自动驾驶一些问题点
自動(dòng)駕駛一些問(wèn)題點(diǎn)
汽車(chē)以太網(wǎng)如何影響ECU和傳感器設(shè)計(jì)
概述
汽車(chē)以太網(wǎng)不是一項(xiàng)新技術(shù)。但在幾年前，卻很新，以至于沒(méi)有人知道，是否可以集成到汽車(chē)中。雖然，搭載車(chē)載以太網(wǎng)技術(shù)的汽車(chē)已經(jīng)量產(chǎn)，但是，關(guān)于車(chē)輛 ECU 和傳感器如何受該技術(shù)影響的問(wèn)題仍然存在。汽車(chē)以太網(wǎng)如何影響 ECU 和傳感器的硬件部分。在硬件方面，主要討論 PCB、 PCB 上的芯片、連接器、電纜以及不同的芯片、微控制器、DSP等。對(duì)不同的硬件組件進(jìn)行一個(gè)概述。
為了更好地理解不同組件的硬件架構(gòu)（ ECU 和傳感器）如何受到汽車(chē)以太網(wǎng)的影響。定義了一個(gè)具體的應(yīng)用程序示例，更好地了解整個(gè)故事的開(kāi)始以及該應(yīng)用程序如何影響車(chē)輛 ECU 和傳感器的硬件架構(gòu)。
將基于帶有汽車(chē)以太網(wǎng)的高級(jí)駕駛輔助系統(tǒng)，對(duì)整個(gè)車(chē)載網(wǎng)絡(luò)進(jìn)行概述。
圖1 帶有汽車(chē)以太網(wǎng)的ADAS
一般在ADAS系統(tǒng)中，主要有三種類(lèi)型的傳感器——用于視覺(jué)的攝像頭傳感器、用于距離檢測(cè)的雷達(dá)傳感器和用于道路上不同物體大小的激光雷達(dá)傳感器。可以使用不同的以太網(wǎng)技術(shù)，用于將這些傳感器集成到 ADAS ECU。
ADAS實(shí)際上是負(fù)責(zé)處理來(lái)自不同傳感器的所有數(shù)據(jù)的感知過(guò)程，決定由哪個(gè) ECU做出關(guān)于車(chē)輛運(yùn)動(dòng)控制的決定。這是將要做出的決定，例如，如何控制車(chē)輛的制動(dòng)系統(tǒng)、車(chē)輛的動(dòng)力系統(tǒng)以及車(chē)輛的轉(zhuǎn)向系統(tǒng)，ADAS ECU實(shí)際上是高級(jí)輔助駕駛系統(tǒng)的大腦。
如果司機(jī)在開(kāi)車(chē)，當(dāng)司機(jī)犯錯(cuò)時(shí)，ADAS ECU 將負(fù)責(zé)糾正這些錯(cuò)誤。例如，如果司機(jī)忘記剎車(chē)，如果前方有障礙物，ADAS ECU 將檢測(cè)該障礙物，然后執(zhí)行車(chē)輛運(yùn)動(dòng)控制，使車(chē)輛能夠及時(shí)剎車(chē)，避免與位于車(chē)輛前方的障礙物發(fā)生碰撞。
ADAS ECU 上的傳感器
看看傳感器。擁有三種不同類(lèi)型的傳感器。對(duì)于視覺(jué)，有攝像頭傳感器。攝像頭傳感器是為了檢測(cè)物體，將圖片發(fā)送到 ADAS ECU，執(zhí)行圖片識(shí)別和處理算法，以便準(zhǔn)確檢測(cè)環(huán)境中的物體，道路上的物體，車(chē)輛路徑上的物體。
最重要的是攝像頭傳感器會(huì)檢測(cè)到對(duì)ADAS ECU有用的物體。在前部有一個(gè)攝像頭，在右側(cè)和左側(cè)也有一個(gè)攝像頭，在后側(cè)還有一個(gè)攝像頭，提供車(chē)輛的全景視圖，這是一個(gè)關(guān)于 ADAS ECU 的過(guò)程。
在車(chē)輛頂部還有一個(gè)攝像頭傳感器，檢測(cè)道路上很遠(yuǎn)距離的物體。距離很遠(yuǎn)的小物體，可以通過(guò)攝像機(jī)傳感器的視頻檢測(cè)到。可以有寬視野傳感器，以檢測(cè)交通標(biāo)志等，或道路上的一些行人。
只解釋了一個(gè)傳感器，但實(shí)際上，車(chē)輛上的這個(gè)位置可能有多個(gè)攝像頭傳感器。
