相关、对称FIR算法的并行化设计及硬件实现

发布时间：2017-06-20 01:04

  本文关键词：相关、对称FIR算法的并行化设计及硬件实现，由笔耕文化传播整理发布。

【摘要】：可重构处理器是当前处理器领域的研究热点,一般采用运行时可动态重构的功能单元,实现算法到计算引擎的空间映射,从而大大提高系统灵活性和资源利用率,同时又保留着专用集成电路优越的性能优势。诸多方面使得重构处理器日渐成为许多高端应用场合的首选。论文给出一种可集成在多核异构SoC系统的重构专用处理核架构,对内部主要模块、资源构成及详细参数进行了介绍。系统采用粗粒度的静态配置方式改变基本运算单元的拓扑结构和互连关系,通过资源复用实现特定应用的硬件加速。该处理器系统的主要功能是实现几种数字信号处理算法,例如F1R、相关、FFT、矩阵运算等。该论文主要研究自相关、互相关、对称FIR三类算法在该系统上的硬件实现。首先基于算法的乘加特性,提出一种适合算法特征并满足项目性能需求的变阶流水串行乘累加器。该乘累加器是相关算法的核心控制模块,基于该模块,并结合系统运算资源、存储资源规模的分析,提出四路并行设计方案。由于相关算法每次滑窗的运算量并不均匀,针对每一路的任务分配问题,论文提出基于负载平衡的并行划分策略,着力使每一路的运算负载分配尽可能一致,最大化降低系统运行时间。由于大点数自相关、互相关算法的源向量不可分割以及存储资源受限,不同的参数区间会对应不同的并行度,针对16到128k的点数覆盖要求,论文提出三种相应的硬件方案并设计实现。对称FIR算法应用极为广泛,针对需求中该算法较大的点数变化范围,论文提出一种“二维分割”技术,解决了DMA搬运阶段基于并行化设计的数据细粒度分割、存储问题,以及大点数情形下内存容量所限,需要进行多次DMA搬入、处理、搬出时的粗粒度分割问题,从而实现任意参数对称FIR算法的四路并行化设计。针对每组算法的硬件设计,论文给出关键模块的仿真波形图以及相应特征点的性能测试结果,数据表明设计的优越性能符合高端应用场景的实时性要求。最后,论文在充分调研芯片验证技术的基础上,结合实际的项目验证流程,提出三种验证平台及验证方法：传统测试平台、FPGA原型芯片验证以及基于UVM验证方法学的自动化平台验证。并基于三类算法的RTL设计,给出具体测试内容及覆盖率分析。
【关键词】：可重构处理器 自相关 互相关 对称FIR 硬件并行化 功能验证
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP332
【目录】：

• 摘要4-6
• Abstract6-12
• 1 绪论12-20
• 1.1 可重构处理器12-13
• 1.2 数字信号处理算法的硬件设计13-16
• 1.2.1 FIR算法13-15
• 1.2.2 互相关算法15-16
• 1.2.3 自相关算法16
• 1.3 芯片验证技术16-19
• 1.3.1 验证语言的发展17
• 1.3.2 验证结构的发展17-18
• 1.3.3 高级验证方法学18-19
• 1.4 论文主要工作及结构19
• 1.5 论文课题来源19-20
• 2 可重构专用处理器架构20-26
• 2.1 异构多核SoC系统架构20
• 2.2 RASP核内部架构20-22
• 2.3 重构操作详细流程22-24
• 2.4 重构控制器24-25
• 2.5 本章小结25-26
• 3 相关、对称FIR算法的并行设计实现26-53
• 3.1 技术协议及分析26-27
• 3.1.1 技术指标26
• 3.1.2 设计方案26-27
• 3.1.3 设计难点27
• 3.2 乘累加器设计27-30
• 3.3 自相关算法并行设计30-38
• 3.3.1 算法简介30
• 3.3.2 算法并行设计30-32
• 3.3.3 基于RASP核的硬件设计方案32-36
• 3.3.4 仿真波形及结果分析36-38
• 3.4 互相关算法并行设计38-45
• 3.4.1 算法简介38-39
• 3.4.2 算法并行设计39-40
• 3.4.3 基于RASP核的硬件设计方案40-43
• 3.4.4 仿真波形及结果分析43-45
• 3.5 对称FIR算法并行设计45-51
• 3.5.1 算法简介45
• 3.5.2 算法并行设计45-48
• 3.5.3 基于RASP核的硬件设计方案48-49
• 3.5.4 仿真波形及结果分析49-51
• 3.6 本章小结51-53
• 4 基于三类测试平台的功能验证53-66
• 4.1 基于传统测试平台的功能验证53-57
• 4.1.1 测试环境描述53-54
• 4.1.2 测试内容54-57
• 4.2 原型FPGA芯片验证57-61
• 4.2.1 FPGA验证平台介绍58-59
• 4.2.2 平台测试方法59-60
• 4.2.3 测试内容60-61
• 4.3 基于UVM平台的功能验证61-65
• 4.3.1 平台介绍61-62
• 4.3.2 代码图示62-64
• 4.3.3 覆盖率分析64-65
• 4.4 本章小结65-66
• 5 总结与展望66-68
• 5.1 工作总结66
• 5.2 工作展望66-68
• 参考文献68-75
• 攻读硕士学位期间发表论文和取得的成果75-76
• 致谢76-77

【相似文献】

中国期刊全文数据库 前10条

1 葛磊;武芳;王鹏波;张冬林;;3维建筑综合中基于最小特征的面平移算法[J];测绘科学技术学报;2009年02期

2 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期

3 李林;卢显良;;一种基于切割映射的规则冲突消除算法[J];电子学报;2008年02期

4 刘巧玲;张红英;林茂松;;一种简单快速的图像去雾算法[J];计算机应用与软件;2013年07期

5 林亚平,杨小林;快速概率分析进化算法及其性能研究[J];电子学报;2001年02期

6 章郡锋;吴晓红;黄晓强;何小海;;基于暗原色先验去雾的改进算法[J];电视技术;2013年23期

7 杨铁军;靳婷;;一种动态整周模糊值求解算法及其仿真分析[J];系统工程与电子技术;2007年01期

8 周秀玲;郭平;陈宝维;王静;;几种计算超体积算法的比较研究[J];计算机工程;2011年03期

9 吴一戎,胡东辉,彭海良;Chirp Scaling SAR成象算法及其实现[J];电子科学学刊;1995年03期

10 王贵竹;一种产生单向分解值的算法[J];安徽大学学报(自然科学版);2001年03期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD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 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

  本文关键词：相关、对称FIR算法的并行化设计及硬件实现，由笔耕文化传播整理发布。

，

本文编号：464174