基于移动嵌入式系统硬/软件协同设计的EHSC算法

嵌入式系统设计的一个重要任务就是寻找硬/软件最佳搭配方案。随着系统复杂性的不断提高,采用嵌入式系统硬/软件协同设计是提高设计质量的有效手段。本文在讨论嵌入式系统设计一般方法的基础上,阐述了系统的硬/软件协同设计技术和硬件/软件划分方法,提出了以系统硬/软件划分策略为基础,系统组件的权重值为参考,组成元素划分为依据的设计理念,构造了基于移动环境的系统的硬/软件协同设计的EHSC(EmbeddedHardware/Soft-wareCodesign)模型。并依照此模型,实现了一种移动嵌入式系统“电子书包”阅读器的设计和开发。

基于遗传和禁忌搜索混合的软硬件划分算法

针对嵌入式系统软硬件划分问题,在比较了遗传算法(GA)和禁忌搜索(TS)各自优缺点的基础上,提出采用遗传/禁忌混合算法(GATS)的策略,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子,遗传算法中变异过程解空间的搜索由禁忌搜索实现。实验结果表明,GATS具有多出发点和记忆功能强、爬山能力强的优势,能够克服GA爬山能力差、TS单点出发的弱点。最后与单纯的遗传算法和禁忌搜索算法进行对比实验,证明GATS更有优势,得到的划分结果也更优秀。

三种软硬件划分算法的比较分析

软硬件划分是嵌入式系统软硬件协同设计中的关键技术之一,如何兼顾系统的性能和成本,达到两者的最佳结合,是软硬件划分的主要问题。针对单CPU多ASICs类型的目标结构,选取了遗传算法、禁忌搜索算法和模拟退火算法等全局优化算法进行系统的软硬件划分,并对3种算法的有效性进行了比较分析。

嵌入式系统软硬件划分技术的研究

嵌入式系统是一种由硬件和软件构成的综合系统。其传统的硬件先行的设计方法存在许多弊端,如:设计周期长,费用高等。软硬件协同设计是为解决上述问题而提出的一种全新的系统设计思想。软硬件划分是软硬件协同设计中的关键技术,其中,划分算法所面临的共同问题是运行速度慢,效率太低,导致划分结果不能获得很好的性价比。对划分算法作了进一步研究,并给出了遗传算法的改进方案。

基于SoC的嵌入式系统软硬件协同设计

SoC技术为嵌入式系统设计提供了一种更为方便、灵活和可靠的实现方式。软硬件协同设计是一种主流的SoC设计方法。作为嵌入式系统开发的重要方法,克服了传统设计方法的缺陷,在降低风险、缩短周期、增强稳定性等方面表现出优势。软硬件划分是软硬件协同设计中的关键技术,也是一个传统难题。其中,划分算法所面临的共同问题是运行速度慢,效率太低,导致划分结果不能获得很好的性价比。针对存在的这些问题,对划分算法作了进一步研究,并给出了遗传算法的改进方案。

基于π网的嵌入式系统软硬件划分方法

针对嵌入式系统软硬件划分问题,提出一种基于π网的软硬件划分方法。首先介绍π网的定义及其规则;然后,对嵌入式系统目标进行描述和定义,应用π网建立软硬件划分模型——嵌入式系统软硬件划分模型(ESHPM);最后,对模型ESHPM进行一致性、死锁和兼容性分析,同时,对模型ESHPM进行了优化。所建立的模型ESHPM满足一致性,各进程间无死锁存在,且各个进程之间的交互是兼容的;同时模型ESHPM有效地提高了划分精度,并获得了更加合理的软硬件划分方法。

一种嵌入式系统软硬件划分算法

软硬件划分是嵌入式系统软硬件协同设计中的一个关键问题。传统划分算法具有局部最优,收敛速度慢的缺陷。为使组成系统性能达到最优化,提出一种新的嵌入式系统软硬件划分算法。先采用嵌入式系统转化成有向无环图,可将嵌入式系统软硬件划分问题转换成一个多条件约束问题,用蚂蚁放置于有向无环图顶点上,对系统软硬件的划分准确率作为蚁群算法优化目标,通过蚁群算法搜索最优目标函数值,有效避免传统划分算法搜索陷入局部最小,大幅度降低搜索时间。实验结果表明,采用蚁群算法能够高效、快速获得准确地划分结果,为嵌入式系统设计提供了依据。

遗传和模拟退火融合的软硬件划分

针对嵌入式系统软硬件划分问题,在比较了遗传算法(GA)和模拟退火(SA)各自优缺点的基础上,提出了采用遗传/模拟退火混合算法(GASA)的策略。该算法的核心思想是将模拟退火算法嵌入到遗传算法中,利用遗传优化算法的结果来制约模拟退火的随机状态产生,然后根据模拟退火算法的接受准则和随机状态产生函数来更新遗传算法的种群,从而最终得到最优解。与单纯的遗传算法和模拟退火算法进行对比实验,实验结果表明,GASA更有优势,得到的划分结果也更优秀。

基于组合算法的嵌入式系统软硬件划分方法

嵌入式系统软硬件划分是一个多约束条件、多目标的组合优化问题,单一算法难以找到最优设计方案,为此,提出一种遗传算法和粒子群算法组合的嵌入式系统软硬件划分方法。首先建立嵌入式系统软硬件划分问题的数学模型,然后利用遗传算法找到问题的可行解,最后采用粒子群算法找到最优方案,并采用仿真实验测试算法的性能。仿真结果表明,该方法提高了嵌入式系统软硬件划分问题的求解效率,可以快速找到更优的软硬件划分方案。