除了視覺(jué)、檢測(cè)模式外，還有負(fù)責(zé)距離檢測(cè)的雷達(dá)傳感器。通過(guò)天線(xiàn)發(fā)射毫米波等，在障礙物上反射后，反射波會(huì)被雷達(dá)預(yù)處理，檢測(cè)不同的位置，放入傳輸?shù)?ADAS ECU 的以太網(wǎng)幀中。可以訪問(wèn)、評(píng)估和分析該車(chē)輛與其他車(chē)輛或其他道路參與者間的距離，幫助 ADAS ECU 做出有關(guān)車(chē)輛運(yùn)動(dòng)控制的正確決策。
大多數(shù)時(shí)候在同一輛車(chē)上安裝不同類(lèi)型的雷達(dá)傳感器。為了在車(chē)輛上具有不同的感應(yīng)能力，有遠(yuǎn)程雷達(dá)傳感器、中程雷達(dá)傳感器以及短程雷達(dá)傳感器，具體使用哪種傳感器，取決于將要檢測(cè)到的內(nèi)容。
所以，在圖1中，在前面有兩個(gè)雷達(dá)傳感器，一個(gè)在右側(cè)，另一個(gè)在左側(cè)。并且在后部也有相同的配置，而且在中部，也有相同的配置。當(dāng)然這只是一個(gè)例子，實(shí)際設(shè)計(jì)時(shí)，取決于要在車(chē)輛中實(shí)現(xiàn)的功能和功能要求來(lái)配置雷達(dá)傳感器的數(shù)量及位置。
自動(dòng)駕駛需要更多的傳感器，甚至可能是兩個(gè) ADAS ECU。僅談?wù)擇{駛員輔助系統(tǒng)，以便對(duì)網(wǎng)絡(luò)的外觀進(jìn)行概述。
還有基于點(diǎn)云的激光雷達(dá)傳感器。激光雷達(dá)傳感器可以評(píng)估或測(cè)量道路上不同物體的體積大小。ADAS ECU 需要這些信息，以便能夠了解道路上正在發(fā)生的事情、當(dāng)前情況、駕駛情況道路等，相應(yīng)地控制車(chē)輛。
因此，激光雷達(dá)傳感器可以位于角落，如在圖1中，在兩個(gè)角落，在右側(cè)和左側(cè)。右左兩個(gè)角的后部是相同的配置。
在需要在車(chē)輛中安裝不同的傳感器集群，向 ADAS ECU 發(fā)送不同的數(shù)據(jù)類(lèi)型。接下來(lái)談一下傳感器和ECU之間的連接以及這樣的星形拓?fù)?#xff0c;有些人稱(chēng)為樹(shù)拓?fù)洹?br /> 汽車(chē)以太網(wǎng)的優(yōu)勢(shì)之一是使用不同的數(shù)據(jù)傳輸速率。這里使用不同顏色來(lái)區(qū)分?jǐn)?shù)據(jù)速率的原因。不同的傳輸速率使汽車(chē)以太網(wǎng)技術(shù)的擴(kuò)展性非常強(qiáng)，以滿(mǎn)足處理網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)的需要。
圖1中以棕色表示1000 BASE-T1 技術(shù)，以太網(wǎng)數(shù)據(jù)以每秒 1 Gb 的速率傳輸。藍(lán)色表示 100 BASE-T1，表示以太網(wǎng)數(shù)據(jù)以每秒 100 Mb的速率傳輸。這里有不同的數(shù)據(jù)速率。
這種不同的數(shù)據(jù)速率會(huì)對(duì) ADAS ECU 的硬件架構(gòu)產(chǎn)生影響，需要了解網(wǎng)絡(luò)架構(gòu)的原因。ADAS ECU 如何設(shè)計(jì)，取決于該 ADAS ECU 如何連接到集群中的其他組件。
網(wǎng)絡(luò)會(huì)對(duì)攝像頭/雷達(dá)/激光雷達(dá)傳感器的硬件架構(gòu)產(chǎn)生影響。接下來(lái)談?wù)勔蕴W(wǎng)技術(shù)如何影響硬件架構(gòu)。
傳感器 & Eth
概述
將直接進(jìn)入 ECU 和傳感器的硬件架構(gòu)，從雷達(dá)傳感器開(kāi)始。如圖2所所示，這里的雷達(dá)傳感器由兩個(gè)主要芯片組成。
圖2 雷達(dá)傳感器硬件架構(gòu)
上圖是雷達(dá)傳感器硬件架構(gòu)的一個(gè)整體視圖，包含雷達(dá)ASIC以及微控制器。當(dāng)然，微控制器可以是 DSP，可以是FPGA 之類(lèi)的東西。但在這里僅展示這種組件硬件架構(gòu)之外的邏輯。
