并行处理单元（PPU）是集成在英飞凌AURIX™ TC4x微控制器系列中的协处理器。PPU旨在卸载主CPU的信号处理、滤波和其他数学运算，从而为要求严格的应用程序（例如实时控制、传感器信号处理和轨迹规划等）提供高计算能力和缩短执行时间，并且能支持实现简单的神经网络算法。

本文将简要介绍PPU的内部结构、功能和应用领域。

1. PPU内部结构




图1.  TC4x微控制器示意框图


图1是TC4x 微控制器示意框图，图中右上角是PPU的简化结构，由标量核（scalar core），向量核（vector core/SIMD core），一级缓存，及其它系统资源组成。


01

标量核（Scalar Core）：标量核用于执行大量的标量运算，以及任务调度。标量核支持多种算术运算和逻辑运算，还支持硬件浮点运算，从而实现更高的计算效率。另外，标量核提供丰富的硬件功能安全机制，可以辅助实现高功能安全等级的任务。


02

向量核（Vector core/SIMD Core）：向量核是 PPU 的另一个重要功能模块，专门用于执行向量运算。向量核支持多种向量算术运算、逻辑运算和专用信号处理，支持整型数和浮点运算，从而实现更高的计算效率。向量核还支持多级流水线和 SIMD（single instruction multiple data，单指令多数据）指令，对不同数据同时执行同样的操作，通过并行执行多个向量运算来提高效率。


03


一级缓存：一级缓存是PPU用于保存计算输入和输出数据的存储空间。由于结构上和运算核紧密耦合，该缓存可以在PPU 的执行过程中对状态进行快速读写，并且有EDC/ECC保护，从而实现更高的执行效率和更高的可靠性。


04


其它系统资源：包括用于快速数据搬运的DMA，共享内存区等等。


2. SIMD 和VLIW指令


2.1 SIMD（Single Instruction Multiple Data）指令


SIMD（Single Instruction Multiple Data）指令是一种并行指令，可以同时对多个不同数据进行相同的操作。这种指令可以大幅提高计算效率，特别是在执行向量运算时效果更为明显。


PPU 的 SIMD 指令集包括多种运算指令，如数学运算、逻辑运算等。这些指令都是并行指令，可以同时对多个数据进行操作，从而大幅提高计算效率。例如，PPU 的 SIMD 加法指令可以一次性对多个数据进行加法运算，从而实现更高的计算速度。


下面是一个示例，假设有两个向量 A 和 B，每个向量包含 16 个 16 位整数 ，要计算 A 和 B 的和。如果使用不支持SIMD指令的标量核，代码示例如下，需要进行16次循环运算，将不同的A、B 数据依次顺序进行加法操作，相当费时。






而如果使用支持SIMD指令的 PPU进行运算，则可以一次完成，假设PPU位宽是256bit（=16*16bit）:






由此可见，支持SIMD指令的PPU在进行向量运算时，通过降低同样运算的处理次数，找元件现货上唯样商城，从而有效节省运算时间，提高处理效率。


2.2 VLIW（Very Long Instruction Word）指令


VLIW（Very Long Instruction Word）是一种处理器的并行架构，允许在单个时钟周期内，由处理器的不同部件同时执行多个操作。


例如，如果要执行两个复向量A和B的乘法 ，结果存储在向量C中。






C语言实现如下：






如果在标量核上运算，会顺序执行下列代码，并循环多次：






PPU内的向量核有三个处理单元，包括两个浮点运算器，和一个读取/存储部件用于将RAM中的数据搬运到核内寄存器。这三个部件可以同时运行，形成指令层面的并行机制，从而实现VLIW指令。


上列代码由PPU处理，可以将第4和第5行的乘法运算分别分配给两个浮点运算器同时处理，如下红框所示。而在下个指令周期内，第7，8，9行的指令可以分配给三个部件同时处理，如下蓝框所示。从而将原先需要12条指令周期运行的代码缩短到9条（12-1-2=9）指令周期，提高执行效率。








3.  应用场景


PPU适用于不同应用场景，图2 列出了三种较常见的算法。第一种是将时域信号转变为频域信号，以提取频率信息的快速傅里叶变换（FFT）。FFT 在数字信号处理中得到了广泛的应用，如音频信号处理、毫米波雷达信号处理等。





图2. PPU实现的算法


第二种是多层感知算法，它是一种基于人工神经网络的机器学习算法，可以用于分类、回归和模式识别等应用。MLP 由多个神经元组成，每个神经元都包含多个输入和一个输出。MLP 通过学习输入和输出之间的映射关系，从而实现对新数据的预测和分类。MLP 在机器学习和数据挖掘中得到了广泛的应用。除此之外，MLP 还可以用于控制和优化问题。例如，MLP 可以用于控制系统和过程控制，如传感器信号处理分类、辅助驾驶、自动驾驶等。


第三种是卡尔曼滤波，该算法是一种基于状态空间模型的滤波器，可以用于估计未知变量的状态和参数。卡尔曼滤波通过利用系统的动态模型和传感器的观测值，递归地对状态进行估计和预测，从而实现对系统的状态进行优化和控制。卡尔曼滤波在自动控制和信号处理中得到了广泛的应用，例如，卡尔曼滤波可以用于目标跟踪、路径规划算法等。


4. 开发工具


新思科技（Synopsys）为PPU提供了丰富的开发工具资源【1】，包括Metaware编译器及软件组件，下列表格列出了相关工具组件：



软件组件


描述


MetaWare开发工具包


该工具包包含支持内核和应用程序开发编程的C/C++和OpenCL C编译器。它还包括一个调试器和nSIM PPU模拟器，用于调试、分析和优化内核和应用程序。


Simulink®基于模型设计的支持


从MATLAB模型自动生成优化代码，以便在PPU上执行。


DSP和数学库


这些是为在PPU上执行而优化的库，包括矢量DSP和矢量线性代数库。


MetaWare神经网络SDK


该SDK包括一个神经网络编译器，用于编译和运行为PPU优化的人工智能模型。


AUTOSAR复杂设备驱动程序（CDD）和底层软件驱动（LLD）


CDD为AUTOSAR应用程序的软件组件（SWC）提供PPU服务。

LLD是一个底层软件驱动，用于处理TriCore和PPU之间的通信。


PPU分配器


这是用于在TriCore处理器核心之间进行通信的PPU的静态库。




表1. 新思科技提供的PPU工具组件


上述PPU开发工具链，除了新思科技可提供外，Hightec 在提供TC4x TriCore™ CPU编译器的同时，也集成了Metaware编译工具，及相关软件组件【2】，形成完整的TC4x开发环境工具链。该工具链符合ISO26262 ASIL D，能帮助客户实现快速、可靠、高功能安全等级的基于TC4x微处理器的汽车软件开发。


此外，Tasking也开发了PPU的编译器，并集成在新的SmartCode开发环境中。


5. 总结


总的来说，PPU是一个性能强大的处理器，内部包含标量核、向量核、一级缓存和其它系统资源 等，可以实现高速数字滤波、向量矩阵运算、浮点运算、简单的神经网络等，为要求严格的实时计算应用提供了显着的性能优势。PPU为Tricore 主核卸载了复杂的信号处理和数学运算，使得执行时间更快，而其高可配置性和专用硬件资源使其非常适用于各种应用程序。使用户有更多选择余地，使用不同核构架实施不同性质的运算。