NoC中低功耗技术和拥塞避免方法的研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:fdgongyongming
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着制造工艺的精进,静态功耗逐渐成为路由器的主要功耗来源之一。同时为了解决片上网络中长距离多跳传输带来的高延迟和高功耗,将无线通信技术加入片上网络芯片中,从而产生了无线片上网络。无线收发器的加入和布置,使得无线片上网络中的流量更加不均衡,普通的路由技术不考虑拥塞信息,加剧了片上网络的拥塞,使得网络很快达到饱和。基于以上发现及考虑,本文针对NoC提出高效的功率门控策略,针对Wi NoC的拥塞问题提出了新的拥塞感知路由机制。论文的主要工作如下:(1)对基于片上网络架构的多核系统高功耗问题,本文提出了一种基于数据包分类的功率门控策略,并修改路由器架构。在本文方案中,首先对数据包进行分类,其次利用旁路对分类数据包进行不同的处理,来绕过休眠路由器,从而降低由于功率门控的应用而导致的额外数据包延迟和功耗。旁路可以保证路由器休眠时的数据包传输,增加休眠路由器的休眠时间,减少静态功耗。数据包的分类处理使得路由器的休眠和唤醒更加合理高效。仿真结果表明,本文方案能明显减少路由器的静态功耗和网络的延迟,相比传统的功率门控技术,最大减少72.4%静态功耗和16.8%平均数据包延迟;相比经典的采用功率门控的旁路路由器,减少12.4%静态功耗和4.7%平均数据包延迟。路由器的额外硬件开销仅增加了3.2%。(2)对基于无线片上网络中子网内和无线节点拥塞问题,本文提出了一种轻量级的拥塞感知路由机制。在本文方案中,首先通过信息捎带方式将拥塞信息写入Head Flit中进行传播,信息捎带方式不引入拥塞信息传播开销,其次通过三跳拥塞感知路由算法进行端口选择,选择拥塞值最小的端口进行传输,减少子网内的拥塞,然后通过新的有线无线数据包划分方式减轻无线节点拥塞,最后通过动态MAC机制,降低无线节点功耗。实验结果表明,本文方案能减少子网内拥塞,平衡子网间负载,降低无线节点功耗,与采用自适应路由算法的基础无线片上网络相比,本文方案能够降低44.6%的延迟;;与采用全局拥塞感知路由算法的无线片上网络相比,本文方案能够降低21.8%的延迟;且在各种流量模式下都提高了饱和吞吐量,路由器的额外硬件开销仅增加0.04%。
其他文献
情感识别在诸多领域有着重要应用,如人机交互、辅助医疗等,一直以来都是工业界和学术界的重要研究内容。传统的情感识别,如面部情感识别,虽然被研究较多,但也在数据精度要求和隐私保护等方面有一定的缺陷。相比之下步态数据也蕴含情感信息,但对数据精度要求相对较低,且有助于保护隐私。利用步态信息进行情感识别的研究于近年来逐渐开始兴起,本文对基于步态的情感识别这一被研究相对较少的任务,对步态原始存储数据进行了不同
学位
频发的货运铁路运输事故造成了严重的经济损失和恶劣的社会影响,在平面调车作业过程的闯蓝灯驾驶行为是诱发该类事故的主要原因之一,而该行为大多数归咎于驾驶员对调车信号的通行状态的误判、漏判。利用计算机视觉实现机务段调车场景下的交通信号灯识别,能够克服由于疲劳导致的肉眼错误判断等弊端,将有效服务于国家人工智能战略需求,同时也推进轨道运输转型升级创新发展。基于深度学习的交通灯目标检测模型依赖于海量的相关场景
学位