圖2中的雷達(dá)ASIC是專(zhuān)用集成電路，該電路肯定連接到天線(xiàn)，天線(xiàn)負(fù)責(zé)發(fā)射雷達(dá)無(wú)線(xiàn)電波，負(fù)責(zé)接收反射無(wú)線(xiàn)電波，這里的波都是電磁波。
當(dāng)電磁波到達(dá)雷達(dá) ASIC 時(shí)，會(huì)被轉(zhuǎn)換為電信號(hào)。這些電信號(hào)被轉(zhuǎn)換為數(shù)字信號(hào)，在傳感器檢測(cè)到的位置之前，有一個(gè)預(yù)處理機(jī)制在雷達(dá) ASIC 中運(yùn)行，將數(shù)字信號(hào)通過(guò) SPI 接口傳輸?shù)轿⒖刂破鳌?br /> 檢測(cè)和測(cè)距
看一下檢測(cè)和測(cè)距和過(guò)程，結(jié)果數(shù)據(jù)會(huì)發(fā)送到目標(biāo)控制器。微控制器通過(guò)SPI接收的數(shù)據(jù)可以使用 DMA 來(lái)存，節(jié)省CPU資源的消耗，SPI 控制器可以直接將數(shù)據(jù)存儲(chǔ)在 DMA 中。當(dāng)無(wú)法將數(shù)據(jù)存儲(chǔ)到存儲(chǔ)器中時(shí)，CPU 應(yīng)該參與啟動(dòng)過(guò)程。這里應(yīng)該使用中斷控制器來(lái)阻止 CPU 執(zhí)行當(dāng)前正在執(zhí)行的操作。以便 CPU 將到達(dá)的數(shù)據(jù)存儲(chǔ)到運(yùn)行內(nèi)存中，這取決于應(yīng)用程序、CPU的速度以及CPU 的負(fù)載情況。可以使用不同的方式（ DMA 或 RAM 存儲(chǔ)器）存儲(chǔ)，雷達(dá) ASIC 的數(shù)據(jù)。
當(dāng)使用存儲(chǔ)數(shù)據(jù)的運(yùn)行內(nèi)存時(shí)，SPI 控制器將向中斷控制器發(fā)送中斷請(qǐng)求，中斷控制器會(huì)發(fā)送一個(gè)電信號(hào)來(lái)停止 CPU，這樣CPU就會(huì)運(yùn)行相應(yīng)的中斷服務(wù)程序，實(shí)際上是存放在閃存中。
當(dāng)準(zhǔn)備好位置數(shù)據(jù)時(shí)，會(huì)發(fā)送到 MAC，這就是跟以太網(wǎng)相關(guān)的地方，MAC 是主要的訪問(wèn)控制器。有很多關(guān)于 MAC 地址等的信息。MAC 地址實(shí)際上是物理地址，以便為以太網(wǎng)控制器尋址。所以這里的 MAC用于負(fù)責(zé)構(gòu)建以太網(wǎng)幀。
MAC 控制器將向 PHY 發(fā)送以太網(wǎng)幀，PHY 實(shí)際上是收發(fā)器。與CAN做比較，MAC就是控制器，PHY就是收發(fā)器，類(lèi)似于CAN通信的控制器和收發(fā)器。
這里將以太網(wǎng)具體分離為 MAC 和 PHY 以及 MII 接口。MII接口是一個(gè)獨(dú)立接口，不依賴(lài)于所使用的具體以太網(wǎng)技術(shù)。如果在這里使用光纖，從一個(gè)連接器（圖2左側(cè)）到另一個(gè)連接器的話(huà)，這個(gè)接口將不依賴(lài)于另一個(gè)接口，將始終是相同的接口（MII 接口）。
MAC不取決于 LAN 的外觀，例如，電纜的外觀、連接器的外觀等等。不真正依賴(lài)于所使用的真正技術(shù)。MII接口取決于Bit的速度，數(shù)據(jù)傳輸速度，取決于數(shù)據(jù)在 LAN 上傳輸?shù)乃俣取?br /> 以每秒百兆位的范圍傳輸，MII 接口應(yīng)該能夠以每秒百兆位的速度傳輸數(shù)據(jù)。
PHY
有一個(gè)物理層PHY，PHY 用于保留永恒幀，然后 PHY 會(huì)放置一些裝備，例如前導(dǎo)碼等，以便與接收器同步。這個(gè) PHY 將負(fù)責(zé)Bit的物理編碼，這些Bit將被轉(zhuǎn)換成模擬電信號(hào)，向下傳輸?shù)?LAN。
