本文關鍵詞：基于三維NoC的MPSoC溫度預測與任務分配研究

  更多相關文章： 多處理器片上系統(tǒng) 三維片上網(wǎng)絡 散熱問題 溫度預測 溫度信息共享策略 靜態(tài)任務分配

【摘要】：隨著集成電路技術的發(fā)展,多處理器片上系統(tǒng)已經(jīng)成為了下一代單芯片處理器的主要設計形式。由于傳統(tǒng)全局互連方式(總線互連)阻礙了系統(tǒng)性能的提升和規(guī)模的擴展,基于三維片上網(wǎng)絡的多處理器片上系統(tǒng)將成為多處理器片上系統(tǒng)今后主要的研究方向,該設計可以提供更大的互連帶寬,更低的網(wǎng)絡能耗和更高的晶體管密度以實現(xiàn)更高的性能。然而,較大的晶體管密度及不斷提高的處理器工作頻率使得多處理器片上系統(tǒng)中處理器過熱,形成了不可避免的散熱問題,這成為阻礙多處理器片上系統(tǒng)性能提高的關鍵問題之一。論文針對基于三維片上網(wǎng)絡的多處理器片上系統(tǒng)散熱問題,從溫度預測與任務分配方面展開深入的研究,重點解決溫度預測中預測準確度的優(yōu)化與預測時長的拓寬、溫度信息共享策略的信息延遲優(yōu)化和靜態(tài)任務分配中峰值溫度和熱量分布均衡的優(yōu)化這三個關鍵問題。論文首先從分析溫度變化過程中的非線性特點出發(fā),以RC熱傳導(Thermal Resistance and Capacitance, Thermal R C)模型為基礎,結合二階導數(shù)提出了一種溫度預測模型。該模型不僅可以在較低的運算復雜度下準確預測溫度,而且能在固定的預測誤差率范圍內拓寬預測時間長度。實驗結果表明,相比現(xiàn)有的一次導數(shù)預測模型,在相同可接受誤差率范圍內,該模型能將預測時長拓寬至對比模型的1.6倍。同時,當預測時長拓展至2.5s時,該模型的預測準確率比對比模型高3.84%。針對基于多播傳輸?shù)臏囟刃畔⒐蚕聿呗缘难芯?提出了一種平衡分區(qū)多播傳輸方法,該方法可以權衡啟動延遲和網(wǎng)絡延遲這兩個延遲性能參數(shù)動態(tài)地選擇當前網(wǎng)絡的最優(yōu)分區(qū)個數(shù),并根據(jù)源節(jié)點在網(wǎng)絡中的位置劃分最優(yōu)的分區(qū)結構,在完成分區(qū)的基礎上對各個子分區(qū)中的信息進行路由傳輸,從而盡可能地減小多播傳輸?shù)目傃舆t。實驗結果表明,在相同網(wǎng)絡配置條件下,相比于現(xiàn)有的遞歸分區(qū)多播傳輸方法,本方法最大能減少16.4%的延遲。當傳輸數(shù)據(jù)包長度為1 flit,5 flits和15 flits時,在三種拓撲結構(4×4×3,8×8×3和16×16×3)中,本方法最大分別能減少與之對比的遞歸分區(qū)多播傳輸方法2.4%,4.1%和18.3%的延遲。針對靜態(tài)任務分配研究,綜合三維片上網(wǎng)絡架構中不同水平層的散熱能力差異以及垂直方向上處理器核之間的熱特性,提出一種可以均衡區(qū)域溫度的任務集映射分配(Task Set Allocation, TSA)方案,并以減小峰值溫度為目標在該分配方案的基礎上做了改進,改進后的基于頂層功率排序的任務集分配(Task Set Allocation based on Top Power, TP-TSA)方案可以降低處理器核的峰值溫度,減小熱點產生的幾率。實驗結果表明,相比于現(xiàn)有的Adapt3D方案,本文的TP-TSA方案平均可以將分配后熱點出現(xiàn)的幾率減少37.43%,并同時提高30.44%的吞吐量,在三種拓撲結構(2×2×2,2×2×3和2×2×4)中,熱點減小的幾率和吞吐量最大可以分別提高47.88%,46.35%。
【關鍵詞】：多處理器片上系統(tǒng) 三維片上網(wǎng)絡 散熱問題 溫度預測 溫度信息共享策略 靜態(tài)任務分配
【學位授予單位】：揚州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN47
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-22
• 1.1 片上網(wǎng)絡發(fā)展概況13-15
• 1.1.1 片上系統(tǒng)及其發(fā)展13
• 1.1.2 片上網(wǎng)絡簡介13-14
• 1.1.3 片上網(wǎng)絡的優(yōu)勢及其發(fā)展趨勢14-15
• 1.2 三維片上網(wǎng)絡及其關鍵問題15-17
• 1.2.1 三維片上網(wǎng)絡15-16
• 1.2.2 三維片上網(wǎng)絡的關鍵問題16-17
• 1.3 散熱問題的國內外研究現(xiàn)狀17-20
• 1.3.1 基于結構方面的研究17-18
• 1.3.2 基于軟件方法的研究18
• 1.3.3 片上網(wǎng)絡散熱機制設計框架18-20
• 1.4 論文的研究內容20
• 1.5 論文結構安排20-22
• 第二章 三維片上網(wǎng)絡散熱研究路線22-38
• 2.1 溫度預測研究22-27
• 2.1.1 溫度預測研究現(xiàn)狀22-24
• 2.1.1.1 軟件方法22-23
• 2.1.1.2 硬件方法23-24
• 2.1.2 結合二次導數(shù)的溫度預測模型24-27
• 2.1.2.1 基于熱傳導模型的溫度預測模型24-25
• 2.1.2.2 預測時長拓展的可行性分析25-27
• 2.2 溫度信息共享策略研究27-33
• 2.2.1 多播傳輸研究現(xiàn)狀27-28
• 2.2.1.1 基于樹形的多播傳輸27-28
• 2.2.1.2 基于路徑的多播傳輸28
• 2.2.2 平衡分區(qū)多播傳輸方法28-33
• 2.2.2.1 多播傳輸分區(qū)方法概述29-32
• 2.2.2.2 傳輸延遲優(yōu)化可行性分析32-33
• 2.3 靜態(tài)任務分配研究33-37
• 2.3.1 靜態(tài)任務分配研究現(xiàn)狀34
• 2.3.1.1 離線算法34
• 2.3.1.2 在線算法34
• 2.3.2 基于任務集映射的任務分配方案34-37
• 2.3.2.1 最冷優(yōu)先分配策略34-35
• 2.3.2.2 熱量與峰值溫度均衡可行性分析35-37
• 2.4 本章小結37-38
• 第三章 結合二次導數(shù)的溫度預測38-47
• 3.1 溫度預測研究現(xiàn)狀分析38-39
• 3.2 結合二次導數(shù)的溫度預測機制39-42
• 3.2.1 預測模型39-41
• 3.2.2 硬件實現(xiàn)41-42
• 3.3 實驗結果分析42-46
• 3.3.1 實驗環(huán)境42-43
• 3.3.2 預測窗口長度43-45
• 3.3.3 預測準確度45-46
• 3.4 本章小結46-47
• 第四章 基于平衡分區(qū)多播傳輸?shù)臏囟刃畔⒐蚕聿呗?/span>47-64
• 4.1 信息共享策略研究現(xiàn)狀分析47-48
• 4.2 平衡分區(qū)多播傳輸方法48-60
• 4.2.1 標簽分配48-51
• 4.2.2 平衡分區(qū)方法51-60
• 4.2.2.1 二分區(qū)法(TBP)51-53
• 4.2.2.2 分區(qū)個數(shù)判定方法53-55
• 4.2.2.3 子分區(qū)劃分初始化55-56
• 4.2.2.4 最優(yōu)列數(shù)判定方法56-58
• 4.2.2.5 平衡分區(qū)流程58-60
• 4.2.3 基于平衡分區(qū)的路由算法60
• 4.3 實驗結果分析60-63
• 4.3.1 實驗環(huán)境60-61
• 4.3.2 全局溫度信息共享效率61-62
• 4.3.3 不同負載下的延遲性能比較62-63
• 4.4 本章小結63-64
• 第五章 基于任務集映射的靜態(tài)任務分配64-74
• 5.1 靜態(tài)任務分配研究現(xiàn)狀分析64-65
• 5.2 靜態(tài)任務分配方案65-71
• 5.2.1 任務集映射分配法(TSA)65-69
• 5.2.2 基于頂層功率排序的任務集分配改進算法(TP-TSA)69-71
• 5.3 實驗結果分析71-73
• 5.3.1 實驗環(huán)境71
• 5.3.2 TP-TSA方案與TSA方案性能比較71-72
• 5.3.3 TP-TSA方案與Adapt3D方案性能比較72-73
• 5.4 本章小結73-74
• 第六章 總結與展望74-76
• 6.1 論文總結74
• 6.2 研究展望74-76
• 參考文獻76-81
• 致謝81-82
• 攻讀學位期間發(fā)表的學術論文目錄82-83

