染雾基于DSP算法的正向设计方法学概论论文 篇一
在当今数字信号处理（DSP）领域中，正向设计方法学被广泛应用于算法的开发与实现。正向设计方法学是一种从需求出发，通过逐步迭代设计的过程，将高层次的算法转化为硬件或软件实现的具体步骤。本文将介绍基于DSP算法的正向设计方法学的基本原理和应用。
首先，正向设计方法学的基本原理是将系统需求转化为具体的设计步骤。在DSP算法中，系统需求通常包括算法的功能要求、性能要求和实现平台要求等。通过分析需求，可以确定设计的目标和约束条件，为后续的设计过程提供指导。
其次，正向设计方法学通过逐步迭代的方式进行设计。首先，根据需求分析，选择适合的算法模型或框架。然后，根据算法模型，设计算法的基本结构和流程。接下来，根据设计的目标和约束条件，优化算法的性能和资源利用率。最后，进行算法的实现和验证。
在基于DSP算法的正向设计方法学中，选择合适的算法模型是关键。根据算法的特点和应用场景，可以选择不同的模型，例如迭代算法、滤波算法、压缩算法等。在选择算法模型时，需要考虑算法的复杂度、实时性要求和资源消耗等因素。
在设计算法的基本结构和流程时，需要考虑算法的可行性和可扩展性。通过合理的模块划分和接口设计，可以提高算法的可维护性和可重用性。同时，还需要考虑算法的并行性和并发性，以提高算法的性能和实时性。
在优化算法性能和资源利用率方面，可以采用多种方法。例如，通过算法的并行化和向量化，可以提高算法的运行效率。通过算法的优化和剪枝，可以减少算法的计算量和存储量。通过算法的调度和调优，可以提高算法的响应速度和稳定性。
最后，进行算法的实现和验证是正向设计方法学的关键环节。通过选择合适的开发工具和平台，可以提高算法的开发效率和可移植性。通过合理的测试和验证，可以确保算法的正确性和可靠性。
综上所述，基于DSP算法的正向设计方法学是一种将系统需求转化为具体设计步骤的方法。通过选择合适的算法模型、设计算法的基本结构和流程、优化算法的性能和资源利用率以及进行算法的实现和验证，可以实现高效、可靠的DSP算法设计和实现。
基于DSP算法的正向设计方法学概论论文 篇三
基于DSP算法的正向设计方法学概论论文
摘要：基于DSP算法的正向设计方法学为系统芯片设计师提供重要的学术素养。本文结合图表概论正向设计方法学中的数学变换思想，一是DSP算法变换，二是相应的ULSI架构变换。研究结论是作为技术核心的DSP—ULSI最佳映射，贡献首先来自DSP算法变换，其次来自ULSI架构变换，此间始终构造把握评价函数。
航天、医疗和安全业界的问题牵引，驱动数字信号处理（DSP）走过经典与现代，奔向智能计算与实时测控的融合，进而日益增强着DSP算法的时间和空间复杂性，迫使ULSI规模的ASIC架构优化，演进为由DSP算法驱动的正向设计方法学。
我们以DSP算法驱动ULSI—ASIC架构优化的正向设计环路为背景，以4种DSP算法变换和8种ULSI基本架构为路标，概论DSP算法优化和ULSI架构优化方法。
第一节正向设计优化介绍设计思想和典型概念，包括映射评价、DSP算法和ULSI架构。
第二节DSP算法变换介绍四种算法变换中的两种，包括坐标旋转和分布计算。
第三节介绍ULSI架构变换，总结出八种典型变换方法，重点介绍其中的管线和并行。
1正向设计优化
自顶向下的正向设计，在每个阶段都要重视映射评价，设计的开始要继承一些逆向设计思维。此间每一次向下映射的贡献，首先来自DSP算法变换，其次来自ULSI架构变换。
正向设计的竞争力，首先来自10—20万片以上的ULSI规模ASIC的牵引，其次来自数学技巧的合理应用，同时要重视EDA工具的熟练使用和升级培训。
我们将DSP算法驱动ULSI—ASIC架构优化的正向设计环路概括成图1。
1。1映射评价