這里有一個(gè)主要的依賴(lài)接口，即依賴(lài)于以太網(wǎng)技術(shù)的電路，用于傳輸數(shù)據(jù)。這個(gè)主要的依賴(lài)接口實(shí)際上是一個(gè)普通的接口。如共模扼流圈等。
共模扼流圈用于簡(jiǎn)單地抑制電磁干擾或噪聲，可以使用一些過(guò)濾器積極過(guò)濾信號(hào)。這可能會(huì)在 MDI 中實(shí)現(xiàn)，具體取決于信號(hào)傳輸?shù)念l率。
連接器
圖2中有連接器。連接器在此處顯示兩個(gè)引腳。表示一個(gè)帶有兩個(gè)針腳的連接器，以太網(wǎng)正負(fù)號(hào)，以及每根雙絞線(xiàn)的信號(hào)。這里可以使用多種類(lèi)型的連接器，如用于處理數(shù)據(jù)傳輸?shù)诫p絞線(xiàn)的磁性連接器。
如圖2所示，使用全雙工通信，發(fā)送器（即與 ADAS ECU 相連的雷達(dá)傳感器）可以傳輸電信號(hào)，其他 ECU 可以將信號(hào)傳回。
可以在同一條線(xiàn)路上進(jìn)行反向定向通信。這里沒(méi)有電纜屏蔽，每根單絞線(xiàn)用于每秒 100 MB 的數(shù)據(jù)傳輸，這是以太網(wǎng)上 100 BASE-T1 技術(shù)的典型示例。
除了MAC、 MII 接口、 PHY以及MDI 接口連接連接器和電纜外，剩下的取決于與以太網(wǎng)無(wú)關(guān)的傳感器技術(shù)。
ECU & ETH
ADAS ECU 概述
如圖3所示為ADAS ECU，圖中有攝像頭傳感器，可以傳輸圖片或視頻數(shù)據(jù)。圖3中還有一個(gè)接口，PCIe控制器接口，因?yàn)镻CIe接口可以更快地傳輸大數(shù)據(jù)。與雷達(dá)傳感器相比，攝像頭的數(shù)據(jù)量大很多。
圖3 ADAS ECU
成像儀實(shí)際上是將光轉(zhuǎn)換為電信號(hào)，這種電信號(hào)也轉(zhuǎn)換為數(shù)字信號(hào)，這樣信號(hào)就可以被微控制器處理了，存儲(chǔ)數(shù)據(jù)與雷達(dá)傳感器情況相同。ADAS ECU 的傳輸和 LAN，與雷達(dá)傳感器相同的組件。每秒 1 Gb 的速度傳輸數(shù)據(jù)紅色全雙工。MII 在 MAC 和 PHY 之間的干擾具有每秒1 Gb的數(shù)據(jù)速率。對(duì)于雷達(dá)傳感器，MII 接口應(yīng)具有每秒 100 Mb的數(shù)據(jù)速率。應(yīng)該在 MII 接口上將 MAC 和 PHY 間的數(shù)據(jù)速率縮短一半。
上圖中，比傳感器架構(gòu)復(fù)雜得多。在 ADAS ECU 上會(huì)有不同的芯片，有一個(gè)以太網(wǎng)交換機(jī)、一塊PCB以及微控制器。可能是一個(gè) DSP，也可能是一個(gè) FPGA。
連接器與交換機(jī)
連接到擁有的傳感器的連接器。另一部分負(fù)責(zé)通過(guò)微控制器進(jìn)行數(shù)據(jù)處理，位于微控制器芯片中的 CPU。該 CPU 將運(yùn)行傳感器數(shù)據(jù)融合過(guò)程，該過(guò)程將運(yùn)行 AI 算法等，所有 ADAS ECU 的大腦。
當(dāng)然，許多進(jìn)程都運(yùn)行在軟件中，這些軟件會(huì)中斷控制器以處理 CPU 運(yùn)行的不同任務(wù)。如果想優(yōu)化一切，可以使用 DMA執(zhí)行存儲(chǔ)，無(wú)需 CPU 參與。
在微控制器中發(fā)生的事情，用于處理一切。但是在傳感器和處理實(shí)體的接口間，有很長(zhǎng)的路要走。此路徑由不同的以太網(wǎng)交換機(jī)構(gòu)成。交換機(jī)實(shí)際上是在 PCB 上構(gòu)建的芯片，用于轉(zhuǎn)發(fā)傳感器的數(shù)據(jù)。
一個(gè)交換機(jī)可以有多個(gè)端口，以具有六個(gè)端口的交換機(jī)為例。總共有 15 個(gè)傳感器向 ADAS ECU 發(fā)送數(shù)據(jù)，需要 15 個(gè)連接器。
