- 博客(109)
- 收藏
- 关注
RSS订阅原创 国内智驾芯片 vs 特斯拉FSD芯片：架构横向对比与GPGPU路线梳理
本文对比国内智驾芯片与特斯拉FSD芯片架构，梳理第三方供应商（地平线、华为、英伟达）与车企自研（比亚迪、蔚来、小鹏、理想）的差异化路径。核心差异在于：国产芯片多走异构通用或特定领域优化路线，强调兼容性与算力利用率；特斯拉则以全栈自研、极致专用为特征，从AI4到AI5持续“做减法”，移除GPU/ISP，实现端到端延迟与能效最优。数据流架构（如理想马赫M100）尝试突破内存墙，而算力指标因口径不同不可直接比较。英伟达与高通代表GPGPU路线，依赖通用计算生态，但能效相对较低。
2026-11-06 11:09:47
268
原创 AI 处理器架构演进与国产 AI 芯片路线解析
本文梳理了从CPU到GPU、TPU再到华为达芬奇架构的演进脉络，揭示核心线索：当算力不再是瓶颈，数据搬运成本成为关键。各架构本质是在优化数据流动链条的不同环节——CPU重控制延迟，GPU以并行淹没延迟，TPU用脉动阵列极致复用权重，达芬奇则通过Cube/Vector/Scalar三单元并行与MTE硬件转换，在矩阵效率与灵活性间取得平衡。同期架构如TPU延续专用化路线，而国产芯片如海光、寒武纪、地平线等则基于不同技术路径探索自主突破，共同指向“高效数据流”这一AI芯片设计的核心命题。
2026-11-04 17:27:33
312
原创 Tile ISA 与 PTO 算子详解：AI 芯片的块级编程抽象
面向 RISC-V NPU 架构研究、gem5 仿真、AI 编译器前端（tinygrad）链路的调研整理关键词：Tile ISA · PTO 算子 · 昇腾 CANN · 脉动阵列 · gem5 · tinygrad · Triton · Gemmini。
2026-11-02 13:56:30
320
原创 硬刚DeepSeek: UDPC与MTFAA的血缘辩论
UDPC更像是一个“优化工具”，它告诉你“如何让一个庞大的网络跑得更快”；而MTFAA-Net则更像是一个“性能引擎”，它告诉你“如何设计一个更强大的网络来得到更好的结果”。两者在“时频双路径”处理上有理念的相似，但UDPC将此理念用于压缩，而MTFAA-Net则将其用于特征建模。如果你关心的是如何在资源受限的设备上部署模型，UDPC的思路更有参考价值；如果你关心的是如何提升语音增强任务本身的性能上限，那么MTFAA-Net的架构设计更值得深入研究。
2026-07-16 20:16:19
420
原创 又发现了一个巨人的肩膀：auraloss:Audio-focusedlossfunctionsinPyTorch
起步基线：使用 SI-SDR Loss + Multi-Resolution STFT Loss 的组合，这是最稳妥、最高效的选择。感知优化：若基线在听感上不理想，可引入 TAPLoss 或 PESQ Loss 作为辅助。解决特定问题：若模型出现明显失真，可尝试 NAALoss 或 NDA Loss。回声消除专项：在损失函数中加入针对残留回声的惩罚项，或引入多任务学习。
2026-07-15 19:48:49
206
原创 MTFAA-Net学习笔记
MTFAA-Net学习笔记摘要 MTFAA-Net是一种用于语音增强的多尺度时频卷积网络，通过轴向注意力机制提升性能。其核心框架为编解码结构，包含频率下采样（FD）、编码器主体（TFCM+ASA）、瓶颈层、频率上采样（FU）和解码器主体模块。网络默认针对48kHz音频设计，但可通过调整参数（如窗长512、帧移128）适配16kHz场景，保持参数量不变（约215万）。相位编码器（PE）通过复数卷积将相位信息融入实数特征，关键处理包括复数二维卷积、级联和动态范围压缩。输入支持单麦克风降噪（n_sig=1）或回声
2026-07-08 16:02:56
351
原创 模拟增益与数字增益对信噪比（SNR）影响的定量公式及差异分析
