基于可重构阵列的电池功耗优化方法及系统技术方案

本发明专利技术提供一种基于可重构阵列的电池功耗优化方法及系统，其中方法包括以下步骤：将电池行为与可重构计算阵列的循环映射结合，并在映射过程中进行循环融合和分割以得到多个割；对可重构计算阵列进行重构得到重构时间ΔCFG,P和平均电流ICFG,P；对分割后的多个割在可重构计算阵列上进行数据载入及存储得到载入时间ΔLD,P、平均电流ILD,P、存储时间IST,P、平均电流IST,P；根据同步执行的多比特处理单元的数量和对应的多比特处理单元所需电流和所需时间得到平均电流IEXE,P和执行时间ΔEXE,P；根据ΔCFG,P、ICFG,P、ΔLD,P、ILD,P、IST,P、IST,P、IEXE,P和ΔEXE,P得到电量消耗模型，以对电池的功耗进行优化。根据本发明专利技术实施例的方法，通过将电池行为与所提循环映射方法对应，再生成电量消耗模型对电池功耗进行优化，从而有效地提高了电池的使用寿命。

【技术实现步骤摘要】
基于可重构阵列的电池功耗优化方法及系统
本专利技术涉及通信与电子
，特别涉及一种基于可重构阵列的电池功耗优化方法及系统。
技术介绍
粗粒度可重构处理结构(简写为CGRA)是一个前景巨大的高性能移动平台，其中可重构计算阵列(简称PEA)是CGRA的重要组成部分。PEA由一组多比特处理单元(简称PE)组成，每个PE可独立运行不同的算子。当应用程序被映射到CGRA上去执行时，主要的计算密集型运算都被映射到PEA上进行加速。大量的计算带来的巨大的能量消耗，因此为了更好地降低功耗，需要生成有效的阵列映射优化算法。现在的移动电子设备主要由电池供电，例如手机、平板电脑等，此时阵列的能耗直接反映为电池的电量消耗，提高电池续航时间、延长电池寿命成为优化功耗的主要目的。因此，在优化算法中考虑电池行为具有重要的意义。对于大多数应用程序，循环是主要的计算密集型运算。前人的很多阵列映射方法集中在循环映射上。对于循环映射，主要分为时域映射和空间映射两种映射模式，选择不同的映射模式会带来不同的能量消耗。对于每种模式，循环映射都被分为几个子问题：即算子调度，布局和布线。现有的循环映射大体可分为4种。第一种是将循环启动间隔(II)作为算法映射的度量，通过解决上述的循环映射子问题来寻找最小的II。第二种是将总执行时间(TET)作为优化目标，并建立了一个循环映射模型。第三种是将可编程逻辑阵列(简称FPGA)的工作面积作为影响性能的一个关键因素。第四种是通过任务划分和任务调度对功耗进行优化。然而，第一种和第二种方式对于阵列计算的功耗视而不见，因此会导致较大的能量消耗。而第三种和第四种虽然考虑到了阵列运行时带来的功耗问题，并对映射到PEA上的任务进行功耗优化，却忽视了循环在阵列映射上的特性对功耗的影响，无法在循环映射中得到较好的优化效果。
技术实现思路
本专利技术的目的旨在至少解决上述的技术缺陷之一。为此，本专利技术一方面提供一种基于可重构阵列的电池功耗优化方法。本专利技术的另一方面提出一种基于可重构阵列的电池功耗优化系统。有鉴于此，本专利技术一方面的实施例提出一种基于可重构阵列的电池功耗优化方法，包括以下步骤：融合分割步骤，将电池的行为特性与可重构计算阵列上的循环映射相结合，并对映射后的循环进行循环融合和分割以得到多个割，所述可重构计算阵列包括多个多比特处理单元；重构步骤，对所述多个多比特处理单元的至少一部分多比特处理单元的功能进行重构得到重构阶段的重构时间ΔCFG,P和重构阶段的平均电流ICFG,P；数据载入存储步骤，对分割后的所述多个割在所述至少一部分多比特处理单元上进行数据载入和存储得到载入阶段的载入时间ΔLD,P、载入阶段的平均电流ILD,P、存储阶段的存储时间IST,P、存储阶段的平均电流IST,P；计算步骤，根据同步执行的所述多比特处理单元的数量和对应的所述多比特处理单元所需电流和所需运算时间得到计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P；建模优化步骤，根据所述重构阶段的重构时间ΔCFG,P、所述重构阶段的平均电流ICFG,P、所述载入阶段的持续时间ΔLD,P、所述载入阶段的平均电流ILD,P、所述存储阶段的持续时间IST,P、存储阶段的平均电流IST,P、计算阶段的平均电流IEXE,P和计算阶段的持续时间ΔEXE,P得到电量消耗模型，以对所述电池的功耗进行优化。