CN115878949A - 信号处理方法以及相关设备 - Google Patents
信号处理方法以及相关设备 Download PDFInfo
- Publication number
- CN115878949A CN115878949A CN202111138631.6A CN202111138631A CN115878949A CN 115878949 A CN115878949 A CN 115878949A CN 202111138631 A CN202111138631 A CN 202111138631A CN 115878949 A CN115878949 A CN 115878949A
- Authority
- CN
- China
- Prior art keywords
- signal
- vector
- matrix operation
- matrix
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本申请提供了一种信号处理方法,由以矩阵运算单元为主的处理器执行,该方法包括:接收待处理的信号,在时域对信号进行采样,得到信号在不同时间点的采样值,然后根据信号在不同时间点的采样值,通过矩阵运算单元进行矩阵运算,获得处理后的信号,该处理后的信号为经过傅里叶变换的频域信号。由于将傅里叶变换转换为矩阵运算,或者包括矩阵运算的混合运算,可以以充分发挥以矩阵运算单元为主的处理器的计算能力,从而充分发挥硬件性能,缩短信号处理的耗时,减少硬件资源浪费。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种信号处理方法、装置以及处理器、计算机集群、计算机可读存储介质、计算机程序产品。
背景技术
信号(signal)是指一种随时间或空间变化的量,通常用于提供一个物理系统的状态信息,传递有关一些现象的行为或属性的信息的函数。信号可以包括多种类型,例如包括视频信号、语音信号、图像信号、光学信号等等。
为了防止信号丢失,或者避免信号被干扰,通常可以对信号进行处理。例如,可以通过对信号进行傅里叶变换(fourier transform),将信号表示为三角函数(如正弦函数和/或余弦函数)或者是三角函数的积分的线性组合,从而将信号由时域变换为频域。
目前,求解傅里叶变换通常采用快速傅里叶变换(fast fourier transform,FFT)方法。FFT的基本思想是将原始的N点序列,依次分解成一系列的短序列,然后充分利用离散傅里叶变换(discrete fourier transform,DFT)计算式中指数因子所具有的对称性质和周期性质,求出这些短序列相应的DFT并进行适当组合,达到删除重复计算,减少乘法运算和简化结构的目的。
然而,上述方法主要依赖向量运算,整个信号处理过程耗时较长,未能充分发挥硬件性能,导致硬件资源浪费。业界亟需提供一种高效的信号处理方法。
发明内容
本申请提供了一种信号处理方法,该方法通过将傅里叶变换转换为矩阵运算,或者包括矩阵运算的混合运算,以充分发挥以矩阵运算单元为主的处理器的计算能力,从而充分发挥硬件性能,缩短信号处理的耗时,减少硬件资源浪费。本申请还提供了上述方法对应的装置、芯片、计算机集群、计算机可读存储介质以及计算机程序产品。
第一方面,本申请提供了一种信号处理方法。该方法可以由处理器执行。该处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例。其中,预设比例可以根据经验值设置,例如可以设置为50%。也即处理器以矩阵运算单元为主。
具体地,处理器接收待处理的信号,该信号为时域信号,然后处理器在时域对所述信号进行采样,得到所述信号在不同时间点的采样值,接着处理器根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号。该处理后的信号为经过傅里叶变换的频域信号。
该方法通过将对信号的傅里叶变换转化为矩阵运算,从而充分发挥以矩阵运算为主要运算单元的处理器的计算能力,从而达到更优的性能,由此缩短了信号处理过程的耗时,提高了信号处理的效率,而且避免了硬件资源浪费。
在一些可能的实现方式中,处理器可以根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量,根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号,所述处理后的信号通过所述第二向量和所述第一向量的乘积以及所述第三向量和所述第一向量的乘积表征。
与相关技术中主要依赖于向量运算相比,该方法将傅里叶变换转换为以矩阵运算为主的一系列运算,通过调用矩阵运算单元,可以充分发挥以矩阵运算单元为主的处理器的计算能力,提升处理器的性能。