信号与输入噪声同时放大 G 倍，ADC量化噪声不变。因此，在弱信号测量中（信号远小于ADC满量程），采用模拟增益可以大幅提升信噪比，而数字增益则无效。· 数字增益：不能降低量化噪声的相对贡献，反而放大所有噪声，信噪比始终等于输入信噪比（以下是模拟增益与数字增益对信噪比（SNR）影响的定量公式及差异分析。· 模拟增益：将ADC量化噪声等效到输入端时，其功率被除以。此时系统受限于输入噪声，模拟增益无额外好处，但也不会更差。（20dB模拟增益），信噪比可提升20dB。5.1 当输入噪声远小于量化噪声（
2026-04-14 09:23:01
430
原创 麦克风阵列坐标、角度与到达时延换算（波束成形核心科普）-- 来自豆包
本文专为复习波束成形（MVDR/GSC）核心原理设计，聚焦「麦克风阵列坐标→方向角→到达时延」的完整换算逻辑，用通俗语言+工程实操公式，讲透每一步原理，避免复杂冗余，适合后续复习查阅，配套之前的波束成形流程图、阵列坐标案例（AISHELL-4、CHiME4），无缝衔接实际代码应用。结论：M03在正前方（Y轴正方向），比阵列中心多走0.06m，声音先到达M03，再到达阵列中心，时延约175微秒。结论：M01在X轴正方向，声源在正前方，投影距离为0，声音同时到达M01和阵列中心。计算1：M01的到达时延。
2026-04-10 16:29:22
541
原创 BF信号是如何多路合一的
│ │ Ch2 ────┼──┼──▶ w₁·x₁ + w₂·x₂ + …│ [AIC] ─────┴─▶ 估计的干扰 ─────┘ │。│ Ch2 ─┤ 时延补偿 │ 延迟求和 │ │ │。│ ChM ─┘ │ 主路径 减法器──▶输出│。
2026-04-07 14:08:50
441
原创 从vibe coding迈向harness engineering，和shit hill 与 熵增说byebye。
是“启蒙运动”，让所有人看到了AI编程的可能性。是“工业革命”，找到了如何规模化、工程化地使用AI的方法。是“专业分工”，重新定义了人在AI时代的核心价值和角色。如果你还在享受Vibe Coding的乐趣，说明你正处在AI编程的探索期；如果你开始思考如何设计“缰绳”来驾驭AI，说明你进入了Harness Engineering的实践期；而当你意识到自己的价值在于指挥AI代理完成复杂系统时，你就已经是一个Agentic Engineer了。
2026-02-27 13:55:45
807
原创 学习笔记：SKILLS 能帮助更好的vibe coding
引用“Skills are reusable capabilities for AI agents.”用一个码农思维，就是ai对通用性的/专用性的东西封装的一个api。摸索了一段ide 和open code等环境，切实体会到生成模型的shithill能力，也许skill能让AI给出更加靠谱的代码。
2026-02-25 16:15:21
589
原创 2026年第一篇（LLM的搬运工）：梅尔谱与巴克谱的笔记，梅尔普和bark谱都能还原到fft 频率谱线吗？
用 Bark 滤波器组的转置矩阵将 Bark 域增益“投影”回线性频率域。
2026-02-13 13:37:00
676
原创 回望ICASSP 里的AEC都进化成什么样了
IEEE International Conference on Acoustics, Speech and Signal Processing这个学会应该是语音处理的活跃殿堂，微软开始举办的Acoustic Echo Cancellation Challenge，以后历经了三年4界，可能课题本身太过单一狭窄，后续又归入ICASSP 大专题里了，不过最近今年随着神经网络的日新月异，Acoustic Echo Cancellation的能力也是越要越好。这个篇论文他的模型。
2025-12-24 14:42:46
682
原创 学习Hammerstein-Wiener 模型，以及在回声消除场景中的应用
Hammerstein-Wiener模型是回声消除领域的瑞士军刀，能处理绝大多数非线性问题。使用廉价音频硬件（非线性严重）高音量应用场景（接近饱和区）专业音频系统（追求极致质量）汽车、航空等严苛环境对于固定腔体回声消除问题，如果腔体本身有非线性（如材料非线性），麦克风也可能有非线性，那么HW模型很可能提供最佳解决方案。从历史上看，几乎所有成功的商业回声消除系统，最终都采用了某种形式的HW模型或其变种，忽然对此模型有一种相见恨晚的感觉。