為了有連接這15 個(gè)連接器，有三個(gè)交換機(jī)連接這些傳感器。將5個(gè)攝像頭傳感器、5個(gè)激光雷達(dá)、5個(gè)毫米波雷達(dá)連接到 ADAS ECU。
交換機(jī)包含一個(gè) PHY，將數(shù)據(jù)轉(zhuǎn)發(fā)到處理實(shí)體的方向。來(lái)自 5 個(gè)雷達(dá)傳感器的數(shù)據(jù)將保留在交換機(jī)上。這里會(huì)有一個(gè)MAC實(shí)體轉(zhuǎn)發(fā)到下一個(gè)交換機(jī)，這將被轉(zhuǎn)發(fā)到 PCIe 接口到處理實(shí)體（微控制器）。對(duì)于其他交換機(jī)是相同的。
在 PCB 上，對(duì)于兩個(gè)芯片之間的通信，PCB 上需要兩個(gè)以太網(wǎng)交換機(jī)，需要類(lèi)似 MII 的接口。在 PCB 上需要有接口將這兩個(gè)交換機(jī)連接到 MAC。使用類(lèi)似 MII 的接口，這對(duì)于另外兩個(gè)交換機(jī)和本交換機(jī)之間的鏈路相同，但是，重要的是要了解實(shí)際使用的 MII 接口類(lèi)型。
圖3中，有五個(gè)雷達(dá)傳感器傳輸數(shù)據(jù)，數(shù)據(jù)速率為每秒 100 Mb，所以每秒有500 Mb數(shù)據(jù)進(jìn)入交換機(jī)。如果MAC使用每秒100 Mb 的普通 MII 接口，會(huì)遇到交通堵塞。因?yàn)槊棵胗?500 Mb進(jìn)入，每秒只有 100Mb輸出。輸入比輸出快，將在交換機(jī)內(nèi)部遇到越來(lái)越多的交通擁堵。
交換機(jī)內(nèi)部存在日益擁堵的風(fēng)險(xiǎn)，雷達(dá)傳感器的重要數(shù)據(jù)會(huì)丟失。交換機(jī)出現(xiàn)擁塞丟失是完全不能接受的。這里使用 GMII 接口，數(shù)據(jù)速率為每秒 1Gb，這比每秒 500 Mb 快兩倍。非常確定將避免或至少減少這里的交通擁堵。這樣就不需要那么大的buff內(nèi)存來(lái)阻止流量。
以攝像頭傳感器為例，如果使用千兆以太網(wǎng)，就意味著會(huì)以每秒 5 Gb的總體速度輸入到下一個(gè)交換機(jī)，這是可能的五個(gè)傳感器同時(shí)發(fā)送數(shù)據(jù)。
如果這里有 5 Gb/s，就不能再使用 GMII 接口，因?yàn)檩敵鲋挥?1 Gb/s。如果使用它，將獲得每秒 5 Gb的總輸入，但總輸出為每秒 1 Gb，肯定會(huì)造成堵塞。所以需要使用 XFI 供應(yīng)接口來(lái)實(shí)現(xiàn)每秒 10 Gb的數(shù)據(jù)速率。
為什么是 XFI？為什么這里每秒 10 Gb？當(dāng)前沒(méi)有任何基于以太網(wǎng)的技術(shù)可以實(shí)現(xiàn)10Gb每秒的傳輸，必須在這里使用 XFI 接口以每秒 10 Gb的速度傳輸數(shù)據(jù)。
微控制器與交換機(jī)
如圖3 含有PCIE接口的交換機(jī)所示，這里有1個(gè)每秒 1 Gb 的輸入數(shù)據(jù)作為輸入，2個(gè)每秒 10 Gb作為輸入，每秒總共有 21 Gb的整體數(shù)據(jù)速率作為輸入。所以這時(shí)，不能在交換機(jī)和微控制器之間的使用XFI 接口。
因?yàn)槊棵胗?10 Gb的輸出，但是有每秒 21 Gb的輸入，這也會(huì)造成堵塞問(wèn)題，有堵塞風(fēng)險(xiǎn)和緩沖區(qū)溢出風(fēng)險(xiǎn)。所以這就是這里使用 PCIe 5.0 ，數(shù)據(jù)速率大于 22 Gb/s。
ADAS ECU的硬件架構(gòu)依賴(lài)于網(wǎng)絡(luò)架構(gòu)。在設(shè)計(jì)之前，了解將與多少個(gè)傳感器通信的 ADAS ECU 非常重要。