其中,处理器将傅里叶变换转换为以矩阵运算为主的一系列运算可以是将傅里叶变换转换为矩阵运算,或者是转换为包括矩阵运算和向量运算的混合运算,例如处理器可以通过向量运算单元计算第二向量和第一向量的乘积以及第三向量和第一向量的乘积,从而得到处理后的信号。矩阵运算和向量运算并发执行时,可以进一步缩短信号处理的耗时,提高信号处理的效率。
在一些可能的实现方式中,处理器可以根据所述信号在不同时间点的采样值构建第一矩阵,根据所述不同时间点构建第二矩阵,通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
该方法通过构建矩阵,然后通过矩阵乘运算求解傅里叶变换,充分发挥了以矩阵运算单元为主的处理器的计算能力,提升了处理器的性能。
在一些可能的实现方式中,信号处理方法可以应用于不同场景。例如,该信号处理方法可以用于语音识别场景,对语音信号进行处理,具体是对语音信号进行大量的傅里叶变换和傅里叶逆变换,以提取梅尔频谱系数,从而实现提取语音特征。又例如,该信号处理方法可以用于图像识别场景,对图像信号进行处理,具体是对图像信号进行傅里叶变换,以对图像进行滤波。信号处理方法也可以应用于视频分析场景,以对视频信号进行处理,或者应用于信号通信系统,以对光信号、电信号进行处理,便于光信号或电信号的传输。
也即本申请提供的信号处理方法具有高可用性,可以适用于各种不同的应用场景,能够满足不同业务的需求。
在一些可能的实现方式中,所述处理器包括神经网络处理器、图形处理器或者张量处理器。其中,神经网络处理器、图形处理器或者张量处理器为以矩阵运算单元为主的处理器,该处理器执行本申请的信号处理方法,能够充分发挥处理器中矩阵运算单元的计算能力,从而提升处理器的性能。
第二方面,本申请提供了一种信号处理装置,所述装置包括:
通信模块,用于接收待处理的信号,所述信号为时域信号;
采样模块,用于在时域对所述信号进行采样,得到所述信号在不同时间点的采样值;
处理模块,用于根据所述信号在不同时间点的采样值,通过矩阵运算单元进行矩阵运算,获得处理后的信号,所述处理后的信号为经过傅里叶变换的频域信号。
在一些可能的实现方式中,所述处理模块具体用于:
根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量;
根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号,所述处理后的信号通过所述第二向量和所述第一向量的乘积以及所述第三向量和所述第一向量的乘积表征。
在一些可能的实现方式中,所述处理模块具体用于:
根据所述信号在不同时间点的采样值构建第一矩阵,根据所述不同时间点构建第二矩阵;
通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
在一些可能的实现方式中,所述待处理的信号包括视频信号、语音信号、图像信号、光信号或电信号。
在一些可能的实现方式中,所述装置部署在处理器中,所述处理器包括神经网络处理器、图形处理器或者张量处理器。
第三方面,本申请提供一种芯片。所述芯片包括至少一个处理器和接口电路,所述处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例,所述处理器通过所述接口电路获取程序指令,根据所述程序指令执行本申请第一方面或第一方面的任意一种实现方式所述的信号处理方法。
第四方面,本申请提供一种计算机集群。该计算机集群包括至少一台计算机。所述计算机包括处理器和存储器,所述存储器存储有计算机可读指令,所述处理器执行所述计算机可读指令,以使所述计算机集群执行本申请第一方面或第一方面的任意一种实现方式所述的信号处理方法。
第五方面,本申请提供一种计算机可读存储介质。该计算机可读存储介质包括计算机可读指令,当所述计算机可读指令在计算机集群上运行时,使得所述计算机集群执行如本申请第一方面或第一方面的任意一种实现方式所述的信号处理方法。
第六方面,本申请提供一种计算机程序产品。该计算机程序产品包括计算机可读指令,当所述计算机可读指令在计算机集群上运行时,使得所述计算机集群执行如本申请第一方面或第一方面的任意一种实现方式所述的信号处理方法。
本申请在上述各方面提供的实现方式的基础上,还可以进行进一步组合以提供更多实现方式。
附图说明
为了更清楚地说明本申请实施例的技术方法,下面将对实施例中所需使用的附图作以简单地介绍。
图1为本申请实施例提供的一种信号处理方法的系统架构图;
图2为本申请实施例提供的一种处理器的结构示意图;
图3为本申请实施例提供的一种信号处理方法的流程图;
图4为本申请实施例提供的一种信号处理装置的结构示意图;
图5为本申请实施例提供的一种计算机集群的结构示意图。
具体实施方式
本申请实施例中的术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
首先对本申请实施例中所涉及到的一些技术术语进行介绍。
