"龙腾R"微处理器分支处理单元的研究与设计

"龙腾R"是西北工业大学自主研制的32位高性能微处理器.该处理器的分支处理单元(BPU)能有效降低控制相关带来的延迟.通过分析已有的分支方向预测算法和分支目标地址预测策略,在分支处理单元总体约束下,合理分配分支方向预测和目标地址预测的实现代价,提出了一种基于混合分支预测器和经过改进的目标地址缓冲(grB)结构的分支处理单元结构.该结构不仅比传统的由gshare分支方向预测器构成的分支处理单元预测准确率平均高出1%～2%,并具有面积小、功耗低的特点.     

动态分支预测技术分析与量化研究

随着现代微处理器的流水线变得越来越深,指令发射宽度越来越大,预测失败所带来的时间代价和空间(功能部件)有效利用率损失也越来越大,预测准确率对流水线的性能的影响也越来越重要。为了量化研究不同动态分支预测技术的准确率,采用计算机体系结构模拟软件Simple Scalar和SPEC 2000 Benchmark,对2bC,GAg,PAg,GAp,PAp,G-share六种动态预测技术的分支方向和分支地址预测准确率进行了性能模拟与测试,最后对模拟结果进行统计分析,得出预测准确率与硬件实现复杂度之间的量化关系,为设计出具有高准确率和低复杂度的动态分支预测器提供了参考。     

分支指令特性与分支预测器的性能研究

根据分支指令的特性,分析了分支行为与分支预测技术对单发射嵌入式处理器CPI栈(CPI stacks)组成的影响,并在RTL级设计了分支预测器的时序精确模型,通过硬件模拟方法对分支指令特性和分支预测器的性能进行了研究.实验考察了分支指令在分支预测器命中或缺失时的不同跳转统计特性,验证了分支预测器对CPI栈影响的理论推导,为单发射嵌入式处理器中分支预测器的设计与优化提供了精确的实验依据.     

一种基于双模结构的预测器

分支预测是限制微处理器性能提高的一个重要因素,因此也一直是微处理器设计研究的重点.文中提出了一种对动态两级自适应分支预测进行改进的新方法,即基于双模结构的双模预测器.它能同时根据指令转移间相关和转移内相关进行转移预测,从而获得更高的转移预测精度.     

一种混合型值关联间接跳转预测机制

 准确的间接跳转预测对现代处理器的性能和能耗有效性都具有重要意义.本文提出了一种混合型值关联间接跳转预测机制,通过混合使用多种关联信息以降低间接跳转误预测率.该机制一方面依赖于编译器根据高层次数据流信息识别间接跳转指令所对应的初始关联数据值.另一方面,该机制针对间接跳转预测的不同场景分别设计了两类关联信息:单一数据值和值历史,并实现了一种低开销的硬件结构,该硬件结构在运行时刻根据不同应用场景动态选择最佳关联信息引导间接跳转预测.实验结果表明,相对于传统的BTB预测器和最新的VBBI预测器,本文机制能够有效降低误预测率,提高程序性能并降低系统能耗.     

指令cache体系结构级功耗控制策略研究

 随着工艺尺寸缩小及处理器频率提高,功耗问题已成为当代微处理器设计面临的主要挑战.传统的指令cache(I-Cache)功耗控制策略一般只单独降低指令cache的动态或者静态功耗.提出的两种改进的功耗控制策略,基于昏睡指令cache体系结构,能够更有效地同时降低指令cache的动态和静态功耗.一种称作"使用双预测端口路预测器的多路路预测策略",另一种称作"基于分阶段访问cache的按需唤醒预测策略",分别用于处理器前端流水线级数保持不变和可以增加额外前端流水线级数两种情形.实验结果表明:与传统的策略相比,提出的两种策略具有更优的能量效率,可以在不显著影响处理器性能的前提下,更有效地降低指令cache和处理器的功耗.     

