一种基于统计信息的Cache漏流功耗估算模型

本文提出了一种基于统计信息的Cache漏流功耗估算模型。该模型通过对Cache访问间隔时间的统计,估算出不同衰退间隔条件下Cache的漏流功耗。根据该模型所设计的Cache 漏流功耗模拟器与Hotleakage漏流功耗模拟器相比,对于Cache漏流功耗估算的结果平均偏差小于3.46%。该模型可以用于Sleep Cache与Drowsy Cache中,估算不同衰退间隔下Cache漏流功耗比率,选取最优衰退间隔,最大程度地降低Cache漏流功耗。     

一种高效功耗攻击物理实验平台研究

功耗攻击是近年来一种对加密芯片密钥攻击最大的威胁,加密芯片功耗攻击与防御成为了研究热点.但功耗分析的实验平台构建却比较困难.以AES加密算法芯片为例,构建了一个基于FPGA的高效功耗攻击物理实验平台.详细叙述了物理实验平台的建立过程、实验结果.该功耗攻击物理实验平台构建相对简单,实验运算速度较快,且具有加密算法易于修正的灵活性,可以方便地对加密算法的功耗特性进行改进与验证.在功耗分析模型上,设计了一种高效功耗攻击模型,该模型在差分统计速度上提高了一个数量级,可为抗功耗攻击研究进行快速实验提供参考.     

基于三维特征参数的贝叶斯推理电路功耗模型

在功耗与信号统计分析的基础上,采用贝叶斯推理技术建立周期精确的功耗宏模型.通过分析信号特征对电路功耗的影响,选择输入信号密度Pin、输入跳变密度Din和输出跳变密度Dout作为贝叶斯推理的三维特征参数,证明了上述特征参数对信号时间和空间相关性信息的覆盖.实验结果表明,该方法较目前的门级功耗分析速度提高400余倍,周期功耗平均误差可以控制在10%以内.     

一种基于GPU的高精度体系结构级功耗模型

随着硬件功能的不断丰富和软件开发环境的逐渐成熟,GPU开始被应用于通用计算领域,协助CPU加速程序运行。为了追求高性能,GPU往往包含成百上千个核心运算单元,高密度的计算资源使得其性能远高于CPU的同时功耗也高于CPU,功耗问题已经成为制约GPU发展的重要问题之一。在深入研究Fermi GPU架构的基础上,提出一种高精度的体系结构级功耗模型,该模型首先计算不同native指令及每次访问存储器消耗的功耗;然后根据应用在硬件上的执行指令和采样工具获得采样结果,分析预测其功耗;最后通过13个基准测试应用对实际测试与功耗模型测试结果进行对比分析,该模型的预测精度可达90%左右。     

马氏链在集成电路功耗估计中的应用

在介绍集成电路功耗的基础上，论述了RT-Level对电路的动态功耗进行分析的方法。这种方法应用随机过程中的马氏链对组合电路中的动态功耗进行分析，属于静态的分析方法，已知输入信号的统计特征和电路的逻辑功能就能够对组合电路的动态功耗进行分析。     

片上实时功耗监控与估测的分析设计

为了给操作系统提供实时的芯片热点和功耗统计信息,以便进行快速、准确的实时功耗管理,基于龙芯2号处理器核,提出一个基于门控时钟统计的实时功耗监控系统.通过记录处理器门控时钟的翻转信息来获得芯片热点分布状态,并使用在芯片设计流程中由门级网表仿真而建立的功耗模型进行硬件计算,最终获得向操作系统提供的实时功耗数据.文中提出的实时功耗监控系统具有硬件集成、结构无关、快速、自身开销小、对处理器性能影响小、准确性高等优点.实验结果表明,将该实时功耗监控系统应用在FPGA平台上的功耗估测速度比传统仿真速度提高近40倍,精确度与Synosys公司的EDA工具测量相比可以保持在5%以内.     

