论文部分内容阅读
随着集成电路技术的发展,为实现万物互联,网络中需要连接更多实现特定功能的设备。NoC是一种可以实现单颗芯片上超大规模系统集成的新兴通信模式,但NoC内核数量的不断增加,2D NoC因其结构的局限性,在功耗、性能、封装密度和面积等方面都已达到了瓶颈,而3D NoC以其更短的互连、更高的性能和更大的封装密度等优势,成为了MPSoC的一个非常重要的研究方向。其中3D NoC的延迟和功耗问题一直是研究的课题。目前,多数学者从拓扑结构、路由算法、交换机制等方面发掘3D NoC的优势,但均是单一层面上的研究。本文采用应用层的映射技术和链路层的链路优化两个角度分两步研究功耗和延迟问题。本文从抽象程度高的应用层角度考虑NoC功耗优化。因为3D NoC中所能集成的IP核数目很多,搜索空间会非常庞大,数据量的计算也会非常复杂。为了克服由此带来的在巨大搜索空间中快速寻优的困难,本文提出了一种基于自适应遗传算法面向mesh NoC拓扑结构的映射算法(AGAM),该算法在简单遗传算法的基础上,采用自适应交叉和变异算子来改善算法的收敛性,最终实现功耗最小化。本文将该算法应用在MPEG-4、VOPD以及I27三个实例上进行仿真验证,分别将应用映射到2D mesh NoC以及3D mesh NoC架构中。仿真结果相比于基于简单遗传算法的映射算法,AGAM的最优解有不同程度的优化,优化率最高达24.26%,而且对于3D mesh NoC,随着核数增加,映射后功耗优化效果越发显著;同时该算法的收敛速度优化率最高达82.84%,平均优化了60.61%,收敛性大大增强。针对NoC延迟问题,因为增大网络链路带宽可以降低因数据量过大而在网络遍历过程中引起的拥塞,改善整个网络的性能和通信效率。据此,本文提出了采用可配置链路,构建非均衡网络的延迟优化方法。该方法基于AGAM映射算法产生的映射结果,采用可配置链路,构建低功耗片上网络,在此基础上,通过仅增大最大通信量节点相邻链路带宽,构建的非均衡网络的方法优化网络性能。该方法仍采用MPEG-4、VOPD以及I27三个应用实例进行验证,采用OPNET分别构建相应的2D mesh NoC和3D mesh NoC架构。仿真结果表明非均衡链路网络单条链路延迟优化率高于均衡网络的单条延迟优化率,最高可达8.68%,是均衡网络的单条延迟优化率的3.47倍。该方法降低了网络延迟,同时有效减少了带宽资源的浪费。