在上篇文章中，我們發(fā)布了熱門 HLS小橙書-pp4fpgas 的第二次校訂。文中提到的習題案例現(xiàn)均已集成到 PYNQ 框架中，特向大家分享。

那么這些案例通過 PYNQ 框架會帶來哪些便利呢？本文給大家做一個簡單的類比：

過去

在完成項目的 HLS 優(yōu)化之后，若要對其進行功能正確性的驗證，通常我們先對設計進行仿真，這樣比較方便看到設計的波形。但大型設計往往對運行的平臺有較高的要求，同時 co-simulation 等軟件層面的仿真并未使項目中的運算在硬件上運行，所得的延時等指標仍較真實值有一定差距。

當然我們也可以在設計中插入 ILA 或者借助邏輯分析儀等信號處理儀器進行實際硬件電路的觀測。但專用儀器往往在實驗室才能獲取，且較為昂貴，因此給整個開發(fā)流程帶來了極大的不便。

現(xiàn)在

PYNQ 框架在測試中可以理解為：

在 ARM 處理上運行了一套利用 Jupyter Notebook 和 Python 構(gòu)建的軟件測試激勵產(chǎn)生和結(jié)果顯示的框架。

在 FPGA 上利用部分資源構(gòu)建了一套時序精準的測試接口。

這樣用戶可以方便的完成測試激勵產(chǎn)生和顯示，同時可以實時的觀測結(jié)果。尤其是對于此次 pp4fpgas 的數(shù)字信號處理案例，我們可以在 Jupyter Notebook 上非常直觀的觀測到時域頻域的轉(zhuǎn)換，信號波形等等。用戶只需關(guān)注 HLS 設計即可。通過 PYNQ，可編程邏輯電路將作為硬件庫導入并通過其 API 進行編程，其方式與導入和編程軟件庫基本相同。

以 CORDIC 算法為例，首先我們需要對 HLS 優(yōu)化后的 CORDIC 算法生成IP核，隨后就可以在PYNQ 框架內(nèi)，通過內(nèi)存映射 I/O 與 ARM 處理器的 IP 進行通信。如上圖所示，我們僅需創(chuàng)建一個 Jupyter Notebook，編寫 Python 代碼給 IP 發(fā)送數(shù)據(jù)，執(zhí)行該核心，就可以在 Notebook 中得到通過硬件計算出的答案，從而完成驗證。

包括 CORDIC 在內(nèi)，pp4fpgas目前配套了7個 project 練習，覆蓋了許多信號處理領域的重要內(nèi)容，對提高 HLS 的運用能力，增加對 HLS 的理解十分有幫助。Project 內(nèi)容如下：

FIR Filter Design

CORDIC

Phase Detector

Discrete Fourier Transform （DFT）

Fast Fourier Transform （FFT）

OFDM Receiver

FM Demodulator
編輯：lyn