傅里叶变换(fourier transform),具体是将满足一定条件的某个函数表示成三角函数(例如正弦函数和/或余弦函数)或者三角函数的积分的线性组合的实现方式。傅里叶变换广泛应用于信号处理,以将信号由时域变换为频域,进而防止信号丢失,或者避免信号被干扰。
快速傅里叶变换(fast fourier transform,FFT),具体是将原始的N点序列分解为系列的短序列,充分利用离散傅里叶变换(discrete fourier transform,DFT)计算式中指数因子所具有的对称性质和周期性质,求出这些短序列相应的DFT并进行适当组合,从而实现求解傅里叶变换。
FFT算法具体是一种蝶形算法。FFT算法包括三重循环,其中,第一重循环对每一阶蝶行图进行运算,第二重循环对每一阶蝶行图内的蝶形组进行运算,第三重循环对每个蝶形组中的各个蝶形进行计算。然而,上述运算均为向量运算,在以矩阵运算为主要运算单元的芯片上的性能不佳,导致整个信号处理过程耗时较长,未能充分发挥硬件性能,导致硬件资源浪费。
有鉴于此,本申请实施例提供了一种信号处理方法。该方法可以由处理器执行。该处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例。其中,预设比例可以根据经验值设置,例如可以设置为50%。也即处理器以矩阵运算单元为主,基于此,该处理器例如可以为神经网络处理器(neural-network processing units,NPU)、图形处理器(graphic processing unit,GPU)或者张量处理器(tensor processing unit,TPU)。
具体地,处理器接收待处理的信号,该信号为时域信号,然后处理器在时域对所述信号进行采样,得到所述信号在不同时间点的采样值,接着处理器根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号。该处理后的信号为经过傅里叶变换的频域信号。
该方法通过将对信号的傅里叶变换转化为矩阵运算,从而充分发挥以矩阵运算为主要运算单元的处理器(如NPU)的计算能力,从而达到更优的性能,由此缩短了信号处理过程的耗时,提高了信号处理的效率,而且避免了硬件资源浪费。
本申请实施例提供的信号处理方法可以应用于不同场景。例如,该信号处理方法可以用于语音识别场景,对语音信号进行处理,具体是对语音信号进行大量的傅里叶变换和傅里叶逆变换,以提取梅尔频谱系数,从而实现提取语音特征。又例如,该信号处理方法可以用于图像识别场景,对图像信号进行处理,具体是对图像信号进行傅里叶变换,以对图像进行滤波。
在本申请实施例其他可能的实现方式中,信号处理方法也可以应用于视频分析场景,以对视频信号进行处理,或者应用于信号通信系统,以对光信号、电信号进行处理,便于光信号或电信号的传输。
为了使得本申请的技术方案更加清楚,下面结合附图,对本申请实施例的信号处理方法的系统架构进行介绍。
参见图1所示的信号处理方法的系统架构图,信号处理系统100包括信号采集设备102和信号处理设备104。其中,信号采集设备102可以是图像采集设备、视频采集设备,例如可以为摄像头,或者具有摄像头的设备,如智能手机、便携式电脑等;信号采集设备102也可以是音频采集设备,例如可以为麦克风,或者是具有麦克风的设备,如智能手机等。信号处理设备104可以是服务器,例如是云环境中的云服务器,边缘环境中的边缘服务器,或者是本地数据中心中的本地服务器。在一些实施例中,信号处理设备104也可以是终端。终端包括但不限于台式机、便携式电脑、智能手机等设备。
其中,信号处理设备104包括处理器,该处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例。具体实现时,信号处理设备104可以包括NPU、GPU或TPU中的一种或多种。
信号采集设备102用于采集信号,该信号为时域信号。信号采集设备102还用于将该信号作为待处理的信号,发送至信号处理设备104。信号处理设备104用于接收上述待处理的信号,在时域对上述信号进行采样,得到信号在不同时间点的采样值。然后信号处理设备104还用于根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号。该处理后的信号为经过傅里叶变换的频域信号。
接下来,以信号处理设备104包括的处理器为NPU进行示例说明。参见图2所示的NPU的结构示意图,如图2所示,NPU包括矩阵运算单元(也可以简称为矩阵单元,cube unit)和用于输入矩阵的缓存(buffer)、用于输出矩阵运算结果的缓存。其中,矩阵运算单元主要用于进行矩阵乘运算,基于此,用于输入矩阵的缓存可以包括缓存L0A和缓存L0B,用于输出矩阵运算结构的缓存可以包括缓存L0C。进一步地,NPU还可以包括向量运算单元(也称作向量单元,vector unit)或标量运算单元(也称作标量单元,scalar unit)中的一种或多种。
