عنوان پایان‌نامه
بهینه سازی ساختاری اف پی جی ای با استفاده از روشهای تحلیلی
- رشته تحصیلی
- مهندسی برق-الکترونیک- تکنولوژی نیمه هادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2595;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66266
- تاریخ دفاع
- ۰۵ شهریور ۱۳۹۳
- دانشجو
- حسین مهری خنکداری
- استاد راهنما
- بیژن علیزاده ملفه
- چکیده
- بهینه سازی ساختاری FPGA به عنوان یکی از چالش های مهم در زمینه طراحی دیجیتال مطرح است. در سال-های اخیر، روش های تجربی و آزمایش محور جای خود را به روشهای تحلیلی برای یافتن ساختارهای بهینه داده اند. روش های آزمایش محور بر مبنای استفاده از ابزارهای کامپیوتری (CADs) برای ارزیابی ساختارها از جهت مساحت اشغالی، سرعت و توان مصرفی قرار دارند. به علت زمان بر بودن این فرآیند، استفاده از روش های تحلیلی که بر مبنای مدل سازی ساختار توسط معادلات ساده ی جبری است، مورد توجه قرار گرفته است. اگرچه این فرآیند به مراتب ساده تر و سریع تر می باشد، اما یک مدل تحلیلی کامل شامل ارزیابی توان مصرفی، مساحت اشغالی و سرعت کار تا به حال ارایه نشده است. علاوه بر آن، کارهای گذشته روشهای تحلیلی را برای بهینه سازی ساختارهای FPGA کاربرد عام به کار گرفته اند در حالی که استفاده از روش های تحلیلی برای بهینه سازی ساختارهایی با کاربرد خاص موضوع جذابی در زمینه پردازش قابل پیکره بندی مجدد می باشد. به این ترتیب طراحان می توانند ساختارهایی بهینه برای دسته ای از کاربردها را جستجو کنند و مصرف کنندگان می توانند ساختار بهینه مورد نیاز برای کاربرد خاص خود را از میان قطعات متنوع موجود در بازار بیابند. در این پایان نامه یک مدل توان مصرفی شامل توان دینامیک و توان ایستا برای ساختار FPGA ارایه شده است. سپس این مدل با مدل های موجود مساحت و سرعت ادغام شده است تا یک مدل عملکردی کامل را تشکیل دهند. این مدل در قالب برنامه سازی هندسی ارایه شده است. به این ترتیب ما قادر خواهیم بود تا به سرعت ساختارهای مختلفی را ارزیابی کنیم و بهترین آنها را از نظر توان مصرفی دینامیک و ایستا همراه با مساحت و تأخیر انتخاب کنیم. پس از تکمیل مدل عملکردی کامل FPGA، این مدل را برای بهینه سازی ساختارهایی برای چند کاربرد توسعه داده ایم. به حالت خاصی مربوط به ساختار بهینه برای دو مدار خاص پرداخته شد. در نهایت به روش حل مدل های تحلیلی مربوط به بهینه سازی ساختاری FPGA ارایه شده تاکنون پرداختیم. اکثر این مدل ها در قالب برنامه-سازی هندسی ارایه و حل شده اند. به این ترتیب این امکان به وجود می آید که بتوان پارامترهای بهینه سازی را بدون نیاز به پویش به طور همزمان بهینه کرد. اما در مدل ساختاری FPGA دو پارامتر اندازه ی LUT و اندازه ی خوشه در قالب برنامه سازی هندسی قرار نمی گیرند و بنابراین برای بهینه سازی نیاز به پویش روی این پارامترها هست. ما برای حل این مدل های تحلیلی از الگوریتم ژنتیک، که یکی از الگوریتم های تکاملی شناخته شده می باشد، استفاده کردیم. به این ترتیب تمام پارامترهای ساختاری اعم از پارامترهای سطح بالا و سطح پایین زیر پوشش همزمانی بهینه سازی قرار گرفتند و سرعت فرآیند بهینه سازی افزایش یافت.
- Abstract
- FPGA architectural optimization has emerged as one of the most important digital design challenges. Recent years, experimental methods have been replaced by analytical ones to find the optimized architecture. Experimental methods are based on using CAD tools to examine architectures in terms of area, speed and power. This process is time consuming; so using analytical methods receive attention recently. In these methods, FPGA architectures are modeled by simple equations. Although this method is faster and simpler, but a complete analytical model including power, area and speed has not been proposed yet. In addition, previous works use analytical methods to optimize general-purpose FPGA architectures while using analytical models for optimizing application-specific FPGA architectures are interesting subject in the reconfigurable computing field. In this way, designers can investigate the optimized architecture for a set of application circuits and the consumers can find their best architecture among a variety of devices which is optimal for their specific work. In this thesis, first we complete an analytical FPGA performance model by presenting an analytical model to estimate the dynamic and leakage power and by integrating it into the Geometric Programming (GP) framework in order to investigate the impact of various architectural parameters on the power-efficiency of FPGAs. This way, we are able to rapidly analyze various FPGA architectures and select the best one in terms of a combination of dynamic and static power consumptions as well as the area and delay. After integrating the power model to GP performance model, we extend the model for optimizing FPGA architectures for a set of applications. A case of the best architecture for two specific circuits has been investigated. Finally, we intended to the methods of solving FPGA architectural optimization analytical models. Conventional Geometric Programming (GP) is a routine framework to solve analytical models. This framework allows us to optimize parameters concurrently and sweeping is not needed. But the GP FPGA architecture model framework does not capture two parameters of LUT size (K) and CLB size (N) under its concurrency. In this way, sweeping is needed to optimize these parameters. In this paper, we discuss the application of Genetic Algorithm (GA) to the design of FPGA architectures. The performance model has been integrated into the Genetic Algorithm framework in order to investigate the impact of various architectural parameters on the performance-efficiency of FPGAs. The results show that concurrent optimization of high-level architecture parameters including Look-up Table size (K) and Cluster size (N) and low-level parameters like scaling of transistors in the Look-up Table multiplexer is possible for GA.
