多維計(jì)算模型及其在數(shù)字系統(tǒng)高層次綜合中的應(yīng)用.pdf

1、數(shù)字系統(tǒng)發(fā)展迅速，在各行業(yè)得到了廣泛應(yīng)用，并且，在市場需求的推動(dòng)下，將繼續(xù)保持較快增長速度。數(shù)字系統(tǒng)的規(guī)模和復(fù)雜度不斷提高，給數(shù)字系統(tǒng)的設(shè)計(jì)、測試和生產(chǎn)帶來了一系列新問題。一方面，規(guī)模和復(fù)雜度的提高造成系統(tǒng)設(shè)計(jì)、生產(chǎn)難度提高，要求更長的設(shè)計(jì)、測試時(shí)間，而變化迅速的市場卻要求更短的面市時(shí)間(TIM)。另一方面，系統(tǒng)規(guī)模和復(fù)雜度的提高使系統(tǒng)的功耗、體積有增大的趨勢，但市場卻要求提供體積小、性能好、功耗低的產(chǎn)品。要解決這些矛盾，首先必須在設(shè)計(jì)

2、中不斷改進(jìn)方法，在生產(chǎn)中采用更先進(jìn)的工藝。其次，在整個(gè)過程中都必須充分重視代價(jià)、性能與成本之間的關(guān)系，在各個(gè)方面間做出合理折衷。目前數(shù)字系統(tǒng)描述所采用的計(jì)算模型為一維模型，描述僅反映系統(tǒng)的行為與結(jié)果，而對計(jì)算過程的代價(jià)沒有考慮，割裂了代價(jià)與性能的聯(lián)系，不利于設(shè)計(jì)過程中代價(jià)優(yōu)化和折衷的進(jìn)行。把一維計(jì)算模型擴(kuò)展為多維模型，在描述中融入代價(jià)信息，并在高層次綜合中充分利用該代價(jià)信息，可使性能、代價(jià)、成本的關(guān)系得到自然體現(xiàn)，帶來設(shè)計(jì)方法學(xué)的進(jìn)步。

3、 本文圍繞一種新的計(jì)算模型——多維計(jì)算模型(MDCM)，在MDCM的性質(zhì)與表示方法、基于MDCM的剖析與高層次代價(jià)估算和代價(jià)感知的高層次綜合這三個(gè)方面進(jìn)行了如下創(chuàng)新工作： (1)把一維計(jì)算模型擴(kuò)展為多維計(jì)算模型。分析了現(xiàn)在使用的一維計(jì)算模型在應(yīng)用于計(jì)算具體實(shí)現(xiàn)時(shí)的不足，提出了一種擴(kuò)展的多維計(jì)算模型(MDCM)。采用一維計(jì)算模型的描述僅關(guān)心對象的行為與結(jié)果，而忽略其實(shí)現(xiàn)載體和實(shí)現(xiàn)代價(jià)，但這些信息又是系統(tǒng)具體實(shí)現(xiàn)時(shí)最重要的方

4、面之一，甚至決定方案的可行性。MDCM把操作對象和操作符都擴(kuò)展為可支持任意數(shù)量和類型的屬性，具體操作的代價(jià)通過操作符的屬性及其計(jì)算規(guī)則定義給出，并在操作對象中維護(hù)。代價(jià)信息可用于問題具體實(shí)現(xiàn)時(shí)代價(jià)的分析和優(yōu)化。對具體應(yīng)用實(shí)例的分析表明，MDCM能清晰描述計(jì)算問題具體實(shí)現(xiàn)中的行為與代價(jià)關(guān)系，可作為代價(jià)評估與優(yōu)化的輔助手段。 (2)提出了一種基于多維計(jì)算模型的代價(jià)剖析方法。數(shù)字系統(tǒng)在本質(zhì)上是計(jì)算問題的具體實(shí)現(xiàn)，因此也可把MDCM應(yīng)用

5、于數(shù)字系統(tǒng)設(shè)計(jì)。數(shù)字系統(tǒng)高層次描述在進(jìn)行抽象時(shí)忽略了很多細(xì)節(jié)信息，造成對其處理時(shí)代價(jià)信息的缺失，只能采用盡力而為的方法。本文提出了一種基于MDCM的代價(jià)剖析方法，通過對系統(tǒng)MDCM描述仿真，收集相關(guān)參數(shù)，實(shí)現(xiàn)數(shù)字系統(tǒng)較高層次的代價(jià)分析，分析數(shù)據(jù)還能應(yīng)用于高層次綜合，實(shí)現(xiàn)代價(jià)感知的高層次綜合。本文以數(shù)據(jù)通路功耗為具體代價(jià)對象，以SystemC為具體描述語言，描述了利用MDCM進(jìn)行代價(jià)剖析的方法，此方法可很容易地?cái)U(kuò)展到其他描述語言和其他代價(jià)

6、對象，具有普遍應(yīng)用意義。 (3)提出了一種利用多維信息的代價(jià)感知高層次綜合算法。利用通過剖析和其他分析方法獲得的代價(jià)信息，可以進(jìn)行代價(jià)感知的高層次綜合，對多個(gè)代價(jià)目標(biāo)進(jìn)行優(yōu)化，并在各方面間進(jìn)行折衷。本文提出了一種基于圖的分解與歸并的調(diào)度、分配、綁定結(jié)合算法——MOOS，實(shí)現(xiàn)多目標(biāo)優(yōu)化的高層次綜合。首先針對典型的資源約束調(diào)度問題，把描述問題的DFG分為多個(gè)獨(dú)立的部分，分別進(jìn)行調(diào)度，然后在時(shí)間上界的約束下逐步合并為完整解。為解決調(diào)度

7、鏈合并問題，還提出采用“不可用節(jié)點(diǎn)識(shí)別”和“快速最小合并長度預(yù)測”對合并進(jìn)行加速。通過在調(diào)度過程中整合分配和綁定操作，算法可以對多個(gè)目標(biāo)代價(jià)進(jìn)行優(yōu)化。為中間調(diào)度結(jié)果附加組件綁定信息，并在調(diào)度過程中根據(jù)用戶代價(jià)約束排除不合理“配置”、利用代價(jià)函數(shù)對多個(gè)代價(jià)目標(biāo)進(jìn)行優(yōu)化。調(diào)度鏈的分配和綁定問題被轉(zhuǎn)化為帶權(quán)重的二部圖匹配問題，然后采用匈牙利算法求解。實(shí)驗(yàn)結(jié)果表明，MOOS能根據(jù)不同代價(jià)約束和優(yōu)化條件查找問題的較優(yōu)解，且速度明顯快于整數(shù)線性規(guī)劃