根据本专利技术实施例的方法，通过将电池行为特性与可重构计算阵列的循环映射结合，并在映射过程中进行循环融合和分割以得到多个割，再生成电量消耗模型对电池的功耗进行优化，从而有效地将电池与可重构处理器的循环映射结合起来，提高了电池的使用寿命，优化了电池的综合性能。在本专利技术的一个实施例中，所述对所述电池的功耗进行优化为通过调整所述电量消耗模型的参数以对所述电池的功耗进行优化。在本专利技术的一个实施例中，所述电量消耗模型通过如下公式表示，所述公式为：其中，TCL为总电量消耗，I为所述多个割的总数，P为每个割映射时的阵列操作的总数，F为Rakhmatov电池模型函数，f为时钟频率，tp为第p次阵列操作的起始时间。在本专利技术的一个实施例中，在所述融合分割步骤中对所述多个割的尺寸进行约束，所述约束通过如下公式表示：其中，Si表示产生的第i个割，dj(size(PEA))表示以升序排列的所述可重构计算阵列尺寸的第j个因子。在本专利技术的一个实施例中，在所述融合分割步骤将在约束条件下得到的所述多个割的循环体在所述可重构计算阵列上平铺。本专利技术另一方面的实施例提出了一种基于可重构阵列的电池功耗优化系统，包括：融合分割模块，用于将电池的行为特性与可重构计算阵列上的循环映射相结合，并对映射后的循环进行循环融合和分割以得到多个割，所述可重构计算阵列包括多个多比特处理单元；重构模块，对所述多个多比特处理单元的至少一部分多比特处理单元的功能进行重构得到重构阶段的重构时间ΔCFG,P和重构阶段的平均电流ICFG,P；数据载入存储模块，对分割后的所述多个割在所述至少一部分多比特处理单元上进行数据载入和存储得到载入阶段的载入时间ΔLD,P、载入阶段的平均电流ILD,P、存储阶段的存储时间IST,P、存储阶段的平均电流IST,P；计算模块，根据同步执行的所述多比特处理单元的数量和对应的所述多比特处理单元所需电流和所需运算时间得到计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P；建模优化模块，用于根据所述重构阶段的重构时间ΔCPG,P、所述重构的平均电流ICPG,P、所述载入阶段的持续时间ΔLD,P、所述载入阶段的平均电流ILD,P、所述存储阶段的持续时间IST,P、存储阶段的平均电流IST,P、计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P得到电量消耗模型，以对所述电池的功耗进行优化。根据本专利技术实施例的系统，通过将电池行为特性与所提循环融合分割的映射方法对应，再生成电量消耗模型对电池的功耗进行优化，从而有效地将电池与可重构处理器的循环映射结合起来，提高了电池的使用寿命，优化了电池的综合性能。在本专利技术的一个实施例中，所述建模优化模块通过调整所述电量消耗模型的参数对所述电池的功耗进行优化。在本专利技术的一个实施例中，所述电量消耗模型通过如下公式表示，所述公式为：其中，TCL为总电量消耗，I为所述多个割的总数，P为每个割映射时的阵列操作的总数，F为Rakhmatov电池模型函数，f为时钟频率，tp为第p次阵列操作的起始时间。在本专利技术的一个实施例中，所述融合分割模块还用于对所述多个割的尺寸进行约束，所述约束通过如下公式表示，其中，Si表示产生的第i个割，dj(size(PEA))表示以升序排列的所述可重构计算阵列尺寸的第j个因子。在本专利技术的一个实施例中，所述融合分割模块将在约束条件下得到的所述多个割的循环体在所述可重构计算阵列上平铺。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，图1为本专利技术提出的基于可重构阵列的电池功耗优化方法的流程图；图2为本专利技术一个实施例的可重构计算阵列的执行方式示意图；图3为根据本专利技术一个实施例中多面体变换的示意本文档来自技高网...

