基于字级统计的功耗宏模型

文中提出的功耗宏模型建立在字级信号统计的基础上 ,可用于各种音 /视频信号处理芯片的功耗估计 .与比特级统计的拟合模型相比 ,具有更好的健壮性 ,能在很大的信号变化范围内保持令人满意的计算精度 ;与门级模拟结果相比较 ,本模型的计算时间下降了 2～ 3个数量级 ,而相对误差不超过 2 0 % .此外 ,这个模型可以区别不同的数字表示 。

基于BP神经网络的CMOS电路平均功耗宏模型

提出了一种基于神经网络的功耗宏模型,该模型提取CMOS(互补金属氧化物半导体)集成电路原始输入/输出流的统计特征,采用反向传播BP神经网络对电路的平均功耗建模.与传统的基于查找表和经验方程的宏模型相比,该模型占用内存少,不需要根据不同的电路预先假定拟合函数的形式.基于ISCAS-85电路集的实验结果表明:功耗估计的平均相对误差小于10%,均方根误差可基本控制在5%以下.