Teensy4はデシメーションの必要がないくらい処理性能が高いが，ESP32-S3はTeensy4に比べて非力なので，デシメーションが必要となるケースが多いかもしれない．

ライブラリには Decimation FIR filter が用意されているので試してみた．デシメーションフィルタは普通のFIRフィルタに比べ，同じタップ数でもダウンサンプル比をNとすれば，ポリフェーズ分解によってフィルタ処理自体も理想的には1/Nになる．またサンプリング周波数も以降は1/Nとなるのであとの処理も軽くなる．

以下のコードを実行させて，ダウンサンプル比4のデシメーションフィルタと通常のFIRフィルタの処理時間と入出力信号を確認した．タップ数はいずれも1024．

#include <esp_dsp.h>

#define BLOCK_SAMPLES 64 
#define Ndec 1024

fir_f32_t fir_dec;
float coeffs_fir_dec[Ndec];
float z_fir_dec[Ndec];

void setup(void) {
  Serial.begin(115200);
  delay(50);

  digitalWrite(48, LOW);
  pinMode(48, OUTPUT);
  digitalWrite(48, LOW);  

  float si[BLOCK_SAMPLES];   // Input signal
  float so[BLOCK_SAMPLES]; // Output of FIR
  float sod[BLOCK_SAMPLES]; // Output of Decimation FIR

  // 入力信号（SIN波）
  for(int i; i<BLOCK_SAMPLES; i++){
    si[i] = sin(2.0f*2.0f*M_PI*(float)i/BLOCK_SAMPLES);
  }

  // FIR 係数（入力を2倍にするフィルタ）
  dsps_d_gen_f32(coeffs_fir_dec, Ndec, 0);
  coeffs_fir_dec[0] =2.0f;

  // fir_dec をデシメーションフィルタとして初期化
  //（ダウンサンプル比4） 
  dsps_fird_init_f32(&fir_dec, coeffs_fir_dec, z_fir_dec, Ndec, 4, 0);
    digitalWrite(48, HIGH);
  dsps_fird_f32(&fir_dec, si, sod, BLOCK_SAMPLES);
    digitalWrite(48, LOW);

  // fir_dec を通常のFIRフィルタとして初期化 
  dsps_fir_init_f32(&fir_dec, coeffs_fir_dec, z_fir_dec, Ndec);
    digitalWrite(48, HIGH);
  dsps_fir_f32(&fir_dec, si, so, BLOCK_SAMPLES);
    digitalWrite(48, LOW);
    
   for(int i; i<BLOCK_SAMPLES; i++){
     Serial.printf("%f %f %f;\n",si[i], so[i], sod[i] );
   }
}

void loop(void) {
}

実行時間は下図のとおり，デシメーションフィルタは通常のフィルタに比べおよそ1/3の処理時間になった．1/4でないのはオーバーヘッドなどを考えれば当然かと思うが，デシメーションFIRフィルタによってダウンサンプルを同時に行えば，処理時間をかなり減らすことができそう．もちろん信号帯域は狭くなるが．

入出力信号は下図のようになった．サンプル数が64 から1/4 の16に減少しているのがわかる（17個目以降はゴミ）．フィルタ処理としては通常のFIRと同じ処理が行われている（2倍）．