【技术保护点】
一种基于可重构阵列的电池功耗优化方法，其特征在于，包括以下步骤：融合分割步骤，将电池的行为特性与可重构计算阵列上的循环映射相结合，并对映射后的循环进行循环融合和分割以得到多个割，所述可重构计算阵列包括多个多比特处理单元；重构步骤，对所述多个多比特处理单元的至少一部分多比特处理单元的功能进行重构得到重构阶段的重构时间ΔCFG,P和重构阶段的平均电流ICFG,P；数据载入存储步骤，对分割后的所述多个割在所述至少一部分多比特处理单元上进行数据载入和存储得到载入阶段的载入时间ΔLD,P、载入阶段的平均电流ILD,P、存储阶段的存储时间IST,P、存储阶段的平均电流IST,P；计算步骤，根据同步执行的所述多比特处理单元的数量和对应的所述多比特处理单元所需电流和所需运算时间得到计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P；建模优化步骤，根据所述重构阶段的重构时间ΔCFG,P、所述重构阶段的平均电流ICFG,P、所述载入阶段的持续时间ΔLD,P、所述载入阶段的平均电流ILD,P、所述存储阶段的持续时间IST,P、存储阶段的平均电流IST,P、计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P得到电量消耗模型，以对所述电池的功耗进行优化。...

【技术特征摘要】
1.一种基于可重构阵列的电池功耗优化方法，其特征在于，包括以下步骤：融合分割步骤，将电池的行为特性与可重构计算阵列上的循环映射相结合，并对映射后的循环进行循环融合和分割以得到多个割，所述可重构计算阵列包括多个多比特处理单元；重构步骤，对所述多个多比特处理单元的至少一部分多比特处理单元的功能进行重构得到重构阶段的重构时间ΔCFG,P和重构阶段的平均电流ICFG,P；数据载入存储步骤，对分割后的所述多个割在所述至少一部分多比特处理单元上进行数据载入和存储得到载入阶段的载入时间ΔLD,P、载入阶段的平均电流ILD,P、存储阶段的存储时间ΔST,P、存储阶段的平均电流IST,P；计算步骤，根据同步执行的所述多比特处理单元的数量和对应的所述多比特处理单元所需电流和所需运算时间得到计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P；建模优化步骤，根据所述重构阶段的重构时间ΔCFG,P、所述重构阶段的平均电流ICFG,P、所述载入阶段的载入时间ΔLD,P、所述载入阶段的平均电流ILD,P、所述存储阶段的存储时间ΔST,P、存储阶段的平均电流IST,P、计算阶段的平均电流IEXE,P和计算阶段的执行时间ΔEXE,P得到电量消耗模型，以对所述电池的功耗进行优化；所述电量消耗模型通过如下公式表示，所述公式为：其中，TCL为总电量消耗，I为所述多个割的总数，P为每个割映射时的阵列操作的总数，F为Rakhmatov电池模型函数，f为时钟频率，tp为第p次阵列操作的起始时间。2.如权利要求1所述的基于可重构阵列的电池功耗优化方法，其特征在于，所述对所述电池的功耗进行优化为通过调整所述电量消耗模型的参数以对所述电池的功耗进行优化。3.如权利要求1所述的基于可重构阵列的电池功耗优化方法，其特征在于，在所述融合分割步骤中对所述多个割的尺寸进行约束，所述约束通过如下公式表示，其中，Si表示产生的第i个割，dj(size(PEA))表示以升序排列的所述可重构计算阵列尺寸的第j个因子，PEA为可重构计算阵列。4.如权利要求3所述的基于可重构阵列的电池功耗优化方法，其特征在于，在所述融合分割步骤将在约束条件下得到的所述多个割的循环体在所述可重构计算阵...

【专利技术属性】
技术研发人员：尹首一，彭昱，刘大江，刘雷波，魏少军，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11