基于DSP算法的正向設計方法學概論論文
摘要：基于DSP算法的正向設計方法學為系統芯片設計師提供重要的學術素養。本文結合圖表概論正向設計方法學中的數學變換思想，一是DSP算法變換，二是相應的ULSI架構變換。研究結論是作為技術核心的DSP—ULSI最佳映射，貢獻首先來自DSP算法變換，其次來自ULSI架構變換，此間始終構造把握評價函數。
航天、醫療和安全業界的問題牽引，驅動數字信號處理（DSP）走過經典與現代，奔向智能計算與實時測控的融合，進而日益增強著DSP算法的時間和空間復雜性，迫使ULSI規模的ASIC架構優化，演進為由DSP算法驅動的正向設計方法學。
我們以DSP算法驅動ULSI—ASIC架構優化的正向設計環路為背景，以4種DSP算法變換和8種ULSI基本架構為路標，概論DSP算法優化和ULSI架構優化方法。
第一節正向設計優化介紹設計思想和典型概念，包括映射評價、DSP算法和ULSI架構。
第二節DSP算法變換介紹四種算法變換中的兩種，包括坐標旋轉和分布計算。
第三節介紹ULSI架構變換，總結出八種典型變換方法，重點介紹其中的管線和并行。
1正向設計優化
自頂向下的正向設計，在每個階段都要重視映射評價，設計的開始要繼承一些逆向設計思維。此間每一次向下映射的貢獻，首先來自DSP算法變換，其次來自ULSI架構變換。
正向設計的競爭力，首先來自10—20萬片以上的ULSI規模ASIC的牽引，其次來自數學技巧的合理應用，同時要重視EDA工具的熟練使用和升級培訓。
我們將DSP算法驅動ULSI—ASIC架構優化的正向設計環路概括成圖1。
1。1映射評價
運作ASIC正向設計流程，其間每一次向下的階段性設計環節，都可以概括入映射這個概念。映射的數學本質就是變換。
指導映射的評價函數的一般構造方法是：巧妙組合所映射的下一層中的關鍵技術指標，構造生成一個單調變化的新參數，此為評價函數。
重視以評價函數尋優的引導地位，我們用圖2來概括正向設計中的關鍵知識模塊。從圖2可以清楚地看出：問題建模的作用類似大腦；算法優化的作用優于架構優化的作用；設計工程師不但應該諳熟主流正向設計工具，更應該以評價函數為基礎（或者稱為有色眼鏡），從DSP算法切入，抓住算法A（Algorithm），直奔算法集成電路ASIC的ULSI架構優化主題。
1。2DSP算法
算法定義為將一組數據變換到另外一組數據的方法。DSP算法的基本內容是變換和濾波。其研究意義在于信息處理、識別和挖掘。
DSP典型算法：相關，卷積，濾波，運動估值（ME），離散余弦變換（DCT），矢量量化（VQ），動態規劃，抽取和插值，小波，等等。
DSP算法優點：區別于模擬信號處理ASP（例，譜分析精度：模擬法為10Hz；數字法為0。01Hz），魯棒性表現于溫漂和工藝，字長控制精度，本質無誤差（放大信號同時消噪）；區別于其他通用計算，需要實時吞吐率（采樣率），且由數據驅動。
DSP算法運算：乘積，加法，延遲（寄存）。基本公式為積和運算：Yn=∑i=0maiXn—i。
DSP算法圖示：四種框圖包括，信號流圖SFG（可轉置，僅描述線性單速率DSP系統），數據流圖DFG（可變換，更接近實際架構，調度并發實現至并發硬件），依賴圖DG（展示并行和數據流，可變換，描述脈動陣列）；框圖的圖示意義是，展示并行性和數據驅動，展示時間折中和空間折中，啟發探索架構選擇（通過算法變換）。
DSP算法實現：CPU（單，雙，多），DSP（基于一種RISC），ULSI—ASIC（由DSP算法變換映射ULSI架構變換和優化），FPGA（算法變換，可編程，中等顆粒），CPLD（可編程，大顆粒）。
DSP集成指標：空間和面積，吞吐率和鐘頻，功耗，量化噪聲和舍入噪聲。
DSP研究思路：DSP算法變換和優化，ULSI架構變換和優化，DSP算法變換與ULSI架構變換聯合優化；除特別指明應用于FPGA之外，其余均聚焦服務于ULSI—ASIC優化設計。
1。3ULSI架構
ULSI架構這一概念的提法，可以認為模仿了計算機組成架構的分析理念。
ULSI架構主要描述ASIC的內部電路模塊，是以怎樣關聯著的平面結構網絡擺在管芯之中的，其形狀類似于建筑物的平面圖紙。
我們較早熟悉的是圍繞單CPU（核）所構建的ASIC的內部平面網絡。
我們應該熟悉的是ASIC內部網絡必須是和諧的，包括數據流、控制流和關鍵存儲體的良性互動。
未來將面臨的是由二維架構升格為三維架構。
2DSP算法變換
各種DSP算法的本質是積和（SoP）公式變形，構造方法是系數縮放、變量擴增、變量平移、積和擴增、積和映射以及各種方法的組合等等。例如，自相關（麻省理工，1951年）基于變量平移和變量擴增。
林林點點的快速DSP算法，借助于公式和數學定理進行化簡和逼近，分解要點是基于子運算、重復性、規律性和并行性，熱衷于以和代積。例如，FFT算法（CooleyandTukey，1965年）巧妙利用了DFT變換中旋轉因子W的周期性和對稱性。