矩阵运算单元的算力很强大,一般用于完成矩阵乘运算,如矩阵乘以矩阵,矩阵乘以向量等,还有很多计算类型通常依靠向量计算单元来完成。向量计算单元的指令相对来说比较丰富,可以覆盖各种基本的计算类型和许多定制的计算类型,主要用于完成向量内积、外积运算,例如向量点乘向量、向量叉乘。标量运算单元主要负责标量运算,功能上可以看作一个小型中央处理单元(central processing unit,CPU),完成整个程序的循环控制、分支判断,以及矩阵运算、向量运算等指令的地址和参数计算以及基本的算术运算等。
基于此,NPU在接收到待处理的信号后,可以在时域对所述信号进行采样,得到所述信号在不同时间点的采样值。例如NPU可以通过向量计算单元对信号进行采样,得到信号在不同时间点的采样值。然后,基于上述采样值和时间点可以构造矩阵输入缓存L0A,基于时间点还可以构造矩阵输入缓存L0B,矩阵运算单元可以对输入缓存L0A中的矩阵以及输入缓存L0B中的矩阵执行矩阵乘,从而得到处理后的信号,该处理后的信号为经过傅里叶变换的频域信号。该处理后的信号可以在缓存L0C中进行存储。
接下来,从信号处理设备104的角度,结合附图对本申请实施例提供的信号处理方法进行详细介绍。
参见图3所示的信号处理方法的流程图,该方法包括:
S302:信号处理设备104接收待处理的信号。
所述信号为时域信号。该时域信号可以通过随时间变化的函数f(t)表征。基于信号采集设备102不同,信号处理设备104接收的待处理的信号的类型可以是不同的。例如,信号采集设备102为摄像头、具有摄像头的终端时,待处理的信号可以为视频信号、图像信号。又例如,信号采集设备102为麦克风、具有麦克风的终端时,待处理的信号可以为语音信号。在一些实施例中,待处理的信号还可以是光信号、电信号,本实施例对此不作限定。
S304:信号处理设备104在时域对所述信号进行采样,得到所述信号在不同时间点的采样值。
具体地,信号处理设备104可以在t1,…,tn等不同时间点分别进行采样,得到所述信号在不同时间点的采样值f(t1),…,f(tn)。其中,信号处理设备104可以按照设定的采集周期,在t1,…,tn等不同时间点分别进行采样。也即相邻时间点的间隔如t2-t1,t3-t2,…等于采集周期。
S306:信号处理设备104根据所述信号在不同时间点的采样值构建第一矩阵。
S308:信号处理设备104根据所述不同时间点构建第二矩阵。
S310:信号处理设备104通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
S312:信号处理设备104根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号。
具体地,傅里叶变换公式为:
其中,T可以是周期,t表示时间,f(t)为t时刻的采样值。
根据泰勒展开公式(2),可以将公式(1)中的e-jwt展开为如公式(3)所示的表达式,具体如下所示:
其中,令
其中,F(t)的积分可以转换为曲线围成的区域的面积,曲线围成区域的面积可以近似为若干个梯形区域的面积,基于此,公式(1)可以转换为公式(4),具体如下所示:
将上述公式(3)代入公式(4),可以得到公式(5),如下所述:
基于此,信号处理设备104可以根据信号在不同时间点的采样值,例如f(t1),…,f(tn)等,构建第一矩阵,该第一矩阵可以表示为信号处理设备104可以根据不同时间点,如t1,…,tn构建第二矩阵,该第二矩阵可以表示为/>
由于
基于上述公式(6),信号处理设备104可以对第一矩阵和第二矩阵,通过矩阵运算单元执行矩阵乘运算,得到第一向量,该第一向量可以表示为上述M。然后,信号处理设备104可以根据第一向量、第二向量和第三向量,通过矩阵运算单元进行矩阵运算,获得第二向量和第一向量的乘积以及第三向量和第一向量的乘积,其中,第二向量可以表示为第三向量可以表示为/>本实施例中,第二向量和第一向量的乘积以及第三向量和第一向量的乘积均是指向量内积。
接着,信号处理设备104可以根据上述向量的乘积,获得处理后的信号,该处理后的信号为经过傅里叶变换的频域信号。其中,处理后的信号可以通过复数表征,复数的实部为第二向量和第一向量的乘积,复数的虚部为第三向量和第一向量的乘积。
在图3所示实施例中,上述S306和S308可以并行执行,也可以按照设定的顺序先后执行本实施例对此不作限定。另外,上述S306至S312为本申请实施例中信号处理设备104根据信号在不同时间点的采样值,通过矩阵运算单元进行矩阵运算,获得处理后的一种实现方式。在本申请实施例其他可能的实现方式中,信号处理设备104不仅可以将傅里叶变换转换为矩阵运算,也可以转换为包括矩阵运算和向量运算的混合运算,然后通过矩阵运算单元执行矩阵运算,通过向量运算单元执行向量运算,从而得到处理后的信号。例如,信号处理设备104在执行S310时,也可以通过向量运算单元执行,本实施例对此不作限定。