2025-12-11 17:03:43
1019
原创 比汉明/汉宁兄弟更好的选择-‘WOLA‘(weighted overlap-add ) 里跑进了PFBs (polyphase filterbanks)
多相滤波器组 (Polyphase Filter Bank, PFB) 是一种高效的信号处理算法，用于将宽带输入信号分解成多个独立的频率通道（或子带），或者进行反向合成。在射电天文学中，PFB 技术是许多新一代望远镜和仪器（例如 ASKAP 和 SKA）的核心。更优的信道隔离\bold{更优的信道隔离}更优的信道隔离： 简单的 FFT 会产生频谱泄漏（spectral leakage），即一个频率通道的能量会“泄漏”到相邻通道中。
2025-09-16 17:26:04
1204
原创 学习一下IPNLMS算法
IPNLMS是标准NLMS（归一化最小均方）算法的一个变种，专门为稀疏系统（即其脉冲响应中大部分系数接近零，只有少数几个系数显著不为零）的辨识而设计，例如声学回声路径（Acoustic Echo Path, AEP）就是典型的稀疏系统。它的核心思想是：不对所有滤波器系数使用相同的更新步长，而是根据每个系数自身的大小按比例地进行更新。 大的系数获得更大的更新步长，从而加快收敛；小的系数获得更小的更新步长
2025-09-03 15:59:28
1094
原创 声学仿真软件ABC
声学仿真软件选择指南：文章对比了6款主流声学仿真软件（COMSOL Acoustics、Simcenter Acoustics、Actran等）的核心技术与应用场景。不同行业推荐选择不同软件：汽车NVH首选Simcenter，家电电子推荐COMSOL/Wave6，建筑声学用Odeon，气动声学选Actran。核心技术包括有限元法（FEM，适合复杂几何）和边界元法（BEM，适合开放场问题），各有优缺点。FEM需全域离散，BEM只需边界离散但计算量大。文章还通过比喻形象解释了这些数值方法，并提供了各厂商的技术说
2025-08-27 15:58:54
1261
原创 笔记：跟着deepseek学习测试adc指标
本文介绍了ADC（模数转换器）关键性能指标及其测试方法。核心指标包括分辨率、有效位数（ENOB）、信噪比（SNR）、总谐波失真（THD）、动态范围（DR）等，并详细说明了利用正弦波信号和FFT分析计算ENOB、THD+N等参数的数学原理。测试时需注意使用-60dBFS小信号避免非线性失真，通过特定公式将测量值转换为实际指标。测试环境需信号源、示波器等硬件配合Python/Matlab进行数据分析，重点通过频域分析和直方图法评估性能。文章还提供了实际测试中的优化建议，如抑制时钟抖动等。
2025-08-15 10:49:07
1216
原创 站在哪个肩膀上去学习卡尔曼滤波
不知道是不是每个想入局卡尔曼的同学都面临同样的问题，敲笔记之前浏览了一遍参考的东西，各种角度给出了非常生动的介绍，手里还有一本清华大学张贤达老师《现代信号处理》也从自适应滤波器的角度对卡尔曼滤波器的推导。虽然大模型也能给出示例程序，运行结果也能感受的到算法的魅力，但肉眼凡胎还是要亲自学习理解一下，那就学院派先来，笔记一下张老师的推导思路。
2025-07-25 15:10:19
1051
原创 给volterra滤波器插上自适应的翅膀，管窥其在回声消除领域的应用
自适应volterra滤波在非线性系统识别，回声消除领域的应用时间也不断了，论文能找到1985年的。浏览了一圈，决定先找一篇不太老的文章翻译阅读理解一下，看看能不能对有一个理解。
2025-07-16 15:10:59
893
原创 volterra滤波器知多少
意大利数学家Volterra在1880年提出的一种泛函级数，用以推广Taylor级数，适用于研究积分方程和非线性系统。它的数学表达式是一个无穷级数，其中包含输入信号的多项式项，每一项都与输入信号在不同时间点上的值有关，反映了系统的非线性和记忆特性。Volterra级数的每一项称为内核（kernel），系数用w表示，不同的阶数L1, L2, …, Lm代表了系统的不同非线性程度和记忆长度。
