本摘要按执行速度、灵活性和架构层级，对数字信号处理（DSP）系统的信号处理方法进行结构化概述：

1. 通用软件实现（主机/PC 层级）

• 方法：在通用计算机上运行高级软件环境（例如 MATLAB、Python/NumPy、Adobe Photoshop）。
• 特点：灵活性高，便于设计与可视化，但处理速度受系统开销及缺乏实时硬件保障的限制。
• 主要用途：算法开发、仿真、数学验证以及离线处理。

2. 专用应用软件（工作站/服务器层级）

• 方法：使用通用编程语言（例如 C、C++、Java）编写领域专用应用软件，并部署于工作站或服务器。
• 特点：执行效率优于解释型脚本环境，但通常用于满足较为单一的业务功能（例如医学 CT 重建或地震数据分析）。
• 主要用途：在标准计算平台上执行大规模专用处理任务。

3. 嵌入式软硬件协同设计

• 专用 DSP 芯片：
  • 采用针对 multiply-accumulate (MAC) 运算、循环寻址和流水线优化的处理器（例如 TI TMS320C55x、TMS320C6000/DM642 系列）。
  • 兼具硬件加速能力与固件（C/汇编语言）的灵活性。
  • 广泛应用于通信、实时音频和视频编解码器。
• 微控制器（MCU）：
  • 采用运行轻量级算法的通用微控制器（例如 ARM Cortex-M0/M3/M4、8051）。
  • 最适用于数字控制环路、基础滤波和传感器数据采集等低至中等计算负载场景。

4. 专用硬件实现

• FPGA（现场可编程门阵列）：
  • 通过并行硬件流水线将算法直接实现于可编程逻辑中。
  • 可为数字调制、软件定义无线电（SDR）和实时视频压缩等任务提供高吞吐量、低延迟及可重配置能力。
• ASIC / 定制集成电路（专用集成电路）：
  • 将算法实现为固定的硅电路（例如专用硬件音频解码器、基带芯片）。
  • 在大规模生产时具有最低的单位成本、最低的功耗和最高的吞吐量，但制造后无法重新编程。

现代视角与演进

尽管上述分类在根本上仍然基本准确，现代嵌入式 DSP 系统通常采用异构架构：

• SoC / 异构多核：现代 SoC 通常将多核 CPU（例如 Cortex-A）、实时 MCU（Cortex-M）、专用 DSP 内核和可编程逻辑（FPGA 阵列）集成于单一芯片上（例如 AMD/Xilinx Zynq、TI Sitara、NXP i.MX）。
• GPU 与 NPU 集成：对于多维信号处理（例如计算机视觉和雷达阵列处理），嵌入式 GPU 和神经网络处理单元（NPU）可与 DSP 协同处理密集型张量和矩阵运算。