基于上述内容描述,本申请实施例提供了一种信号处理方法,该方法通过将对信号的傅里叶变换转化为矩阵运算,或者是包括矩阵运算的混合运算,从而充分发挥以矩阵运算为主要运算单元的处理器(如NPU)的计算能力,从而达到更优的性能,由此缩短了信号处理过程的耗时,提高了信号处理的效率,而且避免了硬件资源浪费。
上文结合图1至图3对本申请实施例提供的信号处理方法进行了详细介绍,下面将结合附图对本申请实施例提供的装置、设备进行介绍。
参见图4所示的信号处理装置的结构示意图,该装置400包括:
通信模块402,用于接收待处理的信号,所述信号为时域信号;
采样模块404,用于在时域对所述信号进行采样,得到所述信号在不同时间点的采样值;
处理模块406,用于根据所述信号在不同时间点的采样值,通过矩阵运算单元进行矩阵运算,获得处理后的信号,所述处理后的信号为经过傅里叶变换的频域信号。
在一些可能的实现方式中,所述处理模块406具体用于:
根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量;
根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号,所述处理后的信号通过所述第二向量和所述第一向量的乘积以及所述第三向量和所述第一向量的乘积表征。
在一些可能的实现方式中,所述处理模块406具体用于:
根据所述信号在不同时间点的采样值构建第一矩阵,根据所述不同时间点构建第二矩阵;
通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
在一些可能的实现方式中,所述待处理的信号包括视频信号、语音信号、图像信号、光信号或电信号。
在一些可能的实现方式中,所述装置400部署在处理器中,所述处理器包括神经网络处理器、图形处理器或者张量处理器。
根据本申请实施例的信号处理装置400可对应于执行本申请实施例中描述的方法,并且信号处理装置400的各个模块/单元的上述和其它操作和/或功能分别为了实现图3所示实施例中的各个方法的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机集群。该计算机集群包括至少一台计算机,该计算机可以是云环境中的云服务器,边缘环境中的边缘服务器,或者是智能手机、笔记本电脑、台式机等终端。该计算机集群具体用于实现如图4所示实施例中信号处理装置400的功能。
图5提供了一种计算机集群的结构示意图,如图5所示,计算机集群50包括多台计算设备500,计算设备500包括总线501、处理器502、通信接口503和存储器504。处理器502、存储器504和通信接口503之间通过总线501通信。
总线501可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器502可以为上述神经网络处理器NPU、图形处理器GPU或者张量处理器等处理器中的任意一种或多种。
通信接口503用于与外部通信。例如,通信接口503用于接收待处理的时域信号,输出处理后的频域信号等等。
存储器504可以包括易失性存储器(volatile memory),例如随机存取存储器(random access memory,RAM)。存储器504还可以包括非易失性存储器(non-volatilememory),例如只读存储器(read-only memory,ROM),快闪存储器,硬盘驱动器(hard diskdrive,HDD)或固态驱动器(solid state drive,SSD)。
存储器504中存储有计算机可读指令,处理器502执行该计算机可读指令,以使得计算机集群50执行前述信号处理方法(或实现前述信号处理装置400的功能)。
具体地,在实现图4所示装置的实施例的情况下,且图4中所描述的信号处理装置400的各模块如采样模块404、处理模块406的功能为通过软件实现的情况下,执行图4中各模块的功能所需的软件或程序代码可以存储在计算机集群50中的至少一个存储器504中。至少一个处理器502执行存储器504中存储的程序代码,以使得计算机集群50执行前述信号处理方法。
本申请实施例还提供了一种芯片。该芯片可以包括至少一个处理器和接口电路,当涉及的程序指令在该至少一个处理器中执行时,可以使得该芯片实现图3所示方法实施例所提供的信号处理方法。该接口电路,可以用于接收程序指令并传输至所述处理器,或者,该接口电路可以用于芯片与其他设备进行通信交互,比如交互控制信令和/或业务数据等。该接口电路可以为代码和/或数据读写接口电路,或者,该接口电路可以为通信处理器与收发机之间的信号传输接口电路。可选的,该芯片还可以包括至少一个存储器,该存储器可以用于存储所需的涉及的程序指令和/或数据。