基于正负反馈机制的蚁群算法用于软硬件划分

为了更好地对嵌入式系统和片上系统进行软硬件双路划分,提出一种基于正负反馈机制的改进蚁群算法。采用熵来表征算法的正负反馈强度,根据系统在过去、当前的熵值大小指导算法的参数调整。对20～100个变化节点的控制数据流图进行的仿真,表明在同等条件下,本文算法收敛性能与收敛时间均优于改进模拟退火算法与改进禁忌搜索的方法。而且节点规模越大,优势越明显。

一种新的遗传模拟退火算法的软硬件划分方法

针对嵌入式系统软硬件划分问题,在分析遗传算法和模拟退火算法的主要优缺点的基础上,提出了一种新的小生境技术改进的遗传模拟退火算法(NGSA),在遗传算法中融入模拟退火思想,同时引入小生境技术,保持群体的多样性;并采用Metropo-lis法则形成新群体,改善群体的质量。实验结果证明该算法具有很强的爬山能力和全局搜索能力,与遗传算法(GA)和模拟退火算法(SA)相比适应度明显提高。

嵌入式系统软硬件划分方法探索

提出了克隆选择算法在软硬件划分中的应用,讨论了目标函数、系统约束、抗体编码、克隆选择和变异等问题的处理。实验结果表明该算法具有较快的收敛速度,并获得了近似最优解。

嵌入式软件仿真开发系统的设计与实现

该文主要介绍自行研制的嵌入式软件仿真开发系统的设计思想，论述了采用的逻辑仿真电路模型、逻辑仿真算法及仿真软件体系结构，最后重点介绍仿真软件三大组成部分实现技术。

软硬件协同设计算法的嵌入式人脸识别系统

研究人脸识别系统的软硬件设计优化问题,软硬件协同设计是一个多约束条件、多目标的组合优化问题,单一方法难以找到最优协同设计方案。为此,提出一种采用遗传-蚁群算法的嵌入式人脸识别系统软硬件协同设计方法。首先建立软硬件协同设计问题的数学模型,然后利用遗传算法找到问题的可行解,最后采用蚁群算法在可行解中找到全局最优协同设计方案。仿真结果表明,遗传-蚁群算法很好的利用了两种算法优势,解决了单一算法存在局部极优、早熟等难题,提高了软硬件协同设计方案的求解效率,可以找到更优的嵌入式人脸识别系统软硬件协同设计方案。

嵌入式人脸识别系统的设计与实现

对嵌入式人脸识别系统的设计原理进行研究,重点探讨了人脸识别的特征提取、特征降维和识别技术等问题,并给出嵌入式人脸识别系统的完整设计方案.采用具体人脸库数据对设计的人脸识别系统进行仿真对比实验,实验结果表明,相对于PC构架的人脸识别系统,嵌入式人脸识别系统提高了人脸识别平均正确率和效率,携带方便,具有很高的商业价值.

基于混合遗传算法和神经网络的软硬件划分算法

在对比了Hopfield神经网络(Hopfield Neural Networks,HNN)和遗传算法(Genetic Algorithm,GA)各自特性的基础上,针对嵌入式系统和SoC的软/硬件双路划分问题,在时间性能的约束下,将系统功耗作为优化目标,提出了基于Hopfield神经网络和遗传算法的混合算法(GA_HNN).Hopfield神经网络快速求解的特性和遗传算法高效的全局搜索能力,使得GA_HNN算法能够跳出局部最优解而快速趋于全局最优解.最后通过实验仿真表明,GA_HNN算法与单一的Hopfield神经网络和遗传算法相比,不仅具有高速的搜索能力,而且还具有更好的节省功耗的优势.

嵌入式系统软硬件自动划分方法研究

软硬件划分一直是嵌入式系统软硬件协同设计中的难点,如果离开具体系统,单纯的软硬件划分,其性能很难评估。本文提出基于系统体系结构,应用遗传算法来进行多目标优化的软硬件自动划分方法。在具体设计中,使用数据流图对系统建模,采用邻接表进行个体编码,定义交叉、变异操作,同时引入小生境技术,保持解的多样性。该方法为嵌入式系统软硬件自动划分提供一种新思路。

改进PSO算法在软/硬件划分中的应用

针对嵌入式系统中的单MPU和单ASIC体系结构问题,提出一种改进粒子群算法,将该算法应用到数字音视频解码器的软/硬件划分中,一次运行可以获得较多Pareto最优解。讨论目标函数、系统约束、粒子比较准则、拥挤距离函数、变异算子和粒子适应度等问题的处理。实验结果表明,该算法改善了传统算法产生未成熟收敛、较少Pareto最优解和Pareto最优解前端分布不均匀的问题,增强算法的自适应性及结果的全局最优性。

一种基于改进蚁群优化算法的软硬件划分方法

软硬件划分问题是嵌入式系统的软硬件协同设计中重要的问题之一﹒针对该问题,提出一种基于改进蚁群优化算法的软硬件划分方法﹒通过禁忌搜索算法改进蚁群算法的局部搜索过程,利用禁忌表记录近期的搜索过程,通过禁忌表比对阻止算法重复进入,提高了算法的最优解搜索效率,加快了算法的执行速度﹒实验数据证明改进的蚁群优化算法能提高45%左右的工作效率,同时验证了该算法能够有效地解决软硬件划分问题,提高软硬件协同设计的效率﹒

基于路径的软硬件划分算法

软硬件划分是嵌入式系统中的一个关键问题。本文给出了一种贪心算法来搜索问题的最优解。本算法未考虑相邻任务之间的通讯开销。实验结果表明,任务数目的多少对加速比影响不大,影响加速比的关键因素就是硬件的有效面积。