当前位置:主页 > 科技论文 > 计算机论文 >

可重构计算体系结构及应用研究

发布时间:2019-03-11 17:06
【摘要】:可重构计算可以针对具体问题,更改自身的硬件配置结构,,使其能够保持软件计算的灵活性特点,又能拥有硬件计算的高性能特点,所以其受到研究人员的广泛重视,成为高性能计算领域的研究热点之一。整个可重构计算的研究内容可以分为两个层次,即可重构计算应用的研究及可重构计算硬件平台的研究。 应用研究层次,可以把研究问题归类为特定应用、通用应用两类。特定应用需要对针对特定问题对计算模型、数据组织、通信模型、算法实现做出优化,使应用的性能最大化。而通用应用则是希望对一类问题提出泛型模板及构建应用库,当遇到属于同一类型的应用时可以通过修改开放接口,利用可重构计算的硬件可配置特性,得到具体问题的高效解决方案。 硬件平台研究层次,基本可分为细粒度可重构计算平台研究及粗粒度可重构计算平台研究两类。细粒度可重构平台的研究主要指FPGA芯片的研究。FPGA芯片是当今最成熟的可重构计算基础硬件。但由于其有配置时间长、能耗大、布局布线时间长、资源利用率低及数据传输时延大等缺点,越来越多的研究将重点转移到粗粒度可重构计算平台研究。 本文的研究内容完整包括了可重构计算研究两个层次:从应用研究入手,深入到硬件结构研究。同时我们的研究可以划分为三个个方面:特定应用研究、通用应用研究、及新型可重构硬件平台研究。 特定应用研究方面,我们选取在视频监视、安全接触控制等领域有广泛应用前景的人脸检测为例,通过改进图像缩放阈值及缩放算法的选取、积分图计算流水线结构,使其适应可重构硬件FPGA的基础结构。实验结果也表明基于FPGA的解决方案性能远远高于传统的软件解决方案。 通用应用研究方面,我们选取在数字逻辑问题、人工智能等方面有重要地位且前人研究没有解决的递归问题为对象,通过划分递归查找树、平衡递归任务划分方法构造了递归问题的通用、并行可重构硬件并行解决方案。 新型可重构硬件体系结构研究方面,针对现有粗、细粒度可重构硬件的具体缺点,我们提出基于新型的无线互联机制、异构的基础功能单元、高效的任务调度优化机制的异构可重构平台。真实实验的对比表明在能耗、性能、配置生成时间上与先前的可重构计算平台相比,我们的异构平台有很大的优势。
[Abstract]:Reconfigurable computing can change its hardware configuration structure so that it can maintain the flexibility of software computing and have the high performance characteristics of hardware computing, so it has been widely paid attention to by researchers, and reconfigurable computing can change its own hardware configuration structure in order to maintain the flexibility of software computing and high performance characteristics of hardware computing. It has become one of the research hotspots in the field of high performance computing. The whole research content of reconfigurable computing can be divided into two levels: the research of reconfigurable computing application and the research of reconfigurable computing hardware platform. At the application research level, the research problems can be classified into two categories: specific application and general application. Specific applications need to optimize the computing model, data organization, communication model and algorithm implementation to maximize the performance of the application. General-purpose applications hope to propose generic templates and build application libraries for a class of problems. When they encounter applications of the same type, they can make use of the hardware configurable characteristics of reconfigurable computing by modifying the open interface. Get efficient solutions to specific problems. The research level of hardware platform can be divided into two categories: fine-grained reconfigurable computing platform and coarse-grained reconfigurable computing platform. The research of fine-grained reconfigurable platform mainly refers to the research of FPGA chip, which is the most mature basic hardware of reconfigurable computing. However, due to its shortcomings such as long configuration time, large energy consumption, long layout and routing time, low resource utilization and large data transmission delay, more and more research focuses on coarse-grained reconfigurable computing platforms. The research contents of this paper include two levels of reconfigurable computing: from the research of application, to the research of hardware architecture. At the same time, our research can be divided into three aspects: specific application research, general application research, and new reconfigurable hardware platform research. In the aspect of specific application research, we choose face detection which is widely used in video surveillance, safe contact control and other fields as an example. By improving the image scaling threshold and the selection of scaling algorithm, we calculate the pipeline structure of integral graph. Adapt it to the infrastructure of reconfigurable hardware FPGA. The experimental results also show that the performance of FPGA-based solutions is much higher than that of traditional software solutions. In the field of general application research, we choose recursive problem which has important position in digital logic problem, artificial intelligence and so on, and has not been solved by predecessors, by dividing recursive search tree, The balanced recursive task partition method constructs a general and parallel reconfigurable hardware parallel solution for recursive problems. In the aspect of research on the new reconfigurable hardware architecture, we propose a new wireless interconnection mechanism, which is based on heterogeneous basic functional units, aiming at the specific shortcomings of the existing coarse and fine-grained reconfigurable hardware. An efficient heterogeneous reconfigurable platform for task scheduling optimization. The comparison of real experiments shows that our heterogeneous platform has great advantages over previous reconfigurable computing platforms in terms of energy consumption, performance and configuration generation time.
【学位授予单位】:上海交通大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:TP38