本申请实施例还提供了一种计算机可读存储介质。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质的数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘)等。该计算机可读存储介质包括指令,所述指令指示计算机或计算机集群执行上述信号处理方法。
本申请实施例还提供了一种计算机程序产品。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。所述计算机程序产品可以为一个软件安装包,在需要使用前述信号处理方法的任一方法的情况下,可以下载该计算机程序产品并在计算机或计算机集群上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重,某个流程或结构中没有详述的部分,可以参见其他流程或结构的相关描述。
Claims (14)
1.一种信号处理方法,其特征在于,由处理器执行,所述处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例,所述方法包括:
接收待处理的信号,所述信号为时域信号;
在时域对所述信号进行采样,得到所述信号在不同时间点的采样值;
根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号,所述处理后的信号为经过傅里叶变换的频域信号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号,包括:
根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量;
根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号,所述处理后的信号通过所述第二向量和所述第一向量的乘积以及所述第三向量和所述第一向量的乘积表征。
3.根据权利要求2所述的方法,其特征在于,所述根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量,包括:
根据所述信号在不同时间点的采样值构建第一矩阵,根据所述不同时间点构建第二矩阵;
通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述待处理的信号包括视频信号、语音信号、图像信号、光信号或电信号。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述处理器包括神经网络处理器、图形处理器或者张量处理器。
6.一种信号处理装置,其特征在于,所述装置包括:
通信模块,用于接收待处理的信号,所述信号为时域信号;
采样模块,用于在时域对所述信号进行采样,得到所述信号在不同时间点的采样值;
处理模块,用于根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,获得处理后的信号,所述处理后的信号为经过傅里叶变换的频域信号。
7.根据权利要求6所述的装置,其特征在于,所述处理模块具体用于:
根据所述信号在不同时间点的采样值,通过所述矩阵运算单元进行矩阵运算,得到第一向量;
根据所述第一向量和第二向量、第三向量,通过所述矩阵运算单元进行矩阵运算,得到处理后的信号,所述处理后的信号通过所述第二向量和所述第一向量的乘积以及所述第三向量和所述第一向量的乘积表征。
8.根据权利要求7所述的装置,其特征在于,所述处理模块具体用于:
根据所述信号在不同时间点的采样值构建第一矩阵,根据所述不同时间点构建第二矩阵;
通过所述矩阵运算单元,对所述第一矩阵和所述第二矩阵进行矩阵乘法运算,获得第一向量。
9.根据权利要求6至8任一项所述的装置,其特征在于,所述待处理的信号包括视频信号、语音信号、图像信号、光信号或电信号。
10.根据权利要求6至9任一项所述的装置,其特征在于,所述装置部署在处理器中,所述处理器包括神经网络处理器、图形处理器或者张量处理器。
11.一种芯片,其特征在于,所述芯片包括至少一个处理器和接口电路,所述处理器包括矩阵运算单元,且矩阵运算单元的比例达到预设比例;
所述处理器通过所述接口电路获取程序指令,根据所述程序指令执行权利要求1至5中任一项所述的信号处理方法。
12.一种计算机集群,其特征在于,包括至少一台计算机,所述计算机包括处理器和存储器,所述存储器存储有计算机可读指令,所述处理器执行所述计算机可读指令,以使所述计算机集群执行权利要求1至5中任一项所述的信号处理方法。
13.一种计算机可读存储介质,其特征在于,包括计算机可读指令,当所述计算机可读指令在计算机集群上运行时,使得所述存储节点执行如权利要求1至5任一项所述的信号处理方法。