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 繆小平,曾福添,劉奎;基于神經(jīng)網(wǎng)絡的溫度預測[J];工業(yè)安全與環(huán)保;2002年02期

2 趙勇;伍先達;;基于BP網(wǎng)絡的溫度預測在高壓氣密性檢測中的應用[J];自動化與儀器儀表;2009年05期

3 徐凌宇;方曉君;徐仁杰;沈立煒;;基于時序挖掘的時間融合算法及在海表面溫度預測中的應用[J];上海大學學報(自然科學版);2007年05期

4 肖樂;白莉媛;祝玉華;;基于RBF神經(jīng)網(wǎng)絡的糧庫溫度預測[J];微計算機信息;2007年13期

5 陳立平;徐汀榮;;基于BP神經(jīng)網(wǎng)絡模型的溫度預測方法[J];沙洲職業(yè)工學院學報;2006年03期

6 李會兵;;基于BP神經(jīng)網(wǎng)絡的溫度預測方法[J];電子測試;2013年19期

7 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李沁笛;趙彬;;基于相似理論的高大空間工作區(qū)平均速度溫度預測[A];全國暖通空調制冷2010年學術年會論文集[C];2010年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 劉鑫達;基于深度學習的氣象溫度預測研究[D];寧夏大學;2016年

2 魏琳;基于三維NoC的MPSoC溫度預測與任務分配研究[D];揚州大學;2016年

3 尹彬;高溫礦井風流溫度預測分析及應用[D];遼寧工程技術大學;2012年

4 潘亮;基于嵌入式系統(tǒng)的機場跑道溫度預測系統(tǒng)的研究與開發(fā)[D];大連海事大學;2013年

5 高杏梅;煤礦井下設備溫度預測及預警系統(tǒng)研究[D];西安科技大學;2014年

，

本文編號：552815