【摘要】：可重構計算可以針對具體問題，更改自身的硬件配置結構，，使其能夠保持軟件計算的靈活性特點，又能擁有硬件計算的高性能特點，所以其受到研究人員的廣泛重視，成為高性能計算領域的研究熱點之一。整個可重構計算的研究內容可以分為兩個層次，即可重構計算應用的研究及可重構計算硬件平臺的研究。 應用研究層次，可以把研究問題歸類為特定應用、通用應用兩類。特定應用需要對針對特定問題對計算模型、數據組織、通信模型、算法實現做出優(yōu)化，使應用的性能最大化。而通用應用則是希望對一類問題提出泛型模板及構建應用庫，當遇到屬于同一類型的應用時可以通過修改開放接口，利用可重構計算的硬件可配置特性，得到具體問題的高效解決方案。 硬件平臺研究層次，基本可分為細粒度可重構計算平臺研究及粗粒度可重構計算平臺研究兩類。細粒度可重構平臺的研究主要指FPGA芯片的研究。FPGA芯片是當今最成熟的可重構計算基礎硬件。但由于其有配置時間長、能耗大、布局布線時間長、資源利用率低及數據傳輸時延大等缺點，越來越多的研究將重點轉移到粗粒度可重構計算平臺研究。 本文的研究內容完整包括了可重構計算研究兩個層次：從應用研究入手，深入到硬件結構研究。同時我們的研究可以劃分為三個個方面：特定應用研究、通用應用研究、及新型可重構硬件平臺研究。 特定應用研究方面，我們選取在視頻監(jiān)視、安全接觸控制等領域有廣泛應用前景的人臉檢測為例，通過改進圖像縮放閾值及縮放算法的選取、積分圖計算流水線結構，使其適應可重構硬件FPGA的基礎結構。實驗結果也表明基于FPGA的解決方案性能遠遠高于傳統的軟件解決方案。 通用應用研究方面，我們選取在數字邏輯問題、人工智能等方面有重要地位且前人研究沒有解決的遞歸問題為對象，通過劃分遞歸查找樹、平衡遞歸任務劃分方法構造了遞歸問題的通用、并行可重構硬件并行解決方案。 新型可重構硬件體系結構研究方面，針對現有粗、細粒度可重構硬件的具體缺點，我們提出基于新型的無線互聯機制、異構的基礎功能單元、高效的任務調度優(yōu)化機制的異構可重構平臺。真實實驗的對比表明在能耗、性能、配置生成時間上與先前的可重構計算平臺相比，我們的異構平臺有很大的優(yōu)勢。
[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.
【學位授予單位】：上海交通大學
【學位級別】：博士
【學位授予年份】：2013
【分類號】：TP38

【共引文獻】

相關期刊論文 前10條

1 秦曉燕;王曉芳;陳萍;儲德軍;王海濤;;基于Adaboost算法的炮彈炸點檢測[J];兵工學報;2012年06期

2 曹林;杜康寧;;基于加權PCA的人眼定位算法[J];北京信息科技大學學報(自然科學版);2010年03期

3 李志成;秦世引;Itti Laurent;;遙感圖像的顯著-概要特征提取與目標檢測[J];北京航空航天大學學報;2010年06期

4 谷多玉;郭江;李書曉;常紅星;;基于Gabor濾波器的航空圖像居民區(qū)域提取[J];北京航空航天大學學報;2012年01期

5 胡章芳;李林;羅元;張毅;;基于頭勢的機器人的人機交互[J];重慶郵電大學學報(自然科學版);2010年04期

6 董妮婭;鄭建宏;;一種視頻中基于檢測的快速人臉跟蹤方法[J];重慶郵電大學學報(自然科學版);2011年03期

7 徐建君;張玉平;朱金陵;;基于DSP的疲勞駕駛實時檢測算法實現[J];成都電子機械高等�？茖W校學報;2010年01期

8 王心醉;郭立紅;楊麗梅;康長青;;基于AdaBoost的人臉檢測算法[J];長春理工大學學報(自然科學版);2009年02期

9 王吉林;葉建隆;趙力;鄒采榮;;基于曲線波隱馬爾可夫模型的人臉檢測[J];傳感技術學報;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

