2026年，FPGA大赛用国产高云FPGA做实时语音识别，MFCC特征提取在PL侧加速，BRAM不够用怎么优化？
我们队伍今年备赛FPGA大赛，选了高云FPGA做实时语音识别，算法流程是MFCC特征提取加GMM分类。现在MFCC的梅尔滤波器组和FFT中间结果占用了大量BRAM，资源表上BRAM已经用了90%以上，还有DNN分类器没部署。试过把部分查找表改成分布式RAM，但时序变差。想问问有没有做过类似项目的同学，BRAM不够用的时候一般怎么取舍？是压缩FFT点数还是减少滤波器组数量？或者有没有办法用DSP48复用做部分计算来省BRAM？
逻辑电路学习者