實(shí)際上，這里是在不知道不同接口上的帶寬占用情況時(shí)做出這樣的決定。這基本上是大部分時(shí)間發(fā)生的事情。如果考慮每個(gè)雷達(dá)傳感器以每秒 5 Mb的帶寬利用率發(fā)送數(shù)據(jù)的情況。數(shù)據(jù)速率是每秒百兆位。使用的可用帶寬僅為每秒 5 兆位。
因此，雷達(dá)傳感器僅使用該帶寬的 5%。接下來(lái)會(huì)發(fā)生什么呢？在交換機(jī)上的總體帶寬利用率為每秒 25 Mb。在這種帶寬利用率為每秒 25 Mb的特定情況下，使用每秒 100 兆比特的普通 MII 接口就可以了。因?yàn)檎w帶寬利用率僅為線(xiàn)路的25%。所以會(huì)很好。
這里有一個(gè)例子，考慮一下。到處都有千兆以太網(wǎng)。所以在這里使用 GMII 而不是 XFI 有 500 兆比特每秒。如果知道帶寬利用率，這將是任何問(wèn)題。如果有，也可以在這里使用 GMII。
在進(jìn)行車(chē)輛硬件架構(gòu)進(jìn)行設(shè)計(jì)時(shí)，應(yīng)避免在網(wǎng)絡(luò)內(nèi)使用非常大的 buff 內(nèi)存等情況的發(fā)生。需要先對(duì)汽車(chē)網(wǎng)絡(luò)進(jìn)行了解，汽車(chē)網(wǎng)絡(luò)技術(shù)將會(huì)影響到汽車(chē)ECU和傳感器的硬件部分。
SI 自動(dòng)設(shè)計(jì)優(yōu)化 - HyperLynx DSE
在傳統(tǒng)的SI優(yōu)化流程中，工程師往往需要進(jìn)行大量的參數(shù)掃掠，或者使用復(fù)雜而有又難以使用的MDO(多領(lǐng)域優(yōu)化)工具進(jìn)行優(yōu)化分析，從而導(dǎo)致設(shè)計(jì)周期延長(zhǎng)或無(wú)法在有限的時(shí)間中確定最優(yōu)的設(shè)計(jì)變量。
為了解決以上的問(wèn)題，西門(mén)子EDA推出了全自動(dòng)的HyperLynx -Design Space Exloration(DSE)優(yōu)化流程，協(xié)助工程師快速而又準(zhǔn)確得確定設(shè)計(jì)參數(shù)。HyperLynx DSE 與西門(mén)子 HEEDS MDO 工具緊密集成，利用了 HEEDS 領(lǐng)先行業(yè)的 SHERPA 混合優(yōu)化算法，將SI 設(shè)計(jì)中的變量?jī)?yōu)化步驟變成了一個(gè)全自動(dòng)的流程，這樣工程師不在需要進(jìn)行大量、長(zhǎng)時(shí)間的變量掃掠，不需在傳統(tǒng)的MDO 工具中配置搜索策略、多次調(diào)整選擇的算法進(jìn)行迭代，不需要使用使用設(shè)計(jì)空間采樣（DOE）或曲面擬合（RSM）等方法簡(jiǎn)化仿真模型以得到更快的仿真速度。
在本次會(huì)議中，將通過(guò)兩個(gè)簡(jiǎn)單的例子演示 HyperLynx DSE 的工作流程。
首先，將搭建一個(gè)簡(jiǎn)單的SerDes 通道，進(jìn)行COM 仿真，通過(guò)對(duì)傳輸線(xiàn)模型中幾個(gè)變量的調(diào)整優(yōu)化總體的 COM 仿真結(jié)果。
HyperLynx DSE 同樣支持對(duì)于電磁仿真模型優(yōu)化。在下面的案例中，將創(chuàng)建一個(gè)參考Hatch Plane的差分傳輸線(xiàn)模型，然后進(jìn)行3D EM 仿真求解。通過(guò)自動(dòng)優(yōu)化流程確定最佳的線(xiàn)寬和線(xiàn)距，來(lái)得到最佳的插入損耗和回波損耗結(jié)果。
通過(guò)先前的仿真結(jié)果，在 HEEDS 還可以建立高精度的替代模型，進(jìn)行大規(guī)模的性能分析。替代模型能夠大大加速仿真的速度，可以在不損失精度的前提下，評(píng)估量產(chǎn)時(shí)PCB 的SI 相關(guān)性能是否能達(dá)到預(yù)期。
介紹 HyperLynx 新版本中推出的AMI Optimizer自動(dòng)優(yōu)化功能。針對(duì)不具備自適應(yīng)優(yōu)化算法的IBIS-AMI 模型，工程師可以快速確定正確的抽頭系數(shù)、增益、濾波器零極點(diǎn)等參數(shù)。
