Algo Dev Spec · v1.0

算法开发规范 v1.0

原型 · 定点化 · C 实现 · XiDSP 优化 · 金标回归 · 发布

文档编号：D1-B-SPEC-003 · 版本：v1.0 · 发布：2026-05-05

每一个算法都可复现 · 每一次迭代都不退步

6

研发阶段

≥99%

金标一致性

100%

回归必过

算法开发规范 v1.0

摘要

本规范定义 Xisound 声学算法从研究原型到量产发布的完整研发流程。覆盖 需求立项、原型开发、定点化、C 实现、XiDSP 优化、金标回归、发布归档 六大阶段。适用 XiAlgo 六大套件 的所有算法条目（基础信号处理 / 空间音频 / AI 降噪 / 车载算法 / 工具链 / 专业声学）。核心价值观：每一个算法可复现、每一次迭代不退步、每一次发布有金标。

1. 适用范围

1.1 覆盖对象

基础信号处理：EQ / DRC / Limiter / Crossover / Gain / Delay / AEC / NS
空间音频：HRTF / Ambisonics / Spatial Up-mix / VBAP
AI 声学：AI 降噪 / AI 分离 / 语音增强 / 声学场景识别
车载算法：Cabin Tuning / Road Noise Cancellation / Active Sound Design
工具链算法：FIR 设计、IIR 设计、自动调音算法
专业声学：房间校正、系统功率管理、混音自动化

1.2 不在范围

纯 ML 训练工程（另行规范 ML-Ops）
第三方算法封装（走 License 评估流程）

2. 六阶段研发流程

2.1 总流程图

graph LR
    R[阶段 1<br/>需求立项] --> P[阶段 2<br/>原型研发]
    P --> F[阶段 3<br/>定点化]
    F --> C[阶段 4<br/>C 实现]
    C --> O[阶段 5<br/>XiDSP 优化]
    O --> G[阶段 6<br/>金标回归]
    G --> Rel[发布 XiAlgo]

    class R xyL0
    class P xyL2
    class F xyL3
    class C xyL3
    class O xyL4
    class G xyWarn
    class Rel xySuccess

2.2 阶段产出一览

阶段	主要产出	负责人	门禁审批
1. 需求立项	Algo Spec + 参考文献综述 + 性能目标	算法 PM	算法 Leader
2. 原型研发	Python / MATLAB 浮点参考 + 数据集	算法工程师	算法 Leader
3. 定点化	Fix-point 参考 + 精度分析	算法工程师	算法 Leader
4. C 实现	跨平台 C 代码 + Bit-exact 验证	算法 / C 工程师	算法 Leader
5. XiDSP 优化	DSP 汇编 / 内建优化 + 性能达标	DSP 工程师	芯片 Leader
6. 金标回归	Golden reference + 测试集 + CI	QA + 算法	QA Leader
发布	XiAlgo 仓库 + 版本记录 + 文档	算法 Leader	CTO

3. 阶段 1：需求立项

3.1 Algo Spec 必含项

Algo Spec 十大要素

算法名称 + 版本号（遵循 SemVer）
所属 XiAlgo 套件与条目编号
适用场景与目标平台（XiDSP / XiCore / x86 / ARM）
核心数学原理 + 参考文献
输入/输出定义（采样率 / 位深 / 通道数 / 接口）
关键性能指标（如 AEC: ERLE ≥ 40 dB / AI NS: PESQ 提升 ≥ 0.4）
计算复杂度预算（MIPS / Memory）
对比基线（开源 / 竞品 / 上一版本）
测试集与金标策略
风险与 Fallback 方案

3.2 文献综述与对标

对标至少 3 篇近 3 年相关论文 / 专利
对标至少 1 个竞品实现（Harman / Bose / Dirac 等公开 Spec）
评审时明确超越基线的理由（性能 / 效率 / 易用性）

4. 阶段 2：原型研发（浮点参考）

4.1 语言与工具

主推：Python（NumPy / SciPy / PyTorch / Librosa）
次选：MATLAB（老代码库或客户要求时）
禁用：仅自家能跑的私有工具链

4.2 原型代码约束

代码放入仓库 algo-research/<algo-name>/
必须含：run.py（一键复现） + requirements.txt + README.md
数据依赖：引用公开数据集或内部匿名化数据集，禁止提交客户私有音频
结果可视化：频谱图 / 时域图 / 主观评分，以 reports/ 归档

4.3 评审产出

原型评审会（Proto Review）：算法 Leader + 产品 PM + QA 联合
产出：可复现的 Python 浮点参考 + 测试集 + 对比报告

5. 阶段 3：定点化

5.1 位宽策略

场景	位宽	说明
常规信号处理（EQ/DRC）	Q1.31 / Q4.28	XiDSP 标准 fixed
高精度 IIR	Q2.30 + 双精度累加	防止级联累积误差
AI 模型推理	INT8 / INT16	配合量化训练
对数 / 对数域	log2 域定点	节省 log 运算

