PYNQ-Z2调试笔记：使用PL的硬件IP定制overlay实现加速（How to accelerate a function with PYNQ）

本篇主要介绍，使用PYNQ板上可编程逻辑部分的IP核定制overlay，并与python自带的函数进行比较，以突出可编程逻辑部分的加速优势。

---

目录

前言

正文

（1）使用python的scipy模块函数对信号源信号滤波

（2）使用Vivado的滤波器核生成overlay

（3）使用overlay对相同信号源信号滤波，比较时间开销

结尾

---

​​​​​​​

前言

在前面的帖子中：https://blog.youkuaiyun.com/CSD_N_csdn/article/details/105669069，介绍了使用Vivado HLS制作了一个具有加法器功能的IP核，然后使用此IP核定制overlay，并在PYNQ上使用python调用验证功能。

本篇以前面的帖子为基础，省去了制作IP核的部分。一方面，直接调用Vivado的滤波器IP核，生成overlay，然后在jupyter-notebook上调用此overlay，实现对信号源信号的滤波，这用到了可编程逻辑部分，属于硬件加速，计算时间1。另一方面，调用python的scipy模块，scipy模块是具有滤波功能的函数，使用此函数对相同的信号源信号滤波，这属于纯软件实现滤波，计算时间2。将时间1与时间2比较，以突出硬件加速（即overlay方法）的优势。

正文

（1）使用python的scipy模块函数对信号源信号滤波

首先，在浏览器打开jupyter，新建python3文件，输入如下代码，这段代码的大致意思是定义了一个函数，将使用它来绘制数据，n_samples参数可以限制绘制的样本数量。其作用就是绘制一会儿要显示的信号。

%matplotlib notebook
import matplotlib.pyplot as plt

def plot_to_notebook(time_sec,in_signal,n_samples,out_signal=None):
    plt.figure()
    plt.subplot(1, 1, 1)
    plt.xlabel('Time (usec)')
    plt.grid()
    plt.plot(time_sec[:n_samples]*1e6,in_signal[:n_samples],'y-',label='Input signal')
    if out_signal is not None:
        plt.plot(time_sec[:n_samples]*1e6,out_signal[:n_samples],'g-',linewidth=2,label='FIR output')
    plt.legend()

再输入如下代码，用于模拟信号源生成信号，这里生成的信号是低频正弦信号，并混有高频噪声。

#模拟信号源生成输入信号
import numpy as np

T = 0.002

fs = 100e6 #采样频率

n = int(T * fs)   #采样点数

t = np.linspace(0, T, n, endpoint=False)

samples = 10000*np.sin(0.2e6*2*np.pi*t) + 1500*np.cos(46e6*2*np.pi*t) + 2000*np.sin(12e6*2*np.pi*t)

#信号源为200kHz的正弦信号，46MHz和12MHz的低幅度信号作为输入的模拟噪声。

samples = samples.astype(np.int32)   #将样本转换为32位整数
print('Number of samples: ',len(samples))
#输出采样点数
plot_to_notebook(t,samples,1000)  
#画图

运行效果如图，即滤波前的信号：

下面调用scipy函数对上述信号进行滤波，代码如下：

代码中的coeffs为滤波器的系数向量，获取网站https://www.youtube.com/watch?v=LoLCtSzj9BU（需要翻墙），该网站是一个免费的滤波器设计网站。配置通频带、阻带和采样率，点击DESIGN FILTER，即可获取右边的系数向量。