基于网络编码的无线NoC应用映射技术研究

发布时间：2018-01-14 00:28

  本文关键词：基于网络编码的无线NoC应用映射技术研究　出处：《电子科技大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 无线NoC 任务映射 网络编码 优化算法

【摘要】：无线片上网络(NoC,Network-on-Chip)是一个多处理单元之间的协同工作的数据交互结构,具有高速率、高带宽、QoS保障等优点。在无线NoC上实现高效应用的首要任务是进行应用的任务映射,提高任务映射方案下的系统性能。而无线连接的NoC具有天然的广播特性,在此引入网络编码(NC,Network coding)技术,可以显著地降低网络延时,提高网络吞吐率,降低由网络拥塞带来的额外通信开销。因此,在任务映射后的NoC上进行网络编码设计,可以进一步优化网络性能。本文主要研究如何在无线NoC上进行有效的任务映射和网络编码映射使得面向应用的无线NoC系统性能达到最优,研究成果如下:(1)提出了一种针对延时、功耗和热平衡三目标优化的任务映射算法。该算法是一种改进的NSGA-Ⅱ算法,能够在优化延时、功耗和热平衡的同时有效地防止在遗传过程中出现过早收敛的现象,为无线NoC上应用的三目标优化任务映射提供一种可行方法。(2)提出了缓解多热点拥塞的分区域网络编码模型。该模型将整个无线NoC分割为多个互不重叠的子区域,然后在这些子区域里分别独立地构造各自的网络编码,优化网络性能。设计了一种基于分布式蝶形网络编码的无线NoC架构。该架构通过多个互不相交的蝶形网络编码,减少无线NoC中的热点个数,降低无线NoC的通信延时,为复杂系统提供高速、高效的多核协同处理平台。(3)提出了一种基于分布式蝶形网络编码的最小化热点算法。该算法通过最大程度地增加无线NoC上的蝶形网络编码个数,提升网络编码增益。(4)搭建了基于Matlab的无线NoC应用映射仿真平台。仿真结果表明,本文改进的三目标优化任务映射算法相对改进前的NSGA-Ⅱ三目标优化任务映射算法能够进一步优化系统性能,并且相对两目标优化任务映射算法能够在延时、功耗和热平衡三方面取得更好的折衷性能;本文提出的采用最小化热点算法的分布式蝶形网络编码能够有效提升无线NoC的传输性能,减少网络中的热点个数,缓解网络的拥塞程度。
[Abstract]:Wireless on-chip network (NOC) is a cooperative data interaction structure between multi-processing units with high rate and high bandwidth. The most important task to implement efficient application on wireless NoC is to map the task of application. To improve the performance of the system under the task mapping scheme, and the wireless connection NoC has the natural broadcast characteristic, this paper introduces the network coding NoC network coding technology. It can significantly reduce the network delay, improve the throughput of the network, and reduce the additional communication overhead brought by network congestion. Therefore, the network coding design is carried out on the NoC after task mapping. This paper focuses on how to perform effective task mapping and network coding mapping on wireless NoC to optimize the performance of application-oriented wireless NoC systems. The research results are as follows: 1) A task mapping algorithm for delay, power consumption and thermal balance optimization is proposed. This algorithm is an improved NSGA- 鈪，

本文编号：1421250