2025-07-10 18:07:13
1504
原创 撸一撸数字麦克风相关的核心技术
ECM和MEMS的演进应该有很多故事，但这里最值得关注的是MEMS麦克风提供了数字输出接口，相对于传统的模拟电平传感器，用户可以直接省掉ADC，目测成本上似乎更有优势，但数字输出的格式不是数字音频工程师最熟悉的PCM，而是PDM。
2025-02-11 17:11:56
1357
原创 捋一捋相关性运算，以及DTD和NLP中的应用
翻阅了很多资料，给出的定义和描述也大同小异，但真的想一针见血的区分出来这两个概念，以至于看papers的时候不要脑子混浆浆的，那还要从频域的角度思考，相关性-correlation 应该理解为一种更为广泛的信号相似度评价指标，而相干性-coherence更加注重在某一个频率上两个信号相位的关系，即恒定相位差的两个同频信号（分量）具备相关（相干）性，所指的范围更加狭义了一些。不失一般性的胡说，且认为相关性是相干性的时域体验，相干性是相关性的频域分解吧。这个等式的开根号自功率谱是实数，所以频响的相位特征有。
2024-12-23 15:15:59
1471
原创 STFT框架下的回声抑制
经典的AEC消除方法就像一顿精致的大餐，每个细节都值得推敲，一些偷懒的手段都会被解释的清清楚楚，那么有没有不那么“正儿八经”的频域办法来去除这些恼人的回声呢？那肯定很多，下面就简单的记述一些经过STFT变换后的回声去除办法。这篇文章诞生于2001年，本身论述了再频域经过STFT变换后的频谱自适应跟踪算法，比较经典的AEC算法，这更像是麦当劳这样的快餐，口感好管饱，哈哈。文中提到使用了rls方法，以及此类算法对crossband的一些依赖，但公式没有推导。
2024-11-29 16:38:43
1145
原创 学习梳理一下用于AEC的LMS频域实现方法以及基础知识
很显然后者是从数学推导的方式给了一个复数域更新lms参数以及得出误差信号的结果，并没有谈到时频变换的问题，而前者想到了如果把时域信号分块的变换到频域，采用每块更新参数的方法，将会大大减少计算量，按照文中的计算方法，1024点FFT的块更新方法，能节省的计算量非常的可观。是为了解决DFT的问题而提出来的，的FIR滤波器搬到频域实现属于基本的数字信号处理问题，这个问题首先要解决的是圆周卷积产生的混叠，最好的办法是找到与线性卷积等价的策略，这个策略就是补0。两篇论文，这两篇又大概是20世纪80年代初期的论述。
2024-11-20 17:25:30
694
原创 几个好用的audio数字信号处理的开源地址marks（持续更新中）
可以看到主要来自Columbia University Computer Music Center (CMC)的一个邮件list，amazing。这里主要专注音乐相关的数字信号处理算法，非常又启发的一个站点。介绍，SOF项目是针对声音处理的开源固件平台， BSD 3-clause license协议, firmware部分使用者有比较大的自由度。cmsis提供了dsp库可以支持再arm系统快速实现音频的一些功能。安卓用的东西，可靠性还是值得信赖的。是一个c++的库，引用网站的话。
2024-04-01 15:17:32
1275
原创 Flac 资料学习笔记
Free Lossless Audio Codec raft-ietf-cellar-flac-14home faq download links documentation changelog developersxiph/flacflac-test-files音频文件格式–Vorbis编解码 Fish Logo and Xiph.org 关于FLAC你所要知道的那些事情FLAC是一套著名的自由音频压缩编码时隔近10年：无损音频编码FLAC终于发布1.4版本
2024-03-02 21:17:45
835
原创 windows下玩anaconda和librosa遇到的一些坑
