分层异构信号处理平台调度方法研究

异构多处理器的高效性和可靠性能够满足日趋复杂的信号处理任务需求,因此分层异构系统已成为信号处理平台的发展趋势。为提高平台强实时性并解决高吞吐量的问题,文中对分层异构信号处理平台的软硬件模块及架构进行了研究,并采用有向无环图对组件任务及硬件资源进行建模。将已提出的调度算法按照任务类型、调度目标、调度过程和研究方法进行分类,并根据任务调度最新的研究进展提出组合优化算法的概念。文中对经典启发式算法、智能搜索算法、机器学习算法以及组合优化算法的性能进行对比和分析,发现组合优化算法能够满足平台任务调度的需求。

异构多平台信号处理任务调度研究

简单的并行计算或单一异构平台已经无法满足计算量大、复杂度高的信号处理和任务调度需求,异构多平台系统已经成为信号处理和任务调度的发展趋势。针对提高平台的吞吐量、处理器的利用率以及任务的感知等问题,文中对异构多平台信号处理模型进行了研究,并利用有向无环图对调度任务和软硬件资源建模。基于已提出的调度算法,对任务调度进行了归纳总结、对比分析,发现基于任务感知的混合调度算法能够较好地满足平台调度需求。利用基于任务感知的混合调度算法解决信号处理中的任务调度将是未来研究发展的趋势。

面向异构信号处理平台的量子调度算法

针对异构信号处理平台中已有调度算法的调度长度较大导致信号处理应用实时性下降问题,文中提出一种面向异构信号处理平台的量子调度算法。该算法采用任务优先级分流排序策略,得到更加准确的任务调度顺序。使用量子比特对任务分配方案进行编码,增加任务分配方案的多样性,且编码规则有助于跳出局部最优找到全局最优解。按照最小计算开销原则和任务复制思想进行处理器分配,减少任务间通信开销,并通过量子旋转门对量子编码方案进行更新,不断逼近最优解。仿真结果表明,所提算法能够减少调度长度,提升信号处理应用的实时性,进而提高平台的工作效率。

面向异构处理平台任务调度的麻雀优化算法

针对当前异构信号处理平台中各处理器任务数量分配不均衡、处理器性能发挥不完全以及系统运行效率低的问题,文中提出一种面向异构处理平台的麻雀优化算法。该算法利用了麻雀算法较强的全局寻优能力和麻雀种群内部的高效工作机制。在经典麻雀算法基础上,文中提出了符合任务调度的二进制异或编解码规则,将离散的任务分配方案映射为连续的麻雀位置信息。将处理器负载均衡指数作为适应度函数,选取每次迭代中的最优解;在麻雀遍历任务时,采用任务优先级分流排序策略。对通信密集型任务和计算密集型任务采取不同的计算式得到更符合任务特点的遍历顺序,生成随机任务图,并将所提算法同ICPA(Improved Critical Path Algortthm)算法进行对比。仿真结果表明,相比于ICPA算法,所提算法的负载均衡指数平均优化率为60%,各处理器负载情况更加均衡,能更好地发挥异构处理平台的整体效能。

异构信号处理平台中层次性流水线调度算法

现有实时任务调度算法在系统异构性方面没有考虑处理节点计算能力的差异,导致任务划分不均衡。为此,根据异构信号处理平台实时任务的特点,提出一种面向异构信号处理平台的层次性流水线调度算法。基于数据流图的多层次任务划分算法并借鉴多层图划分思想,实现任务调度负载均衡和低通信同步开销。采用同步流水线调度方法达到低延迟实时数据处理的目的。实验结果表明,与事件触发数据流调度算法相比,该算法能有效提高异构信号处理平台的实时处理能力。

面向异构信号处理平台的负载均衡算法

针对当前异构信号处理平台中信号处理应用的调度算法优化目标单一且调度结果中处理器负载不均衡的问题,提出了一种基于蚁群优化算法的负载均衡算法。该算法结合蚁群优化算法的快速搜索能力和组合优化能力,以信号处理应用的调度长度和处理器负载均衡为优化目标,对初始信息素矩阵和蚂蚁的遍历顺序进行改进,提出调度长度启发因子和负载均衡启发因子对处理器选择公式进行改进,利用轮盘赌策略确定信号处理应用各子任务分配的处理器,完成信号处理应用的调度。仿真结果表明,该算法得到调度结果在调度长度和负载均衡方面均有改进,可以充分发挥各处理器性能,提高异构信号处理平台的整体效率。

分布式异构信号处理平台虚拟监管系统设计与实现

分布式异构信号处理平台系统内部资源种类繁多、结构复杂、标准不一,很难实现统一管理。为此设计并实现具有资源网络化、模型化的高可用性虚拟监管系统。该系统采用分级多域的形式对系统网络化建模,利用各级管理器逐级进行管理,实现对整个系统的动态监管。在软件定义的分级分域异构信号处理平台测试,结果表明,文章提出的虚拟监管系统可以有效、实时动态地监控管理系统内的资源,增强平台的可靠性和可维护性,提高分布式异构信号处理平台资源管理效率。

基于改进蚁群的异构平台负载均衡调度算法

针对目前异构平台中信号处理任务的调度算法单一、处理器资源浪费等问题,提出了一种面向异构系统的Q学习改进蚁群算法的负载均衡调度算法。算法针对计算密集型和通信密集型任务的不同需求,设计了分流排序法进行任务优先级排序;通过场景适配将Q学习和蚁群算法,与异构平台中的任务调度进行映射。通过奖励函数计算Q-Table,作为蚁群算法的初始信息素,加快了蚁群的收敛速度;根据处理器的实时负载,设计负载矩阵,实现了动态调整系统负载均衡;利用伪随机比例规则选择处理器,通过任务之间的约束关系形成调度列表来完成任务的分配。最后,通过随机生成的有向无环图进行仿真实验,结果表明算法在减小最大完工时间(调度长度)和提高处理器利用率方面均有明显的改进。

一种基于FPGA的宽带侦察系统脉冲数据采集的方法

在电子对抗领域中对雷达信号的脉内信息侦察识别是电子侦察情报系统必要的功能指标之一。电子对抗接收机为了能够侦察到所需信号一般需要增大接收瞬时带宽,脉冲信号采集将会产生海量数据。同时,所接收的信号是非合作信号,因而需要对接收信号需要进行检测与匹配。在FPGA上做海量数据的处理及信号的检测与匹配是目前宽带数字接收机比较常用的架构。目前,宽带侦察系统主要采用PPC+FPGA异构处理平台与SRIO互联技术。因此,提出了一种基于FPGA的宽带侦察系统脉冲数据采集方法。

基于ZYNQ组件化开发环境的设计与实现

针对异构信号处理平台中FPGA波形组件可移植性差和开发效率低的问题,文中借鉴软件通信体系架构中硬件抽象层规范,设计了一种基于ZYNQ的组件化开发环境。利用标准的运行环境屏蔽FPGA波形组件和具体硬件平台的差异,实现了FPGA波形组件动态配置。测试结果表明,通过标准化的运行环境,FPGA波形组件具有良好的可移植性和可重用性,提高了波形应用的开发效率。