【共引文献】

相关期刊论文 前10条

1 秦晓燕;王晓芳;陈萍;储德军;王海涛;;基于Adaboost算法的炮弹炸点检测[J];兵工学报;2012年06期

2 曹林;杜康宁;;基于加权PCA的人眼定位算法[J];北京信息科技大学学报(自然科学版);2010年03期

3 李志成;秦世引;Itti Laurent;;遥感图像的显著-概要特征提取与目标检测[J];北京航空航天大学学报;2010年06期

4 谷多玉;郭江;李书晓;常红星;;基于Gabor滤波器的航空图像居民区域提取[J];北京航空航天大学学报;2012年01期

5 胡章芳;李林;罗元;张毅;;基于头势的机器人的人机交互[J];重庆邮电大学学报(自然科学版);2010年04期

6 董妮娅;郑建宏;;一种视频中基于检测的快速人脸跟踪方法[J];重庆邮电大学学报(自然科学版);2011年03期

7 徐建君;张玉平;朱金陵;;基于DSP的疲劳驾驶实时检测算法实现[J];成都电子机械高等专科学校学报;2010年01期

8 王心醉;郭立红;杨丽梅;康长青;;基于AdaBoost的人脸检测算法[J];长春理工大学学报(自然科学版);2009年02期

9 王吉林;叶建隆;赵力;邹采荣;;基于曲线波隐马尔可夫模型的人脸检测[J];传感技术学报;2011年05期

10 Young-joon HAN;Hern-soo HAHN;;Vehicle Detection in Still Images by Using Boosted Local Feature Detector[J];Journal of Measurement Science and Instrumentation;2010年01期

相关会议论文 前10条

1 侯杰;茅耀斌;孙金生;;基于FDA的快速haar特征选取及其在级联AdaBoost人脸检测中的应用[A];中国自动化学会控制理论专业委员会D卷[C];2011年

2 樊彬;罗飞;李招;;一种基于整数图像技术的窗口匹配算法[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年

3 段其昌;周奇;段盼;;基于改进粒子滤波的实时鲁棒人脸跟踪算法[A];2009中国控制与决策会议论文集(2)[C];2009年

4 张平;王贵成;;Adaboost人脸检测算法的速度影响因素分析及其改进方法[A];第三届中国智能计算大会论文集[C];2009年

5 汲鹏允;李筠;;基于Adaboost的彩色图像的人脸检测方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 庄连生;唐克坦;马启荣;俞能海;;基于注意力模型的PLSA目标学习算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 李秋洁;茅耀斌;王执铨;项文波;;基于CS Adaboost的车牌检测算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 欧阳琰;桑农;;基于面部动作单元组合特征的表情识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 Jianfang Dou;Jianxun Li;;Improved Deformable Part Model For Object Detection Based on Scale Invariant Feature Transform[A];第25届中国控制与决策会议论文集[C];2013年

10 曹健;陈红倩;毛典辉;李海生;蔡强;;基于局部特征的图像目标识别问题综述[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年

相关博士学位论文 前10条

1 黄林峰;多目标进化算法研究[D];中国科学技术大学;2009年

2 钟凡;在线视频分割关键问题研究[D];浙江大学;2010年

3 陈仁杰;内容敏感的图像重映射算法研究[D];浙江大学;2010年

4 林裕旭;基于扫描数据的三维人脸表情合成[D];浙江大学;2010年

5 梁建宁;特征选择与图像匹配[D];复旦大学;2011年

6 吴海山;大规模运动群体跟踪和三维人脸姿态纠正的研究[D];复旦大学;2011年

7 曾成斌;多摄像机协同的行人检测技术研究[D];北京邮电大学;2011年

8 陈俊;笑脸表情分类识别的研究[D];华南理工大学;2011年

9 田隽;基于粒子滤波的视频目标跟踪算法的研究[D];中国矿业大学;2010年

10 张起荣;基于子空间及双树四元数小波的人脸识别算法研究[D];重庆大学;2011年

相关硕士学位论文 前10条

1 李光;基于均值偏移的视频目标跟踪、检测算法研究及系统实现[D];浙江理工大学;2010年

2 吴敏;基于AdaBoost和独立分量分析的人脸检测与识别算法的研究[D];郑州大学;2010年

3 林天威;基于视频流的人脸识别系统研究[D];哈尔滨工程大学;2010年

4 唐晓敏;基于霍夫变换及条件概率模型的多目标检测[D];大连理工大学;2010年

5 郑伟华;基于自适应变换和空域同态变换的人脸光照补偿方法研究[D];湘潭大学;2010年

6 张庆久;近邻法与多视角学习的理论与算法研究[D];华东师范大学;2011年

7 何世民;基于AdaBoost算法的人脸检测及其在DSP平台上的移植[D];哈尔滨理工大学;2010年

8 闫国青;基于SIFT的场景理解方法研究[D];长春工业大学;2010年

9 季林峰;基于DSP的人脸检测式3D立体显示系统研究与实现[D];浙江大学;2011年

10 刘兆军;基于人脸识别的考勤系统的设计与实现[D];电子科技大学;2010年



本文编号:2438456

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2438456.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户2d531***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com