西門(mén)子EDA 希望能幫助客戶(hù)進(jìn)一步提高設(shè)計(jì)效率。通過(guò)HyperLynx DSE 流程，幫助客戶(hù)能夠更快、更好得實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)。
長(zhǎng)頸鹿檢測(cè)：Heavy Neck的目標(biāo)檢測(cè)框架
傳統(tǒng)的目標(biāo)檢測(cè)框架中，從圖像識(shí)別模型繼承的主干網(wǎng)絡(luò)提取深度潛在特征，然后neck模塊融合這些潛在特征，捕獲不同尺度的信息。
前言
由于目標(biāo)檢測(cè)中的分辨率比圖像識(shí)別中的分辨率大得多，因此主干的計(jì)算成本通常會(huì)主導(dǎo)總推理成本。
這種沉重的主干設(shè)計(jì)范式主要是由于將圖像識(shí)別模型轉(zhuǎn)移到目標(biāo)檢測(cè)時(shí)的歷史遺留問(wèn)題，不是目標(biāo)檢測(cè)的端到端優(yōu)化設(shè)計(jì)。研究者表明這種范式確實(shí)導(dǎo)致了次優(yōu)的目標(biāo)檢測(cè)模型。提出了一種新的Heavy Neck范式GiraffeDet，這是一種用于高效目標(biāo)檢測(cè)的類(lèi)似長(zhǎng)頸鹿的網(wǎng)絡(luò)。GiraffeDet使用輕量級(jí)的主干和非常深且大的neck部模塊，鼓勵(lì)不同空間尺度之間的密集信息交換以及同時(shí)不同級(jí)別的潛在語(yǔ)義。
這種設(shè)計(jì)范式允許檢測(cè)器即使在網(wǎng)絡(luò)的早期階段也能以相同的優(yōu)先級(jí)處理高級(jí)語(yǔ)義信息和低級(jí)空間信息，在檢測(cè)任務(wù)中更加有效。對(duì)多個(gè)流行的目標(biāo)檢測(cè)基準(zhǔn)的數(shù)值評(píng)估表明，GiraffeDet在廣泛的資源限制條件下始終優(yōu)于以前的SOTA模型。
相關(guān)背景
為了緩解大規(guī)模變化問(wèn)題，一種直觀的方法是使用多尺度金字塔策略進(jìn)行訓(xùn)練和測(cè)試。(Singh & Davis, 2018【An analysis of scale invariance in object detection snip】)的工作在圖像金字塔的相同尺度上訓(xùn)練和測(cè)試檢測(cè)器，選擇性地反向傳播不同大小的目標(biāo)實(shí)例的梯度作為圖像尺度的函數(shù)。盡管這種方法提高了大多數(shù)現(xiàn)有基于CNN的方法的檢測(cè)性能，但不是很實(shí)用，因?yàn)閳D像金字塔方法處理每個(gè)比例圖像，這在計(jì)算上可能是昂貴的。此外，當(dāng)使用預(yù)訓(xùn)練的分類(lèi)主干時(shí)，分類(lèi)和檢測(cè)數(shù)據(jù)集之間的目標(biāo)規(guī)模仍然是域轉(zhuǎn)移的另一個(gè)挑戰(zhàn)。或者，提出了特征金字塔網(wǎng)絡(luò)來(lái)逼近具有較低計(jì)算成本的圖像金字塔。
最近的方法仍然依賴(lài)于優(yōu)越的主干設(shè)計(jì)，但高級(jí)特征和低級(jí)特征之間的信息交換不足。例如，一些工作通過(guò)自下而上的路徑增強(qiáng)在較低層中使用準(zhǔn)確的定位信號(hào)增強(qiáng)了整個(gè)特征層次結(jié)構(gòu)，但是這種自下而上的路徑設(shè)計(jì)可能缺乏高級(jí)語(yǔ)義信息和低級(jí)空間信息之間的交換。針對(duì)以上挑戰(zhàn)，本任務(wù)提出以下兩個(gè)問(wèn)題：
? Is the backbone of the image classification task indispensable in a detection model?