14.一种计算机程序产品,其特征在于,包括计算机可读指令,当所述计算机可读指令在计算机集群上运行时,使得所述存储节点执行如权利要求1至5任一项所述的信号处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111138631.6A CN115878949A (zh) | 2021-09-27 | 2021-09-27 | 信号处理方法以及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111138631.6A CN115878949A (zh) | 2021-09-27 | 2021-09-27 | 信号处理方法以及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115878949A true CN115878949A (zh) | 2023-03-31 |
Family
ID=85763094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111138631.6A Pending CN115878949A (zh) | 2021-09-27 | 2021-09-27 | 信号处理方法以及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115878949A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116741202A (zh) * | 2023-08-10 | 2023-09-12 | 北京边锋信息技术有限公司 | 一种语音信号处理方法、装置和可读存储介质 |
-
2021
- 2021-09-27 CN CN202111138631.6A patent/CN115878949A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116741202A (zh) * | 2023-08-10 | 2023-09-12 | 北京边锋信息技术有限公司 | 一种语音信号处理方法、装置和可读存储介质 |
CN116741202B (zh) * | 2023-08-10 | 2023-11-10 | 北京边锋信息技术有限公司 | 一种语音信号处理方法、装置和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN110263909B (zh) | 图像识别方法及装置 | |
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
CN112634928B (zh) | 声音信号处理方法、装置和电子设备 | |
CN112037792B (zh) | 一种语音识别方法、装置、电子设备及存储介质 | |
CN113033580B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN115878949A (zh) | 信号处理方法以及相关设备 | |
CN114420135A (zh) | 基于注意力机制的声纹识别方法及装置 | |
CN112257459B (zh) | 语言翻译模型的训练方法、翻译方法、装置和电子设备 | |
CN111914987A (zh) | 基于神经网络的数据处理方法及装置、设备和可读介质 | |
CN111915689B (zh) | 用于生成目标函数的方法、装置、电子设备和计算机可读介质 | |
CN113468344A (zh) | 实体关系抽取方法、装置、电子设备和计算机可读介质 | |
CN111858916B (zh) | 用于聚类句子的方法和装置 | |
CN111666449B (zh) | 视频检索方法、装置、电子设备和计算机可读介质 | |
CN111460214B (zh) | 分类模型训练方法、音频分类方法、装置、介质及设备 | |
CN111626044B (zh) | 文本生成方法、装置、电子设备及计算机可读存储介质 | |
CN110378479B (zh) | 基于深度学习的图片输入方法、装置及终端设备 | |
CN110222777B (zh) | 图像特征的处理方法、装置、电子设备及存储介质 | |
CN113986958A (zh) | 文本信息的转换方法、装置、可读介质和电子设备 | |
CN113222050A (zh) | 图像分类方法、装置、可读介质及电子设备 | |
CN113010728A (zh) | 一种歌曲推荐方法、系统、智能设备及存储介质 | |
CN113051933A (zh) | 模型训练方法、文本语义相似度确定方法、装置和设备 | |
CN111898061A (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
CN112308205A (zh) | 基于预训练模型的模型改进方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |