基于通用可重構CPU的視覺處理API庫研究.pdf

1、隨著視頻處理技術的不斷進步，需要處理的數(shù)據(jù)量越來越大，對數(shù)據(jù)處理電路的性能、功耗和靈活性要求也越來越高，可重構處理器的并行處理技術成為提高計算效率和降低功耗的良好解決方案。目前主流的視覺信息處理算法具有規(guī)則的數(shù)據(jù)依賴關系、集中的計算復雜度、基于塊的并發(fā)執(zhí)行等特點，可重構處理器在這些視覺信息處理算法上具有明顯的優(yōu)勢。
　　本文首先根據(jù)可重構處理器GReP的基本架構以及編程模式，設計了4種不同的定點除法kernel，并分析了不同方案的

2、性能與資源代價，給出了不同方案的適用范圍。然后針對浮點運算，本文提出了浮點乘加運算在GReP架構上的映射方案，分析了該配置方法在GReP架構上對浮點運算性能的提升，并給出了不同算法下，浮點乘加單元的具體使用方法實例。最后，本文提出了視覺信息處理API函數(shù)庫的接口規(guī)范，給出了分析映射視覺信息處理API函數(shù)的一般流程。并根據(jù)ALU單元的功能以及設計的除法與浮點運算kernel，映射了三類視覺信息處理算法，建立起了API函數(shù)庫。
　　本

3、文將視覺信息處理算法在 Intel ATOM230測試平臺下進行了串行性能測試，同時將拆分映射好的API函數(shù)在SoC Designer可重構處理器測試平臺上進行了并行性能仿真。實驗結果表明，Harris角點檢測、歸一化互相關、隨機抽樣一致、二維離散余弦變換、雙三次插值、中值濾波6個算法的并行效率分別是傳統(tǒng)串行實現(xiàn)方式的3.34倍、19.24倍、7.29倍、4.73倍、7.23倍、8.98倍。浮點乘加運算，性能提升2.09和1.67倍。對