? What types of multi-scale representations are effective for detection tasks?
新框架方法
盡管已經(jīng)進(jìn)行了廣泛的研究有效的目標(biāo)檢測(cè)，但大規(guī)模變化仍然是一個(gè)挑戰(zhàn)。為了有效地實(shí)現(xiàn)充分的多尺度信息交換的目標(biāo)，研究者提出了用于高效目標(biāo)檢測(cè)的GiraffeDet，“giraffe”由輕量級(jí)空間到深度鏈、廣義FPN和預(yù)測(cè)網(wǎng)絡(luò)組成。總體框架如下圖所示，在很大程度上遵循單階段檢測(cè)器范式。
LIGHTWEIGHT SPACE-TO-DEPTH CHAIN
大多數(shù)特征金字塔網(wǎng)絡(luò)都應(yīng)用傳統(tǒng)的基于CNN的網(wǎng)絡(luò)作為主干，提取多尺度特征圖，甚至學(xué)習(xí)信息交換。隨著CNN的發(fā)展，最近的主干變得更加沉重，使用計(jì)算成本很高。
Space-to-depth chain
此外，最近應(yīng)用的主干主要是在分類(lèi)數(shù)據(jù)集上預(yù)訓(xùn)練的，例如ResNet50在ImageNet上預(yù)訓(xùn)練，認(rèn)為這些預(yù)訓(xùn)練的主干不適合檢測(cè)任務(wù)，仍然是域轉(zhuǎn)移問(wèn)題。或者FPN更強(qiáng)調(diào)高級(jí)語(yǔ)義和低級(jí)空間信息交換。因此，假設(shè)FPN在目標(biāo)檢測(cè)模型中比傳統(tǒng)主干更重要。
空間到深度轉(zhuǎn)換的圖示，S2D操作將激活從空間維度移動(dòng)到通道維度
GENERALIZED-FPN
在特征金字塔網(wǎng)絡(luò)中，多尺度特征融合旨在聚合從主干中提取的不同分辨率的特征。上圖顯示了特征金字塔網(wǎng)絡(luò)設(shè)計(jì)的演變。傳統(tǒng)的FPN引入了一種自上而下的路徑來(lái)融合從第3級(jí)到第7級(jí)的多尺度特征。考慮到單向信息流的限制，PANet增加了一個(gè)額外的自下而上的路徑聚合網(wǎng)絡(luò)，但計(jì)算成本更高。此外BiFPN刪除了只有一個(gè)輸入邊的節(jié)點(diǎn)，在同一級(jí)別上從原始輸入中添加額外的邊。然而，觀察到以前的方法只關(guān)注特征融合，但缺乏內(nèi)部塊連接。因此，設(shè)計(jì)了一種新的路徑融合，包括跳層和跨尺度連接，如圖(d) 所示。
跳層連接。與其他連接方法相比，跳躍連接在反向傳播過(guò)程中特征層之間的距離較短。為了減少如此沉重的“長(zhǎng)頸鹿”頸部的梯度消失，提出了兩種特征鏈接方法：提出的GFPN中的Dense-Link和log2n-Link，如上圖所示。
PANet與GFPN中的Queen-fusion 之間的跨尺度連接示意圖。S和C表示求和和級(jí)聯(lián)融合風(fēng)格，Pk表示下一層的節(jié)點(diǎn)。
實(shí)驗(yàn)及可視化
參考鏈接：
https://mp.weixin.qq.com/s/RziZPnQQBuHWlX8y6TrOsA
https://mp.weixin.qq.com/s/-oPdyQukViosZBuAFJ5ljA
https://mp.weixin.qq.com/s/h0nVI4yUlTU_rrAzsg6JTg
總結(jié)
- 上一篇： 主要芯片企业清单
- 下一篇： 特斯拉“纯视觉路线”能去掉ISP吗？