探究DSP-PYNQ新增對ZCU111和Ultra96的支持！

在PYNQ RFSoCWorkshop之后，Xilinx再次推出DSP-PYNQ，與之前只發布了基于RFSoC2x2開發套件的overlay和notebooks不同，本次發布的工程增加了對ZCU111和Ultra96的支持。

Overlay

開發者可以通過簡單的命令快速安裝overlay，并正式開啟基于PYNQ的數字信號處理之旅。

# PYNQ v2.4.1 v2.5pip3 install https://github.com/Xilinx/DSP-PYNQ/releases/download/v1.0_$BOARD/dsp_pynq-1.0-py3-none-any.whl

# PYNQ v2.6pip3 install https://github.com/Xilinx/DSP-PYNQ/releases/download/v2.0_$BOARD/dsp_pynq-2.0-py3-none-any.whl

python3 -c ‘import dsp_pynq; dsp_pynq.install_notebooks（）’

Notebooks

本次DSP-PYNQ一共發布了兩個有關數字信號處理的notebooks，這些notebooks可以幫助開發者快速熟悉和理解如何使用Python和PYNQ開發數字信號處理（DSP）應用。其中第一個notebook是圍繞數字信號處理功能的DSP和Python包入門應用，第二個notebook在第一個的基礎上，將FFT和FIR處理搬移到PL端進行加速處理。

Notebook 1：蘇格蘭鳥類錄音分析

在該示例應用中，我們將從可視化一些有趣的信號開始——蘇格蘭鳥類的錄音！這段錄音包含兩種不同頻率的蘇格蘭鳥的聲音，我們將使用一些不同的分析技術來了解這些信號，最后對音頻進行處理以分離出單一類型的鳥類。

引入SciPy ecosystem，包括用于DSP運算的scipy.signal和用于數組的numpy。

獲取采樣頻率，樣本數組類型，樣本數據格式，數據長度等信息。

使用Scipy對原始樣本數據進行FFT操作。

使用Scipy設計FIR濾波器，并驗證其頻率響應。

使用FIR濾波器對原始信號進行濾波。

使用plotly_express和pandas dataframe實現可視化操作，能夠自由對繪圖進行zoomin/pan around/zoom back 保存等操作，上述圖片均使用ploty_express繪得。

Notebook2：使用FPGA實現硬件加速

在該示例應用中，我們將會使用相同的SciPy技術來分析記錄有兩種鳥類聲音的音頻，并使用濾波器來分離其中一種聲音。但是，這一次我們將會把軟件的FFT和FIR函數搬移到FPGA端實現硬件加速，同時使用PYNQ控制。

使用LogiCoreFIR Compiler和LogiCireFFT構建硬件加速邏輯。

使用AXI DMA實現PL端與PS端的Memory共享。

使用Python為FPGA硬件構建控制函數，通過DMA傳輸數據和配置信息，實現對FFT和FIR IP核的on-the-fly重配置以及功能實現。

編輯：jq