一种改进的BP-AdaBoost算法及应用研究

BP-AdaBoost算法结合BP神经网络和AdaBoost算法二者的优点,在提高准确率的同时加快训练速度。但传统BP神经网络在训练时可能会出现陷入局部最优的问题,针对此缺陷,提出一种改进的BP-AdaBoost算法,先采用思维进化算法调整BP神经网络的权值和阈值,再运用优化后的BP神经网络构造多个优化的弱预测器,最后将AdaBoost多分类思想引入改进的BP-AdaBoost算法中,构造多个强预测器判断决策输出结果。将改进的BP-AdaBoost算法与小波神经网络用于上证指数开盘指数的预测中,通过实验对比分析,证明了算法的可行性与优越性。     

一种基于贝叶斯分类的个性化导购推荐算法

顺应电子商务的发展趋势,结合导购网站的个性化内容结构,提出了基于协同过滤的推荐算法与贝叶斯分类算法相结合的混合推荐算法。两种经典算法通过对用户评分值加权相加进行混合,从而得到用户对物品最终的预测评分,通过预测评分的高低进行推荐。通过这种混合推荐算法,可以更加充分地利用个性化导购网站的特殊结构化内容结构,从而达到提高个性化导购网站推荐系统的推荐内容准确度的目的。实验证明,改进后的混合算法在相同的条件下能够获得更低的平均绝对误差(MAE)和更好的准确率及召回率。     

处理器值预测技术研究

当今的处理器性能与存储器带宽和延迟严重失衡的问题限制了计算系统的整体性能,而存储器的性能对制程工艺不敏感,在后摩尔时代下很难再通过集成电路制造工艺的迭代获得处理器性能收益,因此人们更多地想通过体系结构的创新获得更高性能的计算系统.处理器值预测技术是一种能在无需改变存储系统情况下有效缓解存储墙问题的解决方案,其通过预测性地打破数据真相关进而让更多的指令可以在乱序处理器中并行执行,而无需等待由于访存等操作造成的长周期指令执行.近年来,值预测在各个方面都有了实质性的进步,但现如今还没有商用处理器使用这一技术,这主要是由于值预测技术的使用还面临许多挑战：现有的处理器的流水线架构不能直接使用值预测技术;值预测所需的预测值传递机制需要额外的硬件资源开销;值预测器巨大的存储开销让其很难在片上实现;由于值预测错误时的性能惩罚大,因此预测准确率较低的值预测器会降低处理器性能.针对这些问题,本文以值预测技术为中心,围绕值预测技术相关的流水线架构、值预测器结构和错误恢复机制三个方面分别详细论述了国内外研究成果以及其对于各个问题挑战的解决策略.最后,本文对当今的处理器值预测技术进行了总结并对未来的研究方向进行...     

基于分支执行历史的循环缓冲低功耗方法

针对嵌入式处理器中指令Cache功耗显著的特点,提出了一种基于分支执行历史的循环缓冲低功耗方法.利用分支指令当前信息与分支执行历史信息之间的关系,实现了应用程序中循环的动态检测与加载.通过对取指通道的精确控制,该方法能够过滤大部分不必要的指令Cache访问,有效降低了指令Cache的功耗.在SuperV_EF01DSP上的实验结果表明,采用该方法后,在处理器性能没有损失的情况下,指令Cache功耗平均降低32.58%,面积仅增加8.31%.     

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Volterra滤波器基础上,提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种NLMS类型的自适应算法来实时调整这种非线性滤波预测器的系数,仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混时间序列,且它的模块化特征更易于VLSI电路实现,具有广泛的工程应用价值。     

基于自适应超时计数布鲁姆过滤器的流量测量算法

针对流量测量中IP长流的检测问题,该文设计了计数布鲁姆过滤器(Count Bloom Filter, CBF)与超时布鲁姆过滤器(Timeout Bloom Filter, TBF)结合的长流检测机制。该机制动态调整布鲁姆过滤器中的超时时间,及时清理结束流,解决空间拥塞问题,从而可以适用于无结束标志IP长流检测。依据算法整体错误率与超时时间的分析,根据链路流到达强度与布鲁姆过滤器向量空间长度自适应动态调整超时时间,使得算法整体错误率保持最低。该算法的性能利用真实网络流量数据进行验证,结果表明,与现有算法相比,该算法的测量准确性更高。     

关于布隆过滤器在BSS中应用

介绍布隆过滤器(Bloom Filter)的相关算法原理和使用说明,并阐述其在BSS领域中应用。通过与Redis缓存技术相结合,利用布隆过滤器(Boom Filter)的高效匹配、低存储等优势,提高BSS中排重效率,减少BSS对硬件扩容的需求。同时,阐述BSS排重中关于位数组的划分,以及针对布隆过滤器(Bloom Filter)对数据存在一定误判率的不足,并提出相应的应对措施。     

