率增加到數MHz以上，或者如果系統要求多通道，FPGA就越來越具優勢。在高數據率條件下，DSP可能只能勉為其難地在不造成任何損耗的情況下采集、處理和輸出數據。這是因為在處理器中存在大量的共享資源、總線乃至內核。然而，FPGA卻能夠為每項功能提供專門的資源。
DSP是基于指令而非基于時鐘的器件。一般來說，對單個樣本上的任何數學運算需要三到四條指令。數據必須首先經輸入端采集，再發送到處理內核，每完成一次運算后再循環通過內核，然后發送到輸出端。相比之下，FPGA基于時鐘，故每個時鐘周期都有可能在輸入數據流上進行一次數學運算。
由于DSP的運算以指令或代碼為基礎，編程機制為標準C語言，或者在需要更高性能的情況下，采用低級匯編語言。這種代碼可能包含高級的決策樹或者轉移操作，而難以在FPGA中實現。例如：存在大量的用于執行如音頻和電話編解碼器之類的預定義功能或標準的遺留代碼。
FPGA廠商和第三方合作伙伴已經意識到將FPGA用于高性能DSP系統的優勢，并且如今已有許多IP核廣泛應用于視頻、圖像處理、通信、汽車、醫療和軍用等大部分垂直應用市場。與將高級系統方框圖映射成為C語言代碼的DSP設計相比，將高級系統方框圖分解為FPGA模塊和IP核會更加簡便易行。
從DSP轉向FPGA
考查一些主要標準將有利于在傳統DSP和FPGA之間做出決策（表1）。
軟件編程人員的數量遠遠超過硬件設計人員的數量，這已是不爭的事實。DSP編程人員的數量與FPGA設計人員的數量之間的關系也是如此。不過，讓系統架構師或者DSP設計人員轉為使用FPGA的難度，并不像讓軟件編程人員轉為從事硬件設計那么大。有大量的資源可以顯著減輕對DSP算法開發和FPGA設計工作的學習過程。
主要的障礙是從基于樣本和事件的方法轉向基于時鐘的問題描述和解決方案。如果能夠在設計流程的系統架構和定義階段就能夠完成，對這種轉換的理解和應用就會簡單得多。由不同的工程師和數學專家來定義系統架構（DSP算法和FPGA設計在某種程度上相互孤立）是很尋常的事情。當然，如果每個成員對其他小組成員面臨的難題有一定程度認識的話，這個過程會順利得多。