5.2 定点化流程

graph LR
    F[浮点参考] --> A[动态范围分析]
    A --> Q[量化位宽选择]
    Q --> S[定点仿真]
    S --> C{精度达标?}
    C -- 否 --> Q
    C -- 是 --> G[固化 Q 格式]

    class F xyL0
    class A,Q xyL2
    class S xyL3
    class C xyWarn
    class G xySuccess

5.3 精度验收

定点 vs 浮点 SNR 劣化 ≤ 1 dB（常规信号处理）
主观 MOS 劣化 ≤ 0.1（AI 类算法）
覆盖极端输入（满量程 / 静音 / 白噪声 / 扫频）

6. 阶段 4：C 实现

6.1 C 编码规范

基础规范：见 sw-dev-spec.md §2.2
额外约束：
无动态内存（算法路径禁用 malloc/free，用外部池）
无浮点（定点算法路径）
无递归
函数状态通过 context struct 传入（可重入）
所有幅度敏感代码加饱和保护（saturation macros）

6.2 Bit-exact 验证

C 实现的输出必须与定点参考 Bit-exact（对同一输入，输出字节完全一致）
采用"Python 定点参考生成 golden.bin → C 跑同样输入 → diff"方式
发现不一致必须定位到具体语句并修复

6.3 可移植性要求

C 代码需能在 x86 / ARM / XiDSP 至少三类平台编译通过
禁用特定编译器 intrinsics（放到 §7 XiDSP 优化阶段）
平台差异通过 platform_porting.h 统一抽象

7. 阶段 5：XiDSP 优化

7.1 优化层次

算法级：数学变形（FFT 替换直接卷积、Goertzel 替换单 bin FFT 等）
流水线级：循环展开、软流水
SIMD / VLIW：XiDSP 向量指令利用
DMA / Cache：数据搬运与缓存局部性
双核 / 多核并行：任务切分

7.2 性能目标

常规信号处理：达到 Spec MIPS 预算的 80% 以内（留 20% 余量）
AI 推理：满足 Spec 规定的 实时性倍率 ≥ 2x（留算力冗余）
如超预算需重回阶段 3 / 阶段 2 调整

7.3 优化产出

性能报告（Cycles per sample / MIPS / Memory）
向量指令覆盖率报告
关键路径 profiling

8. 阶段 6：金标回归

8.1 金标（Golden Reference）

每个算法必须提供一套金标，用于持续回归：

组成	格式	说明
输入测试集	WAV + JSON 配置	至少 20 条覆盖典型 + 极端
参考输出	WAV / 二进制	由"最新已发布的定点参考"生成
指标文件	JSON	SNR / PESQ / POLQA / 自定义指标
主观样本	WAV	主观听测用（每版抽样）

8.2 回归策略

graph LR
    D[代码变更] --> B[CI 触发]
    B --> R[跑金标测试集]
    R --> C{指标达标?}
    C -- 是 --> P[入主干]
    C -- 否 --> F[回退 + 分析]

    class D xyL0
    class B,R xyL2
    class C xyWarn
    class P xySuccess
    class F xyError

Nightly Regression：全量金标
PR 回归：快速子集（≤ 15 分钟）
主观回归：季度一次，由专业听测

8.3 失败处理

金标不一致 默认代码错误，而非修改金标
如果是真实的算法升级（性能更好），需走 金标更新 ADR，并双人签批
绝不允许"因为金标变了就改金标"

金标红线

金标不是"我说对就对"。每次金标更新必须： 1. 有 ADR 记录 2. 有对比报告（新 vs 旧） 3. 双人签批（算法 Leader + QA Leader）

9. 发布与版本

9.1 发布到 XiAlgo 仓库

发布流程：

代码进入 xialgo/algorithms/<suite>/<algo>/ 目录
更新套件 Manifest（算法列表 + 版本 + API）
打 Tag：<algo-name>-v<version>
生成 Release Notes
推送到 XiStudio 插件市场 / 客户 License 包

9.2 版本号

遵循 SemVer
MAJOR：API 不兼容变更（如参数含义变化）
MINOR：新增参数 / 新增模式
PATCH：精度优化 / 性能优化 / Bug 修复

9.3 Deprecation 策略

废弃算法需至少 一个大版本 Deprecation 期
Deprecation 期内仍在仓库中，但 Manifest 标记 deprecated: true
建议迁移路径写入 Release Notes

10. 附录

10.1 推荐工具链

场景	工具
原型	Python 3.11 + NumPy + SciPy + PyTorch
主观评估	MUSHRA（webMUSHRA）
客观指标	PESQ / POLQA / STOI / PEAQ
定点仿真	Fxpmath / 自研定点库
C 测试	Unity Test / Google Test
XiDSP Profiling	自研 xdsp-profiler

10.2 关联文档

10.3 版本历史

版本	日期	要点
v1.0	2026-05-05	首版 · 六阶段流程 + 金标红线

algo-dev-spec.md · D1-B-SPEC-003 · v1.0 · 2026-05-05 · Xisound 研发中心