高效动态软硬件划分基础理论及其可实现性验证方法研究

With the widely application of the structure of multi processors and hardware accelerators in embedded systems, Hardware/Software Partitioning method has become a research hotspot. There are still some problems, such as low efficiency and poor practicality in the current Hardware/Software Partitioning method. Therefore the aspect of modeling on the dynamic Hardware/Software Partitioning is to be focused on in this project. Detailed research contents are Dynamic Hardware/Software Partitioning modeling theory of classification of classification and training. The project will establish dynamic Hardware/Software Partitioning model based on communication timing constraints and storage constraints. So the perfect theory of efficient dynamic Hardware/Software Partitioning method shall be provided. And the efficiency and stability of embedded systems could be improved. Cross-integration of disciplines, such as signal processing and optimization theory could be promoted.

随着多处理器与硬件加速器相结合的结构在嵌入式系统中的广泛应用，软硬件划分方法成为当前的研究热点，现有软硬件划分方法仍存在效率低、实用性差等问题。因此本项目拟对动态软硬件划分的建模开展研究，包括：基于特征分类与训练的动态软硬件划分建模理论，建立融合通信时序竞争约束与存储竞争约束的动态软硬件划分模型。为高效动态软硬件划分方法提供科学完善的理论支撑，提高嵌入式系统的效率和稳定性，同时也促进信号处理和最优化理论等学科间的交叉融合。

本项目的主要研究内容为软硬件划分问题的建模、优化以及在多核嵌入式系统中的应用，主要包括以下三个方面：.1、通信存储竞争约束模型的建模方法.针对当前软硬件划分模型中对于处理单元间的通信存储问题未充分考虑的情况，我们提出了一种融合通信存储约束与通信时序竞争约束的新型软硬件划分模型，在此基础上，我们提出了一种降低系统最大通信数据存储量的最大差值任务调度算法，以提高任务执行过程中的硬件并行性，降低系统任务通信数据的存储开销，进而提高系统的执行效率，与ETF算法的对比测试结果表明在调度长度不增大过多的条件下，能够有效降低系统最大通信数据存储量。.2、人工智能优化算法在软硬件划分技术中的应用.我们研究了基于人工蚁群算法、人工鱼群算法、粒子群算法、遗传算法、混洗蛙跳算法等人工智能优化算法解决在不同模型、不同约束以及不同优化目标下的软硬件划分问题的优劣性，并横向比较了各种人工智能优化算法在解决软硬件划分问题时的能力差异。将几种新型的人工智能优化算法：基于人工蜂群的软硬件划分方法、基于混洗蛙跳的软硬件划分方法、基于多目标混洗蛙跳的软硬件划分方法应用于软硬件划分问题的求解中，取得了良好的效果，相关研究成果已申请国家技术发明专利三项。.3、多核嵌入式系统中的软硬件划分技术的应用.除了软硬件划分的相关基础理论研究之外，我们也研究了软硬件划分技术在多核嵌入式系统中的应用。.3.1 我们研究了多核DSP并行软件设计技术，基于TMS320C6678多核开发平台，混合了主从模式和流水模式两种多核并行运算的优点，提出了一种混合并行软件流水设计方案，并成功应用于AVS高清视频的多核并行解码的系统方案中。.3.2 我们提出了一种基于VLIW架构的高效DCT实现方法，通过对DCT变换矩阵进行分解以减少运算中的加法、乘法次数来降低计算量，并通过合理组织数据，实现了变换矩阵打包系数的复用，减少了寄存器占用，使得算法更适于进行循环展开和软件流水，实现更高的并行度，执行速度得到有效提升。在TI公司提供的开发平台CCS上实现了AVS标准中DCT/IDCT，实验结果表明，我们提出的算法比标准的快速算法速度提高了4.28倍，并且比现有方法的计算耗时减少了31.1%。.本项目实施过程中，在国内期刊已录用论文5篇（全部标注资助号），其中SCI检索1篇，EI检索1篇。申请国家发明专利5项。培养博士研究生1名，硕士研究生2名。