揭示DSP算法錘煉設計和ULSI集成架構實現之間的關系，認真分析特定算法的內在特征（并行性、模塊性和信號流機制），構造評價函數，靈巧嘗試算法變換，尋優DSP算法使之并行化、模塊化和層次化，降低其時間和空間復雜度，從而提速降耗。此間的典型數學技巧已概括入表1。
2。1坐標旋轉
1956年至1971年，采用坐標旋轉的算法得到開發和統一。該算法的基礎是在直角坐標（1619年，笛卡爾）和極坐標（1691年，伯努利）中做坐標旋轉，根據被計算函數的特點選取兩種坐標系之一。來自坐標變換發明者本人的研究聲音是：在變換過的坐標系中，某些特殊函數的運算得以強力簡化。
坐標旋轉算法對應的架構，只需加法、移位和迭代等基本操作，無需乘除運算。DSP算法基于坐標旋轉易于組合出創新架構。
2。2分布計算
概念：分布計算（Croisier，1973年）是算法變換優化的經典范例，用于設計矢量乘法元架構。
方法：矢量經由二進制編碼，內積重新排序與混合，基于查找表（LUT）實現與乘數無關，結果使乘法運算“分布”成讀ROM且加權累加。
用途：卷積和DCT的實現。
如果說地位重要的DSP算法變換，其數學技巧具有發散的性質，那么，ULSI架構優化的變換技巧則有規律可循。
3ULSI架構優化
實際需求的DSP的吞吐率（采樣率）與計算能力及性能之間存在兩條鴻溝，基于架構（包括可重構）是重要解決方案。因此，DSP算法變形（逼近）優化在先，然后直接或組合映射ULSI架構。評價標準可參考ULSI架構全局模型的三要素：網絡幾何結構G，處理單元F，網絡定時T。
優秀的DSP算法適配到合理的ULSI架構，是創新過程，通用法則急需總結。應特別注意：DSP算法得以ULSI實現的有效性，決定于算法內部數據流的復雜性。
已知DSP算法，基于DSP積、和的元架構，設計ULSI系列高層次架構的方法，可概論為以下8種，其特點列于表2。
3。1管線（流水線）
意義：縮短關鍵路徑，提速降耗；管線即流水線。
本質：時間并行處理，方法是流水線鎖存器插入SFG的前饋割集。
缺點：①對非遞歸網絡，增加了鎖存器數目和系統時延；②流水的多時鐘風格因時鐘歪斜而異化。
改進：一是采用波流水線，減少流水級數，但不增加鎖存器數目；另一為異步流水，基于握手信號通信而無全局同步。
3。2并行
意義：縮短關鍵路徑，提速降耗。
本質：空間并行處理方法，復制原始串行硬件，構造并入并出系統。
特點：其一，并行與流水線互為對偶，二者都挖掘計算的并發性，一為并行，另一為交替（同步或異步）；其二，并行和流水的降耗思路：降低電源電壓，以提高采樣速度換取功耗降低。
4結論討論
DSP算法起源于17世紀的有限差分、數值積分和數值差值等經典算法。
DSP算法一般是積和項的疊加繁衍。DSP算法是一種粘合劑，將“數字匯聚”粘合在一起。
從DSP算法映射到ULSI架構，是集成電路正向設計中極其重要的研究課題之一。
針對算法的計算核——積和項，分兵兩路展開研究：一是通過編程，使算法適應馮諾伊曼結構或哈佛結構的既有CPU或DSP（數字信號處理器）；另一是改變未知ULSI架構來使之適合算法——面向算法的專用處理器陣列設計，而ULSI（或3D—SOC）的規則布線要求，需要算法結構化對稱化，以便分解為并行計算。
源于工程實踐的算法具有多樣性的特點，必須改造算法為：有規律、重復且并行，如此才能最高速硬件化實現該算法；對于復雜算法，只好運用組合的非常規架構來映射實現。其中，并行是藏在處理核內的加速器！
區別于通用處理器，當ASIC是可能達到算法性能指標的唯一選擇時，成本因素則降為第二位，必須面向算法研制專用處理器陣列。為降低專用ULSI的成本壁壘，專用處理器基于邏輯元件和寄存器的特定架構組合與連接，在犧牲一定可編程靈活性的代價下，特定內核的處理速度可大幅度提高（例如：提速1至2個數量級），避免了因靈活性而付出的硬件開銷；與軟件實現相比，專用硬件實現更小巧，更高速，更低耗。
當專用硬件的性能比現有處理器高10倍以上時，業界才愿意去設計ASIC；越來越復雜的ASIC設計完成后，也作為固定的硬件平臺使用（最好嵌入適量線控/程控功能），這已成為常用的系統正向設計方法。
基于EDA工具輔助進行最佳映射時的評價函數，其變量可是：芯片面積（單元總數和布線數量）、時間和單元利用率。映射尋優的過程，必定是帶著工藝接口思想的DSP—ULSI變換組合優化循環。
當我們完成由DSP驅動的ULSI架構正向設計旅程，驅動力的接力棒，尚需交還應用市場的問題牽引。
【基于DSP算法的正向設計方法學概論論文】相關文章：
基于DSP的信道譯碼算法優化03-19
FFT算法的研究與DSP實現03-07
基于DSP TMS320LF2407A的浮點數開方算法研究探析03-30
基于DSP的智能座椅系統的設計03-07
基于DSP的語音處理系統的設計11-22
在DSP處理器上并行實現ATR算法03-18
基于階梯細化的圖像放大算法03-07
基于遺傳算法的OD分布03-21