Electronic Artist

I2S (Inter-IC Sound)

◈ I2S (Inter-IC Sound) I2S(Inter-IC Sound)는 디지털 오디오 장치 간에 데이터를 전송하기 위해 설계된 직렬 인터페이스 표준입니다. 필립스에서 제정했으며, 주로 MCU, DSP, 오디오 코덱, DAC/ADC 사이에서 무손실 오디오 데이터를 주고받을 때 사용하는 버스입니다. I2S의 핵심은 데이터(Data)와 클록(Clock)을 분리하여 전송함으로써, 신호의 시간적 오차인 지터(Jitter)를 최소화한다는 점입니다. 1. I2S의 3대 핵심 신호라인 I2S는 최소 3개의 선으로 구성됩니다. • SCK (Serial Clock): 비트 클록(BCLK)이라고도 하며, 데이터의 각 비트가 전송되는 타이밍을 결정합니다(동기식 통신에 사용). • ..

ADI - DAI와 NXP - SAI

◈ ADI - DAI와 NXP - SAI Analog Devices(ADI)의 DAI와 NXP i.MX8M Plus의 SAI는 모두 디지털 오디오 데이터를 주고받기 위한 핵심 인터페이스이지만, 설계 철학과 유연성 면에서 뚜렷한 차이가 있습니다. 1.1 Analog Devices의 DAI (Digital Audio Interface) ADI의 SHARC나 SigmaDSP 프로세서에서 주로 볼 수 있는 DAI는 단순한 포트를 넘어선 '신호 라우팅 매트릭스'에 가깝습니다. • 구조적 특징: DAI는 내부적으로 SRU(Signal Routing Unit)와 연결되어 있습니다. 이는 물리적인 핀과 내부의 직렬 포트(SPORT), 정밀 클록 생성기(PCG), SRC(Sample Rate Conv..

1. ONNX Runtime Inferencing: API Basics 이 튜토리얼에서는 각 언어 API를 사용하여 ONNX 런타임으로 기본적인 추론을 수행하는 방법을 보여줍니다. 더 많은 예제는 microsoft/onnxruntime-inference-examples에서 확인할 수 있습니다. 1.1 Python Scikit-learn Logistic Regression ONNX 런타임은 학습 프레임워크에 의존하지 않고 CPU 또는 GPU에서 고성능으로 머신 러닝 모델을 쉽게 실행할 수 있는 방법을 제공합니다. 머신 러닝 프레임워크는 일반적으로 예측보다는 배치 학습에 최적화되어 있지만, 애플리케이션, 웹사이트 및 서비스에서는 예측이 더 일반적인 시나리오입니다. ONNX 런타임을 사용하면 다음과 ..

ONNX Runtime 설치원하는 운영 체제, 하드웨어, 가속기 및 언어 조합에 대한 권장 설치 지침은 설치 매트릭스를 참조하십시오.운영 체제 버전, 컴파일러, 언어 버전, 종속 라이브러리 등에 대한 자세한 내용은 호환성 항목을 참조하십시오. 1. ONNX 설치 1.1 요구사항 모든 빌드에는 en_US.UTF-8 로케일이 포함된 영어 언어 패키지가 필요합니다. Linux에서는 locale-gen en_US.UTF-8 및 update-locale LANG=en_US.UTF-8 명령을 실행하여 language-pack-en package 를 설치하십시오.Windows 빌드에는 Visual C++ 2019 runtime이 필요합니다. 최신 버전을 사용하는 것이 좋습니다. 1.2 CUDA..

◈ eIQ AI 개발 환경 개요 1. eIQ® Time Series Studio for Edge AI Development 웹 액세스 및 온프레미스 설치를 통해 모두 사용 가능합니다.eIQ® Time Series Studio(TSS)는 NXP 프로세서용 시계열 AI 모델의 생성, 최적화 및 선택을 간소화하는 자동화된 머신 러닝(autoML) 기능을 갖춘 엔드투엔드 개발 도구입니다. TSS는 데이터 큐레이션, 모델 생성, 최적화, 에뮬레이션 및 배포를 포함한 워크플로우를 간소화합니다. 이러한 효율성은 개발 시간과 복잡성을 줄여 임베디드 시스템에 시계열 AI를 빠르고 원활하게 통합하여 실시간 예측 인사이트를 얻을 수 있도록 합니다. 블록도 주요 기능 엔드 투 엔드 개발 파이프라인 • ..

