浅析在PYNQ框架下可视化的验证HLS算法实现

在上篇文章中，我们发布了热门 HLS小橙书-pp4fpgas 的第二次校订。文中提到的习题案例现均已集成到 PYNQ 框架中，特向大家分享。

那么这些案例通过 PYNQ 框架会带来哪些便利呢？本文给大家做一个简单的类比：

过去

在完成项目的 HLS 优化之后，若要对其进行功能正确性的验证，通常我们先对设计进行仿真，这样比较方便看到设计的波形。但大型设计往往对运行的平台有较高的要求，同时 co-simulation 等软件层面的仿真并未使项目中的运算在硬件上运行，所得的延时等指标仍较真实值有一定差距。

当然我们也可以在设计中插入 ILA 或者借助逻辑分析仪等信号处理仪器进行实际硬件电路的观测。但专用仪器往往在实验室才能获取，且较为昂贵，因此给整个开发流程带来了极大的不便。

现在

PYNQ 框架在测试中可以理解为：

在 ARM 处理上运行了一套利用 Jupyter Notebook 和 Python 构建的软件测试激励产生和结果显示的框架。

在 FPGA 上利用部分资源构建了一套时序精准的测试接口。

这样用户可以方便的完成测试激励产生和显示，同时可以实时的观测结果。尤其是对于此次 pp4fpgas 的数字信号处理案例，我们可以在 Jupyter Notebook 上非常直观的观测到时域频域的转换，信号波形等等。用户只需关注 HLS 设计即可。通过 PYNQ，可编程逻辑电路将作为硬件库导入并通过其 API 进行编程，其方式与导入和编程软件库基本相同。

以 CORDIC 算法为例，首先我们需要对 HLS 优化后的 CORDIC 算法生成IP核，随后就可以在PYNQ 框架内，通过内存映射 I/O 与 ARM 处理器的 IP 进行通信。如上图所示，我们仅需创建一个 Jupyter Notebook，编写 Python 代码给 IP 发送数据，执行该核心，就可以在 Notebook 中得到通过硬件计算出的答案，从而完成验证。

包括 CORDIC 在内，pp4fpgas目前配套了7个 project 练习，覆盖了许多信号处理领域的重要内容，对提高 HLS 的运用能力，增加对 HLS 的理解十分有帮助。Project 内容如下：

FIR Filter Design

CORDIC

Phase Detector

Discrete Fourier Transform （DFT）

Fast Fourier Transform （FFT）

OFDM Receiver

FM Demodulator
编辑：lyn