一种基于星型子网的片上网络结构研究

提出了一种基于星型子网的片上网络结构SSBM NoC(Star-Subnet-Based-MeshNoC),它在已有网格状结构的基础上引入了子网的概念,并在子网内使用星型拓扑结构来连接一个交换机与四个网络节点。OPNET仿真结果表明,在同等网络规模下SSBM结构较之单纯的二维网格状结构具有更少的端到端通信延时,并仅使用其1/4数目的交换机,而交换机的负载则不到其两倍。

星型子网的NoC映射研究

处理单元映射是NoC设计的重要环节,其实施结果对NoC通信功耗及QoS约束的满足均起着决定性的作用。本文选取的NoC拓扑结构为星型子网的片上网路结构SSBM NoC(Star-Subnet-Based-Mesh NoC)。为保证系统实时性和低能耗,文中建立了延时约束下功耗最小的NoC映射模型,提出了一种基于改进粒子群算法的优化方法。针对NoC映射的特点,在粒子群算法中引入了交换子和交换序算子,确保了映射的有效性。实验结果表明,文中算法在满足延时约束下,降低NoC通讯功耗20%以上,证明该算法优化效果显著。

2D Mesh片上网络中交换机服务性能影响的研究及其拓扑改进

本文研究了交换机服务性能对2D Mesh片上网络的缓冲区资源和端到端延时的影响,发现在较低的丢包率的情况下,即使交换机能够提供很高的服务性能,却难以节省其所使用的缓冲区资源的现象.针对该现象,提出了一种基于星型子网的网状拓扑结构SSBM(Star-Subnet-Based-Mesh),在同样的网络规模以及丢包率的情况下,该种结构与2D Mesh结构相比具有更少的端到端通信延时,并且能够以较少的交换机服务性能为代价来节省较多的缓冲区资源,在较大程度上优化了2D Mesh片上网络的面积.

一种基于BP网络的星图识别算法

为了提高星图识别算法的抗噪性能,提出一种基于逆向传播(Back Propagation,BP)网络的识别算法。该算法通过将星图转换成"0"、"1"和"2"的网格矩阵,提取行列数值和星数形成匹配向量,利用多个BP识别子网进行训练完成匹配识别。通过仿真试验得出以下结论:对星等位置和星等添加噪声,当位置噪声标准偏差为2像素时,BP网络算法的识别率和识别时间相对传统栅格算法分别提高2%和60ms,对噪声有较强抗干扰能力,表明BP网络算法具有更快的识别速度。