1. ONNX Runtime 소개 ONNX Runtime은 하드웨어별 라이브러리를 통합할 수 있는 유연한 인터페이스를 갖춘 크로스 플랫폼 머신러닝 모델 가속기입니다. ONNX Runtime은 PyTorch, TensorFlow/Keras, TFLite, scikit-learn 및 기타 프레임워크의 모델과 함께 사용할 수 있습니다. 1.1 ONNX Runtime 추론 ONNX 런타임 추론은 Office, Azure, Bing을 비롯한 주요 Microsoft 제품 및 서비스와 수십 개의 커뮤니티 프로젝트에서 머신 러닝 모델을 구동합니다.ONNX 런타임 추론의 사용 사례는 다음과 같습니다.다양한 머신 러닝 모델의 추론 성능 향상다양한 하드웨어 및 운영 체제에서 실행Python으로 학습하고 C#/C++/J..

NXP의 eIQ(Edge Intelligence)는 초기에는 Computer Vision(CV) 처리에 집중하여 발전한 것이 사실이지만, 현재는 NLP(자연어 처리)와 시계열 데이터 분석까지 지원 범위가 확장된 범용 AI 소프트웨어 개발 환경입니다.특히 엔지니어님이 사용 중인 i.MX8M Plus의 NPU 가속을 위해 eIQ를 어떻게 활용할 수 있는지 핵심 내용을 정리해 드립니다. 1. eIQ는 Vision에만 특화된 툴인가? 아니요, 현재는 "멀티모달(Multi-modal)" 지원 단계입니다. 처음에는 이미지 분류(Classification)나 객체 탐지(Object Detection)를 위한 GUI(eIQ Portal) 기능이 강력해 Vision 특화 툴로 오해받기도 했지만, 기반 구조는 어떤 ..

▣ Streaming 및 Batch 처리를 고려한 Inference API 설계 및 구현 Overview 음성 인식(ASR)이나 잡음 제거 모델을 실제 시스템에 올릴 때 가장 까다로운 부분 중 하나가 바로 데이터의 유입 방식에 따른 아키텍처 분리입니다. 마이크에서 실시간으로 들어오는 오디오를 처리하는 스트리밍(Streaming) 방식과, 이미 녹음된 파일이나 대량의 텍스트를 한 번에 처리하는 배치(Batch) 방식은 요구되는 프로토콜과 내부 상태 관리 방법이 완전히 다릅니다. 이 두 가지를 모두 수용하는 Inference API의 설계 및 구현 가이드를 정리해 드립니다. 1. 실시간(Stream) & 배치(Batch) Processing (1) Stream Processing Stream..

◈ Noise Robustness 향상을 위한 전처리 자동차 주행 환경이나 제조 현장은 저주파 엔진 소음, 불규칙한 타격음, 바람 소리(Wind Noise) 등 비정상성(Non-stationary) 소음이 매우 강력한 환경입니다. 이를 극복하고 ASR(음성 인식)이나 신호 처리의 강건성을 확보하기 위한 전처리 기술은 크게 전통적인 신호 처리 방식과 딥러닝 기반 방식으로 나뉩니다. 1. 전통적인 신호처리 기술 (DSP 기반) 지연 시간(Latency)이 매우 적어야 하는 실시간 시스템(ANC, DSP 등)에서 핵심적으로 사용됩니다. • Beamforming (빔 포밍): - 여러 개의 마이크(마이크 어레이)를 사용하여 특정 방향(예: 운전자의 입 방향)에서 오는 소리만 증폭시..

i.MX8M Plus(8MP) 환경에서 RANC(Road-noise Active Noise Control)와 ANC(Active Noise Control)를 동시에 다루는 것은 하드웨어와 알고리즘의 최적화가 완벽히 맞물려야 하는 고급 프로젝트입니다. 특히 8MP의 DSP와 NPU, 그리고 MATLAB/Simulink를 어떻게 유기적으로 연결할지가 핵심입니다.프로젝트 수행을 위한 아키텍처와 단계별 가이드를 정리해 드립니다. 1. ANC와 RANC 소개 직접 차를 운전할 때 라디오를 끄고 귀를 기울여 보라. 일반적인 차량 모델에 타고 있다면 실내 공간으로 들어오는 소음을 들을 수 있을 것입니다. 엔진이나 타이어에서 나는 소리이든 바람 소리이든, 이러한 불편한 소음은 장거리 운행 중인 운전자에게 피..