PPG 生理信号压缩编解码器(RVQ 残差矢量量化)在华为昇腾 NPU 上的完整适配与服务化推理实现。
本仓库提供 Ambiq/compressionkit-ppg-2x-v1.0 这一 PPG(光电容积脉搏波)信号压缩编解码器的昇腾 NPU 适配方案。原模型以 Keras/TFLite 格式发布,面向边缘可穿戴设备,采用 4 层 RVQ 码本实现 2 倍无损压缩。本项目将其完整移植为 PyTorch 实现,利用 torch_npu 运行在昇腾 910 NPU 上,并提供基于 FastAPI 的服务化推理接口。
模型信息:
| 项目 | 内容 |
|---|---|
| 模型名称 | Ambiq/compressionkit-ppg-2x-v1.0 |
| 模型类型 | PPG 信号压缩编解码器(RVQ) |
| 压缩比 | 2x |
| 采样率 | 64 Hz |
| RVQ 层级 | 4 |
| 码本尺寸 | 256 entries × 16 dims |
| 编码器输入 | [B, 320](1 秒 PPG 帧) |
| 编码器输出 | [B, 160, 16] RVQ 索引 |
| 原始框架 | Keras / TFLite |
| 适配框架 | PyTorch + torch_npu |
适配亮点:
| 项目 | 规格 |
|---|---|
| 操作系统 | Linux 5.10.0-182.0.0.95 (aarch64) |
| Python | 3.11.14 |
| NPU 型号 | Ascend910_9362 |
| NPU 数量 | 2 |
| NPU HBM | 64 GB / 张 |
| CANN | 8.5.1 |
| PyTorch | 2.9.0 |
| torch_npu | 2.9.0.post1 |
| FastAPI | 0.123.10 |
| uvicorn | 0.46.0 |
环境检查:
# NPU 状态
npu-smi info
# 框架版本
python3 -c "import torch, torch_npu; print(torch.__version__, torch.npu.is_available())"
# CANN 版本
cat /usr/local/Ascend/cann-8.5.1/version.cfgcd /opt/atomgit/compressionkit-ppg-2x
python3 serve.py --model-dir /opt/atomgit/compressionkit-ppg-2x-v1.0 \
--device npu --port 8000若 8000 端口被占用,可改用其他端口:
python3 serve.py --model-dir /opt/atomgit/compressionkit-ppg-2x-v1.0 \
--device npu --port 8001nohup python3 serve.py --model-dir /opt/atomgit/compressionkit-ppg-2x-v1.0 \
--device npu --port 8000 > /tmp/serve.log 2>&1 &
tail -f /tmp/serve.logcurl http://127.0.0.1:8000/health预期返回:
{
"status": "ok",
"model": "compressionkit-ppg-2x-v1.0",
"device": "npu:0",
"compression_ratio": 2
}curl -X POST http://127.0.0.1:8000/reconstruct \
-H 'Content-Type: application/json' \
-d '{"signal": [[0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]]}'# 编码:PPG 信号 -> RVQ 索引
curl -X POST http://127.0.0.1:8000/encode \
-H 'Content-Type: application/json' \
-d '{"signal": [[0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]]}'
# 解码:RVQ 索引 -> 重建信号
curl -X POST http://127.0.0.1:8000/decode \
-H 'Content-Type: application/json' \
-d '{"indices": [[[60, 82, 14, 224]]]}'# CPU 推理验证
python3 inference.py --device cpu --samples 8 --seed 42
# NPU 推理
python3 inference.py --device npu --samples 8 --seed 42在 8 条合成 PPG 测试信号(batch=8)上的实测结果:
| 指标 | NPU (Ascend910) | CPU |
|---|---|---|
| 编码延迟/样本 | 3.6 ms | 1.6 ms |
| 解码延迟/样本 | 6.5 ms | 0.5 ms |
| 服务端到端 (batch=4) | 9.4 ms | - |
模型加载并推理时,服务进程在 NPU 上占用约 164 MB 设备内存(HBM 总量 64 GB)。由于模型为轻量边缘模型,AI Core 利用率按需动态变化,推理完成后资源释放。
服务默认监听 8000 端口。若该端口已被其他进程占用(如其他模型服务),请更换端口启动,避免影响其他正在运行的服务。
生成 8 条合成 PPG 类信号(64Hz,含基频 1.0-1.5Hz 心跳波形 + 谐波 + 高斯噪声),按 codec_spec.json 的 per_frame_layer_norm 契约归一化后,经编码-量化-解码全流程重建,计算重建质量指标。
| 指标 | 样本0 | 样本1 | 样本2 | 样本3 |
|---|---|---|---|---|
| RMSE | 0.1828 | 0.1911 | 0.1771 | 0.1749 |
| PRD (%) | 18.37 | 19.21 | 17.80 | 17.58 |
| Cosine Similarity | 0.9831 | 0.9815 | 0.9841 | 0.9844 |
NPU/CPU 一致性: NPU 与 CPU 推理输出逐元素一致(误差 < 1e-6),证明适配未引入精度损失。
说明:合成测试信号的 PRD 值高于官方 README 报告的真实 PPG 数据指标(Faithful PRD 2.59%),因为合成信号经过随机相位和噪声扰动,且未经真实 PPG 形态训练分布校准。余弦相似度 0.98+ 表明重建波形形态保真度良好。
--port 参数指定可用端口。encoder_int8.tflite 等文件。