卷烟厂工艺空调混风段板式过滤器改进与应用

为了提高卷烟厂工艺空调混风段板式过滤器的过滤效果,延长其使用寿命及缩短清洗时间,改进了板式过滤器的过滤材料、结构和固定方式。改进后板式过滤器的过滤效果明显提高,使用寿命得到了有效的延长,清洗时间显著缩短,减少了人工清洗的工作量,该改进方法在卷烟厂工艺空调中有一定的推广应用价值。     

基于贝叶斯算法的网络信息安全过滤系统设计

当前由于网络信息当中存在大量无用垃圾信息,在影响过滤系统应用效果的同时,也使得网络用户的个人权益受到威胁,为提高过滤系统的过滤准确率和查全率,引入贝叶斯算法,开展对网络信息安全过滤系统的设计研究。通过网络信息SMTP服务器选型设计、处理器芯片选型设计等硬件设计和网络信息预处理与特征提取、基于贝叶斯算法的系统分类过滤器生成、无用网络信息筛选与过滤等软件设计,提出一种全新的过滤系统。通过对比实验证明,新的过滤系统在实际应用中具备更高的查全率和准确率,可为用户网络信息安全提供保障条件。     

基于改进GMM和多特征融合的视频火焰检测算法

针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。     

基于混合高斯模型的电子邮件多过滤器融合方法

本文提出了一种基于混合高斯模型(GMM)的多贝叶斯过滤器融合方法,并成功应用于电子邮件过滤.该方法使用多元统计分析方法对多个过滤器在训练例上的过滤表现矩阵进行降维和除噪,得到训练数据及各过滤器的分布;然后,从这一分布中学习出对邮件进行类别判定的GMM.GMM根据期望代价最小准则进行过滤,避免将正常邮件判定为垃圾.实验结果表明,本文方法具有较好的过滤性能,且对于特征提取率的敏感度低.     

两步双向查找表预测的高光谱图像无损压缩

提出一种基于两步双向查找表预测的高光谱图像无损压缩算法。将谱段内预测和谱间预测有效地结合,去除了高光谱图像强的谱间相关性。根据高光谱图像特点,首先,在光谱线的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其它谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第1步预测,采用一种双向四阶预测器,利用该预测器得到参考预测值;第2步预测,采用一种8级查表(LUT)搜索预测算法,得出8个LUT预测值。然后,将参考预测值与其比较得出最终的预测值。最后,将预测差值进行熵编码。实验结果表明,本文算法的平均压缩比达到3.05bpp(bits per pixel),与传统高光谱图像无损压缩算法比较,平均压缩比提高了0.14～2.91bpp,有效提高了高光谱图像无损压缩比低的问题。     

基于布隆过滤器的字符串模糊匹配算法的FPGA实现

深度包检测技术通过对数据包内容的深入扫描和检测,能够有效识别出隐藏在数据包有效载荷内的非法数据,但该技术存在功耗非常大的缺点。针对该问题,提出了采用Bloom Filter(布隆过滤器)进行字符串模糊匹配方式,利用Bloom Filter将信息流中大部分正常流量过滤掉,从而减轻了后端的字符串精确匹配的压力,降低了系统功耗,大大提高了处理速度。     

轮廓自适应预测的帧内DPCM图象编码

采用固定预测器的帧内DPCM系统在对分辨率测试卡编码时有困难。为了寻求能适用于各种类型图象的通用预测器,本文在轮廓预测的基础上,提出了一种新的自适应预测算法。图象中的平坦部分、轮廓及网纹结构分别采用不同的预测器预测。利用计算机模拟所进行的主、客观性能比较实验表明,新的自适应预测器较已知的同类预测器有更好的预测性能,它明显地改进了对分辨率测试卡一类图象的预测,对自然图象的预测亦有所改善。新的预测器产生的大的预测误差显著减少,预测误差峰值显著降低,因而可以获得较大的码率压缩。预测器的自适应转换只利用前已传送的象素进行判决,不需向接收端另外传送附加的开关信息。