相關會議論文 前10條

1 侯杰;茅耀斌;孫金生;;基于FDA的快速haar特征選取及其在級聯AdaBoost人臉檢測中的應用[A];中國自動化學會控制理論專業(yè)委員會D卷[C];2011年

2 樊彬;羅飛;李招;;一種基于整數圖像技術的窗口匹配算法[A];2006北京地區(qū)高校研究生學術交流會——通信與信息技術會議論文集（下）[C];2006年

3 段其昌;周奇;段盼;;基于改進粒子濾波的實時魯棒人臉跟蹤算法[A];2009中國控制與決策會議論文集（2）[C];2009年

4 張平;王貴成;;Adaboost人臉檢測算法的速度影響因素分析及其改進方法[A];第三屆中國智能計算大會論文集[C];2009年

5 汲鵬允;李筠;;基于Adaboost的彩色圖像的人臉檢測方法[A];中國儀器儀表學會第九屆青年學術會議論文集[C];2007年

6 莊連生;唐克坦;馬啟榮;俞能海;;基于注意力模型的PLSA目標學習算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

7 李秋潔;茅耀斌;王執(zhí)銓;項文波;;基于CS Adaboost的車牌檢測算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

8 歐陽琰;桑農;;基于面部動作單元組合特征的表情識別[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

9 Jianfang Dou;Jianxun Li;;Improved Deformable Part Model For Object Detection Based on Scale Invariant Feature Transform[A];第25屆中國控制與決策會議論文集[C];2013年

10 曹健;陳紅倩;毛典輝;李海生;蔡強;;基于局部特征的圖像目標識別問題綜述[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

相關博士學位論文 前10條

1 黃林峰;多目標進化算法研究[D];中國科學技術大學;2009年

2 鐘凡;在線視頻分割關鍵問題研究[D];浙江大學;2010年

3 陳仁杰;內容敏感的圖像重映射算法研究[D];浙江大學;2010年

4 林裕旭;基于掃描數據的三維人臉表情合成[D];浙江大學;2010年

5 梁建寧;特征選擇與圖像匹配[D];復旦大學;2011年

6 吳海山;大規(guī)模運動群體跟蹤和三維人臉姿態(tài)糾正的研究[D];復旦大學;2011年

7 曾成斌;多攝像機協同的行人檢測技術研究[D];北京郵電大學;2011年

8 陳俊;笑臉表情分類識別的研究[D];華南理工大學;2011年

9 田雋;基于粒子濾波的視頻目標跟蹤算法的研究[D];中國礦業(yè)大學;2010年

10 張起榮;基于子空間及雙樹四元數小波的人臉識別算法研究[D];重慶大學;2011年

相關碩士學位論文 前10條

1 李光;基于均值偏移的視頻目標跟蹤、檢測算法研究及系統實現[D];浙江理工大學;2010年

2 吳敏;基于AdaBoost和獨立分量分析的人臉檢測與識別算法的研究[D];鄭州大學;2010年

3 林天威;基于視頻流的人臉識別系統研究[D];哈爾濱工程大學;2010年

4 唐曉敏;基于霍夫變換及條件概率模型的多目標檢測[D];大連理工大學;2010年

5 鄭偉華;基于自適應變換和空域同態(tài)變換的人臉光照補償方法研究[D];湘潭大學;2010年

6 張慶久;近鄰法與多視角學習的理論與算法研究[D];華東師范大學;2011年

7 何世民;基于AdaBoost算法的人臉檢測及其在DSP平臺上的移植[D];哈爾濱理工大學;2010年

8 閆國青;基于SIFT的場景理解方法研究[D];長春工業(yè)大學;2010年

9 季林峰;基于DSP的人臉檢測式3D立體顯示系統研究與實現[D];浙江大學;2011年

10 劉兆軍;基于人臉識別的考勤系統的設計與實現[D];電子科技大學;2010年

本文編號：2438456