随着半导体工艺的发展,片上系统(System on Chip, SoC)集成的IP核越来越多,单个芯片可集成数百个IP核。传统的总线通信方式在可扩展性、带宽、功耗、延迟和可靠性等方面难以满足复杂SoC系统需求。通过借鉴分布式计算网络通信方式,片上网络(Network on Chip, NoC)技术在芯片内部各个模块间采用路由和分组交换技术进行数据通信,可有效地解决复杂的SoC通信问题。本论文深入分析了NoC设计的关键技术,总结了系统级NoC设计方法。为了提高NoC系统在功耗、网络吞吐率及平均网络延迟等方面的性能,在系统级对NoC拓扑结构、映射算法和功耗管理等方面展开深入研究,提出了一些新颖的具有实际应用价值的理论与方法。主要的研究内容和研究成果如下：(1)在NoC拓扑结构方面,提出了一种新颖的基于五角星形的NoC拓扑结构。该结构采用约翰逊编码实现NoC节点编码,使用全局同步局部异步策略设计基于约翰逊编码的环形FIFO。利用地址的独热码编码方式降低信号亚稳态发生概率,提高存储器读写操作速度。根据五角星形拓扑结构特点,设计由区间路由与组内路由组成的最短路径路由算法。通过理论分析和实验仿真两种方法证明五角星形拓扑结构比2D Mesh和Octagon结构具有更优的网络性能。(2)为了评估NoC系统FPGA资源占用情况,本文在Xilinx FPGA上验证了基于五角星形拓扑结构的NoC系统。随着系统规模的增长,Pentacle结构牺牲部分面积可获得NoC性能明显的提高。根据拓扑结构的特点,探讨了降低路由算法资源占用的方法,提出了针对五角星形拓扑结构的基于约翰逊编码的路由算法,经仿真验证证明该方法比二进制编码的路由算法占用更少的FPGA资源。(3)针对带宽和时延约束的低能耗NoC映射问题,提出两种基于遗传算法的映射优化算法,分别为灾变遗传退火和自适应混沌遗传退火算法。论文对优化算法中使用到的遗传基因编码、Boltzmann更新机制、交叉与变异操作、灾变遗传、多邻域的模拟退火以及自适应的混沌优化策略进行了深入研究,并通过大量实验得到了合适的算法参数。在算法的实际优化过程中,引入Boltzmann更新机制选择遗传个体,根据当前种群适应度的计算结果动态调整个体被选择的概率,使得算法搜索向适应度最优的方向靠拢,增加较优个体被选择的概率；对遗传操作后的较优个体采用多邻域的模拟退火操作进行优化,提高算法的精确度。对处于停滞状态的种群,灾变遗传退火算法使用灾变操作重新初始化部分较差个体,跳出局部极值；而自适应混沌遗传退火则引入自适应混沌方法优化适应度较差个体,增加种群多样性。仿真结果表明,两种算法均具有较强的全局搜索和局部寻优的能力,有效地避免了早熟收敛,提高了算法收敛速度。与标准遗传算法、混沌遗传算法相比,具有较好的节能效果,有效地降低了NoC系统通信能耗。(4)针对支持电压频率岛的NoC能耗优化问题,提出了基于电压频率岛划分、分配以及任务映射的能耗优化方法。该方法通过基于处理器可靠性约束的电压频率岛划分,降低了处理器能耗；利用近凸区域选择的电压频率岛分配策略,减少了不同电压岛间复杂路由器的个数；借助量子粒子群算法优化了NoC映射,降低了系统的通信能耗。经过随机通信任务和应用实例的仿真验证,证明所提出的算法有效地降低了NoC系统的整体能耗。论文在NoC平台中引入多个电压频率岛,通过电压频率岛划分、电压分配、映射优化3种策略的有机结合,在满足处理器可靠性约束条件下实现了NoC功耗的有效管理。本文提出的拓扑结构、映射算法以及基于电压频率岛的能耗优化方法,为高性能片上网络系统设计提供重要的技术基础和新的解决思路。