运作ASIC正向设计流程，其间每一次向下的阶段性设计环节，都可以概括入映射这个概念。映射的数学本质就是变换。
指导映射的评价函数的一般构造方法是：巧妙组合所映射的下一层中的关键技术指标，构造生成一个单调变化的新参数，此为评价函数。
重视以评价函数寻优的引导地位，我们用图2来概括正向设计中的关键知识模块。从图2可以清楚地看出：问题建模的作用类似大脑；算法优化的作用优于架构优化的作用；设计工程师不但应该谙熟主流正向设计工具，更应该以评价函数为基础（或者称为有色眼镜），从DSP算法切入，抓住算法A（Algorithm），直奔算法集成电路ASIC的ULSI架构优化主题。
1。2DSP算法
算法定义为将一组数据变换到另外一组数据的方法。DSP算法的基本内容是变换和滤波。其研究意义在于信息处理、识别和挖掘。
DSP典型算法：相关，卷积，滤波，运动估值（ME），离散余弦变换（DCT），矢量量化（VQ），动态规划，抽取和插值，小波，等等。
DSP算法优点：区别于模拟信号处理ASP（例，谱分析精度：模拟法为10Hz；数字法为0。01Hz），鲁棒性表现于温漂和工艺，字长控制精度，本质无误差（放大信号同时消噪）；区别于其他通用计算，需要实时吞吐率（采样率），且由数据驱动。
DSP算法运算：乘积，加法，延迟（寄存）。基本公式为积和运算：Yn=∑i=0maiXn—i。
DSP算法图示：四种框图包括，信号流图SFG（可转置，仅描述线性单速率DSP系统），数据流图DFG（可变换，更接近实际架构，调度并发实现至并发硬件），依赖图DG（展示并行和数据流，可变换，描述脉动阵列）；框图的图示意义是，展示并行性和数据驱动，展示时间折中和空间折中，启发探索架构选择（通过算法变换）。
DSP算法实现：CPU（单，双，多），DSP（基于一种RISC），ULSI—ASIC（由DSP算法变换映射ULSI架构变换和优化），FPGA（算法变换，可编程，中等颗粒），CPLD（可编程，大颗粒）。
DSP集成指标：空间和面积，吞吐率和钟频，功耗，量化噪声和舍入噪声。
DSP研究思路：DSP算法变换和优化，ULSI架构变换和优化，DSP算法变换与ULSI架构变换联合优化；除特别指明应用于FPGA之外，其余均聚焦服务于ULSI—ASIC优化设计。
1。3ULSI架构
ULSI架构这一概念的提法，可以认为模仿了计算机组成架构的分析理念。
ULSI架构主要描述ASIC的内部电路模块，是以怎样关联着的平面结构网络摆在管芯之中的，其形状类似于建筑物的平面图纸。
我们较早熟悉的是围绕单CPU（核）所构建的ASIC的内部平面网络。
我们应该熟悉的是ASIC内部网络必须是和谐的，包括数据流、控制流和关键存储体的良性互动。
未来将面临的是由二维架构升格为三维架构。
2DSP算法变换
各种DSP算法的本质是积和（SoP）公
林林点点的快速DSP算法，借助于公式和数学定理进行化简和逼近，分解要点是基于子运算、重复性、规律性和并行性，热衷于以和代积。例如，FFT算法（CooleyandTukey，1965年）巧妙利用了DFT变换中旋转因子W的.周期性和对称性。
揭示DSP算法锤炼设计和ULSI集成架构实现之间的关系，认真分析特定算法的内在特征（并行性、模块性和信号流机制），构造评价函数，灵巧尝试算法变换，寻优DSP算法使之并行化、模块化和层次化，降低其时间和空间复杂度，从而提速降耗。此间的典型数学技巧已概括入表1。
2。1坐标旋转
1956年至1971年，采用坐标旋转的算法得到开发和统一。该算法的基础是在直角坐标（1619年，笛卡尔）和极坐标（1691年，伯努利）中做坐标旋转，根据被计算函数的特点选取两种坐标系之一。来自坐标变换发明者本人的研究声音是：在变换过的坐标系中，某些特殊函数的运算得以强力简化。
