随着片上网络技术(Network on Chip, NoC)的不断发展,越来越多的部件被集成到单一芯片上来。由于一些难以克服的问题,如全局连线过长及包交换延迟过长等,传统二维互连架构已经无法满足系统性能需求。与此同时,三维集成电路工艺技术正飞速发展,并且由于其在提高系统性能,增强器件封装密度等方面的潜在优势,被认为是未来集成电路发展的重要趋势。因此将上述两种技术融合而成的3D NoC技术成为近年来热门话题之一。本文从该领域若干关键问题入手,研究其系统级仿真平台,通信架构,路由算法及任务映射,试图解决系统访存瓶颈问题,优化其整体性能。论文主要研究工作包括以下几部分：在设计初期,如何快速准确地对系统能耗及通信性能做出评估,进而指导后续设计流程十分重要。本论文采用SystemC高级描述语言构建了一个3D NoC系统级仿真平台。该平台周期精确,仿真速度快,同时相关参数可根据需要配置,具有较强的灵活性,因而能够很好地支持系统性能评估和设计空间探索。论文提出了一种层次化多簇3D NoC架构。该架构中,每个簇内部采用层次化总线结构,而簇间则采用三维网格拓扑结构进行互连。相应地存储子系统也被划分为多个层次,并进行层次化管理。实验结果表明,本文所提出的架构,相比于传统3D NoC架构而言,可以显著提升系统访存能力,进而提升其整体性能。尤其对通信密集型应用而言,其改善效果更加明显。在层次化多簇3D NoC架构研究的基础上,本文提出了一种基于统计时分复用技术的(Statistical Time Division Multiplexing, STDM)3D NoC簇架构。为了充分发挥STDM机制的优势,本文还设计了一种新的包格式,以最大化数据包利用率。同时在网络接口(Network Interface, NI)的设计中引入等待机制,以进一步提高系统性能。采用前文提及的系统级仿真平台,对其进行了性能测试。实验结果表明,本文所提出的架构和传统3D NoC架构相比,在最佳情况下,网络负载和通信延时的改善分别可以达到53.3%和79.5%。在3D NoC中,如何平衡链路负载以避免局部热点生成,对系统性能及可靠性影响至关重要。本文提出了一种面向应用的路由路径定制化方法(Application Specific Routing Algorithm, ASRA),以期在尽量平衡链路负载的同时最大限度保证系统通讯的灵活性。基于一组真实用例的实验结果表明,最佳情况下,本文所提出的算法相比于传统维度算法,其平衡链路负载的能力可以提升30.8%。本文提出了一种基于逻辑斯蒂函数的自适应遗传算法(Logistic Function based Adaptive Genetic Algorithm, LFAGA),用以解决3D NoC映射问题。LFAGA采用自适应方式调整交叉因子pc及变异因子pm以提高算法收敛速度,同时尽可能保证算法中解的丰富性。另外,LFAGA中还采用针对性变异手段取代传统随机变异方法,以提升变异操作的有效性。与另一种基于遗传算法的NoC映射算法CGMAP相比,LFAGA在各种情况下都体现出更快的收敛速度及更好的性能。和上述传统3D NoC映射算法不同,本文将系统能耗和链路负载均衡两个方面同时纳入映射问题考虑的范畴,以解决多目标优化问题。由于此时必须同时对多个目标进行优化,区别于传统单目标优化算法,提出了一种基于等级制度的多目标优化遗传映射算法,以有效寻找系统帕累托最优。采用真实应用进行测试,实验结果表明,本文所提出的算法可以有效寻找出近似帕累托最优而非单个解,且与随机生成的结果相比,其可以在两个维度上分别提高24.4%和15.4%的性能。本文最后一部分研究工作提出了一种采用虚拟IP的3D NoC映射方法。该方法主要针对IP核总数小于目标3D NoC资源节点数的情况进行讨论,包含三个步骤。首先将部分IP划分为若干小的虚拟IP。然后在虚拟IP的协助下完成单个真实IP和多个路由节点的互连。最后优化各IP之间的路由路径。在以五组多媒体应用为例的实验中,和传统3D NoC映射方法相比,新方法在系统整体能耗方面的改善平均达到22.1%,而在链路负载均衡方面的改善则平均达到18.1%。