在conda里安装soundfile应该是不可能的，最后查阅网站，在conda的虚拟环境下，用pip install pysoundfile安装成功，然后再回头安装librosa
2023-09-23 14:04:38
704
1
原创 了解一下chirp，扫频信号的生成
chirp信号作为测试激励信号，用处很多，搜索了一下也有很多成熟的应用，如matlab和python都能生成，可以从获取示例代码自己来生成chirp。如果深究内在原理，可以参考博文的介绍，但该文生成的是指数级的扫频，其频谱曲线如下图：为此，编写线性生成扫频，结合起来更加方便，贴在下面供需要的参考一下；
2022-12-18 19:50:03
2632
原创 ALC AGC DRC-容易混淆的音频前端算法
音频前端距离模拟端最近的数字信号是需要动态改变幅值的，输出端即希望饱满的声音，有担心幅值大引起失真，所以DRC就必不可少，简单的可以用limiter来处理；采集端希望捕获的信号能在最佳表达区间，所以agc就需要了，如果没有真实的模拟gain控制，也可称为alc-自动电平控制（这么解释也很牵强，两者的表达的控制主体不一样，实质是一回事），即对采集的信号进行数字增益控制。
2022-10-18 20:50:21
7907
原创 回顾链表的点点滴滴
回顾链表的点点滴滴基础二级目录三级目录基础链表是比较经典的数据结构，但很多面向过程的软件用的不多，而涉及OS的代码又封装了几层，所以说用的多，但真正有机会去一窥究竟的时候却不是很多。二级目录三级目录...
2022-02-02 18:32:41
1006
原创 ubuntu的一些常用软件安装
ubuntu的一些常用软件安装nvdia工具beyondcompareto be updatednvdia工具apt install nvidia-cuda-toolkitapt install nvidia-utils-470他们提供了nvidia-smi和nvcc两个常用的工具beyondcomparewget https://www.scootersoftware.com/bcompare-4.4.1.26165_amd64.debsudo apt updatesudo apt in
2022-01-28 11:26:13
1301
原创 研究一下exp, ln, pow的数值计算
exp, ln, pow的数值计算一级目录二级目录参考一级目录二级目录参考Numerical Approximationshow is log(x) calculated指数函数e^x的快速计算方法DSP Trick: Quick-and-Dirty Logarithms
2021-11-05 16:46:25
3894
原创 高斯-勒让德积分学习
高斯-勒让德积分求解函数积分前言高斯-勒让德积分参考前言梯度和辛普森是经典的几何求积分方法，简单易懂，那如果要更加高档（复杂难懂）的求积分方法找哪家了？高斯-勒让德积分当仁不让。举例来说，下面这个公式看着很高档，但真的要用C来实现还真的有些令人头痛。Ak^=ξk1+ξkexp{12∫vk∞e−ttdt}Rk\begin{aligned}\hat{A_k}&=\frac{{\xi_k}}{1+\xi_k}exp \Big \{ \frac{1}{2}\int_{v_k}^{\infty}\
2021-11-03 15:23:12
9138
原创 C语言积分思想和算法学习
用C语言积分的资料收集C语言积分Trapezoidal RuleSimpson's Rule参考文档C语言积分标准C语言的积分好像很难，至少收集资料前是这么想的，当收集完资料，看到各位前辈的介绍，又重拾信心，梳理记录一下，以备后用吧。翻了翻参考文献，打底利用数值计算的方法都是利用微积分的思维，小图像累加求和来做的。实用的算法分为梯形算法（Trapezoidal Rule）和辛普森算法（Simpson’s Rule），那么区别和性能呢？本文的图形都来自文献IntegrationTrapezoidal
2021-10-29 18:33:19
1586
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人