坐标旋转算法对应的架构，只需加法、移位和迭代等基本操作，无需乘除运算。DSP算法基于坐标旋转易于组合出创新架构。
2。2分布计算
概念：分布计算（Croisier，1973年）是算法变换优化的经典范例，用于设计矢量乘法元架构。
方法：矢量经由二进制编码，内积重新排序与混合，基于查找表（LUT）实现与乘数无关，结果使乘法运算“分布”成读ROM且加权累加。
用途：卷积和DCT的实现。
如果说地位重要的DSP算法变换，其数学技巧具有发散的性质，那么，ULSI架构优化的变换技巧则有规律可循。
3ULSI架构优化
实际需求的DSP的吞吐率（采样率）与计算能力及性能之间存在两条鸿沟，基于架构（包括可重构）是重要解决方案。因此，DSP算法变形（逼近）优化在先，然后直接或组合映射ULSI架构。评价标准可参考ULSI架构全局模型的三要素：网络几何结构G，处理单元F，网络定时T。
优秀的DSP算法适配到合理的ULSI架构，是创新过程，通用法则急需总结。应特别注意：DSP算法得以ULSI实现的有效性，决定于算法内部数据流的复杂性。
已知DSP算法，基于DSP积、和的元架构，设计ULSI系列高层次架构的方法，可概论为以下8种，其特点列于表2。
3。1管线（流水线）
意义：缩短关键路径，提速降耗；管线即流水线。
本质：时间并行处理，方法是流水线锁存器插入SFG的前馈割集。
缺点：①对非递归网络，增加了锁存器数目和系统时延；②流水的多时钟风格因时钟歪斜而异化。
改进：一是采用波流水线，减少流水级数，但不增加锁存器数目；另一为异步流水，基于握手信号通信而无全局同步。
3。2并行
意义：缩短关键路径，提速降耗。
本质：空间并行处理方法，复制原始串行硬件，构造并入并出系统。
特点：其一，并行与流水线互为对偶，二者都挖掘计算的并发性，一为并行，另一为交替（同步或异步）；其二，并行和流水的降耗思路：降低电源电压，以提高采样速度换取功耗降低。
4结论讨论
DSP算法起源于17世纪的有限差分、数值积分和数值差值等经典算法。
DSP算法一般是积和项的叠加繁衍。DSP算法是一种粘合剂，将“数字汇聚”粘合在一起。
从DSP算法映射到ULSI架构，是集成电路正向设计中极其重要的研究课题之一。
针对算法的计算核——积和项，分兵两路展开研究：一是通过编程，使算法适应冯诺伊曼结构或哈佛结构的既有CPU或DSP（数字信号处理器）；另一是改变未知ULSI架构来使之适合算法——面向算法的专用处理器阵列设计，而ULSI（或3D—SOC）的规则布线要求，需要算法结构化对称化，以便分解为并行计算。
源于工程实践的算法具有多样性的特点，必须改造算法为：有规律、重复且并行，如此才能最高速硬件化实现该算法；对于复杂算法，只好运用组合的非常规架构来映射实现。其中，并行是藏在处理核内的加速器！
区别于通用处理器，当ASIC是可能达到算法性能指标的唯一选择时，成本因素则降为第二位，必须面向算法研制专用处理器阵列。为降低专用ULSI的成本壁垒，专用处理器基于逻辑元件和寄存器的特定架构组合与连接，在牺牲一定可编程灵活性的代价下，特定内核的处理速度可大幅度提高（例如：提速1至2个数量级），避免了因灵活性而付出的硬件开销；与软件实现相比，专用硬件实现更小巧，更高速，更低耗。
当专用硬件的性能比现有处理器高10倍以上时，业界才愿意去设计ASIC；越来越复杂的ASIC设计完成后，也作为固定的硬件平台使用（最好嵌入适量线控/程控功能），这已成为常用的系统正向设计方法。
基于EDA工具辅助进行最佳映射时的评价函数，其变量可是：芯片面积（单元总数和布线数量）、时间和单元利用率。映射寻优的过程，必定是带着工艺接口思想的DSP—ULSI变换组合优化循环。
当我们完成由DSP驱动的ULSI架构正向设计旅程，驱动力的接力棒，尚需交还应用市场的问题牵引。
