作者：Rehan Tahir，AMD Versal AI Edge ACAP 产品线高级经理
在 AMD，我们对 Versal® ACAP 所搭载的 AI 引擎技术感到兴奋不已，因为在 AMD 和赛灵思服务的众多市场上，其对交付高性能自适应计算起到重要作用。Versal AI Core 与 AI Edge 系列搭载了这种 AI 引擎技术，非常适合对计算加速有着关键需求的用例。
AI 引擎真正实现了功能多用性，可提升机器学习（ ML ）和信号处理应用带来的性能。我们曾经深入介绍过，与 GPU 相比，机器学习 AI 引擎（ AIE-ML ）的单位功耗 AI 性能是 GPU 的 4 倍。不过今天，我们的重点是信号处理，特别是快速傅里叶变换（ FFT ）。
除非您是一名 DSP 专家，否则您可能只会模糊地回忆起大学时期在信号处理入门课上学到的 FFT。幸运的是，您不必重拾书本，就能在 AI 引擎上实现 FFT，因为软件会为您解决最硬核的部分（后续详解）。不过还是要记住，FFT 是有史以来开发出的最重要的算法之一，支持着我们日常使用的几乎所有图像和音频压缩与数字通信。
回到今天的话题，让我们回顾一下 FFT 如何运用于各种应用，如激光雷达、光探测和测距，以及雷达、无线电探测和测距。激光雷达或雷达发射器会发射频率随时间而变化的正弦信号。信号从目标反射，被接收器接收。通过分析接收到的波形的特征，就能计算出目标的位置和相对速度。具体方法就是使用 FFT 查看反射信号的频谱内容。信号幅度与检测到目标的时间成正比，信号频率则与距离目标的远近成正比。通过这种从频域到时域的转换，一系列信号便能生成对某个特定位置有意义的表示，如 2D 或 3D 点云或 4D 雷达，从而生成图像。对于汽车应用，总 FFT 吞吐量相对较低——需要小于 1 GSPS。对于特定的雷达或通信应用，可能需要高达 10-15 GSPS 的采样率。
现在我们已经了解了 FFT 的高级功能，接下来我们将介绍如何借助 AI 引擎发挥 FFT 的优势。
我们的 GitHub 站点提供了详细的教程，完整讲解了在 VCK190 评估套件上实现 2D FFT 的过程。教程先概述了设计流程，接着详细讲解了软硬件实现方案。简化设计流程的关键在于 Vitis DSP 库内提供的 FFT 内核。详细的性能数据有助于用户掌握每种设计变体的资源利用率、时延、吞吐量和功耗。此外，也提供了在 Versal AI Edge 系列上实现 FFT 所需的设计资源。
如果您想更多地了解借助 Versal AI Edge 系列实现的 AI 性能，请加入我们的抢先体验计划。