设备到设备(Device-to-device,D2D)通信技术允许邻近设备之间通过重用蜂窝频谱的方式直接通信,有效地提高了蜂窝网络的频谱效率,减轻了基站的负载压力,减小了端到端传输时延,成为5G通信网络的关键技术。D2D技术引入蜂窝移动通信网络在带来诸多好处的同时,也对蜂窝通信链路造成了干扰,若不能有效地协调干扰,将会严重影响蜂窝网络的通信质量。因此,本文针对两种不同的复用模式下的资源分配问题进行
学位
车联网作为智能交通系统中的重要组成部分,在交通管理、智能运输和缓解交通拥堵等领域都发挥了非常重要的作用。其中车辆自组织网络(Vehicular Ad Hoc Network,VANET)是构成车联网的重要一环,通过车辆间的通信来传输有效数据。而随着车辆节点的增多,车辆密度的增大所带来的交通拥堵等一系列问题,可能会导致VANET中通信性能的下降。如何在当前复杂的道路交通环境中提高VANET的传输性能
学位
轴承是旋转机械中的关键部件,在现代工业系统中得到了广泛的应用。对轴承进行健康状态管理,准确地预测轴承的剩余使用寿命,能有效地改善机械系统的可靠性、安全性,防止出现重大故障,从而降低维护费用。随着大数据和人工智能等先进技术的发展,深度学习已经成为剩余寿命预测领域的热门话题。然而在实际工况下,基于深度学习的轴承剩余寿命预测方法的研究方法通常会有以下两个问题:(1)样本数据量不足,导致模型无法收敛;(2
学位
随着大数据及高性能计算技术的发展,深度学习近十年得到迅速发展,在人脸识别、自然语言处理等领域也取得了巨大成功,并于近年开始进入工业产品表面缺陷检测等工业领域。虽然深度学习在表面缺陷检测方面取得了很大进展,但仍然存在一些亟待解决的难题,小目标检测精度低和样本均衡性差便是其中的两个典型难题。通过充分调研了目标检测算法、小目标检测和样本不均衡的相关研究,本文选择以通用目标检测算法RetinaNet为基础
学位
视频的获取及传输过程中,由于物理环境及算法性能的限制,其质量难免会出现无法预估的衰减,导致其在实际场景中的应用受到限制,并对人的视觉体验造成显著影响。因此,作为计算机视觉领域的一项重要任务,视频质量评价应运而生。其目的在于通过构建计算机数学模型来衡量视频中的失真信息以判断其质量的好坏,达到自动预测质量的效果。在城市生活、交通监控以及多媒体直播等多个场景中具有广泛的应用前景。本文主要针对使用较多的自
学位
行人轨迹预测是计算机视觉领域的一个热点方向,在无人驾驶、智能交通、智慧城市和机器人自动导航等领域具有较为广泛的应用。基于传统统计模型的方法受限于人工确定的行人运动特征,并且缺乏在复杂拥挤环境中能通用的模型。近年来,基于深度学习的轨迹预测模型,凭借高效的特征提取方法、出色的可移植性、应用面广等优势而成为主流,但现有研究工作仍然存在两点不足:行人运动的不确定性对行人轨迹预测十分重要,然而大多数基于深度
学位
时间序列预测在许多工业和商业应用中发挥着重要作用,例如金融市场、网络流量、天气预报和供水行业等。在这些场景中,人们可以利用大量关于过去行为的时间序列数据来预测将来的值。水是经济和社会发展的重要因素,它在工业生产、居民生活和生态保护等许多方面都有着重要影响。传统的供水系统中缺乏对供水数据进行有效的分析,而深度学习技术可以对数据进行深入的挖掘与利用,并分析数据中潜在的规律性。因此,结合深度学习模型对供
学位
随着国家对于历史文化的日益重视,数字化遗产保护已经成为计算机应用领域的热点问题。很多学者将目光聚焦到了古建筑三维场景生成领域,徽派村落作为中国传统建筑的一个重要分支,是古建筑场景的典型代表,影视、游戏和虚拟现实应用内容在徽派风格场景均有充分的需求。另一方面,布局是三维场景生成的前提条件,而传统村落如徽派风格村落由于历史、风俗等复杂因素,其布局一直是传统建筑保护领域的研究热点,难以量化规则。在此背景
学位