可重配置处理器的体系结构级功耗模型与分析

按照可重配置处理器的体系结构建立并实现功耗模型;模型对处理器的电路级特性进行抽象,基于体系结构级属性和工艺参数进行静态峰值功耗估算,基于性能模拟器进行动态功耗统计,并实现三种条件时钟下的门控技术;可重配置处理器与超标量通用微处理器相比,在性能方面获得的平均加速比为3.59,而在功耗方面的平均增长率仅为1.48;通过实验还说明采用简单的CC1门控技术能有效地降低可重配置系统的功耗和硬件复杂度;该模型为可重配置处理器低功耗设计和编译器级低功耗优化研究奠定了基础。     

静态程序切片的GPU通用计算功耗预测模型

随着图形处理器通用计算的发展,GPU(graphics processing unit)通用计算程序功耗的度量与优化成为绿色计算领域中的一个基础问题。当前,GPU 计算能耗评测主要通过硬件来实现,而开发人员无法在编译之前了解应用程序能耗,难以实现能耗约束下的代码优化与重构。为了解决开发人员评估应用程序能耗的问题,提出了针对应用程序源代码的静态功耗预测模型,根据分支结构的疏密程度以及静态程序切片技术,分别建立分支稀疏和稠密两类应用程序的功耗预测模型。程序切片是介于指令与函数之间的度量粒度,在分析GPU应用程序时具有较强的理论支持和可行性。用非线性回归和小波神经网络建立两种切片功耗模型。针对特定 GPU 非线性回归模型的准确性较好。小波神经网络预测模型适合各种体系的 GPU,具有较好的通用性。对应用程序分支结构进行分析后,为分支稀疏程序提供加权功率统计模型,以保证功耗评估算法的效率。分支稠密程序则采用基于执行路径概率的功耗预测法,以提高预测模型的准确性。实验结果表明,两种预测模型及算法能够有效评估 GPU 通用计算程序的功耗,模型预测值与实际测量值的相对误差低于6%。     

基于性能计数事件的计算机功耗估算模型

精准快速获取计算机系统的实时功耗是功耗优化研究的基础,因此提出并建立了一种高精度的计算机功耗估算模型。通过分析统计系统运行时代表性的性能计数事件,应用机器学习理论分析性能事件与功耗的关系,建立多核计算机系统实时功耗估算模型。模型构建时使用多元线性回归(Multiple Linear Regression,MLR)方法以及支持向量回归(Support Vector Regression,SVR)方法分析二者关系,并对两种方法建立的功耗估算模型进行了对比分析。实验结果表明,基于性能事件的功耗估算模型可准确估计计算机实时功耗,估算误差不高于3%。同已有模型相比较,该估算模型精度更高、通用性更好。     

基于big.LITTLE架构的多目标功耗自适应控制方法

针对移动计算系统功耗约束条件时常变动,以及动态电压频率调节无法有效克服静态功耗导致的能量损失等问题,提出一种多目标功耗自适应控制方法。根据实时功耗约束制定调核策略,确定处理器核类型及数量,结合操作系统线程亲和性、进程迁移与处理器热插拔完成处理器核的开启、关闭及负荷管理,实现功耗自适应。在典型多核应用MapReduce模型Phoenix与可变形部件模型上的实验结果表明,该方法能够按需调度核类型及数量来完成计算任务,与传统功率恒定系统相比,执行时间与能耗平均减少60.91%和48.54%,有效提高目标系统能效。     

梳齿谐振器宏模型的系统级应用

宏模型的获取是由Krylov子空间投影法结合器件级有限元分析的宏建模方法来实现,利用此模型和基于可重用IP设计思想的系统级组件建模方法建立由VHDL-AMS语言描述的梳齿谐振器系统级模型,在华大VDE仿真平台上搭建出了梳齿谐振器的系统模型,并进行一系列的仿真,包括时域阶跃、交流电压信号仿真和频域交流小信号仿真,仿真结果与商用仿真工具ANSYS仿真结果保持良好的一致.     

基于PSpice的TL494宏模型的研究

提出了基于开关电源集成控制器PSpice的开关电源集成控制器TL494的宏模型。由于它包含有开关电源控制所需的全部功能,广泛应用于单端正激、半桥式、全桥式开关电源,所以研究它的PSpice仿真模型对控制芯片的设计分析有重要的意义。首先给出TL494的内部结构和工作原理。对TL494各个功能模块建立了PSpice宏模型电路,再将各个功能模块封装起来,实现了TIA94在PSpice中的模型库。然后设计了基于TL494控制的Buck电路,通过实验对所建模型进行验证,将仿真结果与实验结果进行对比,证明了所建模型的正确性与可行性。     

基于统计信息的Cache漏流功耗估算方法

随着工艺尺寸的缩小,漏流功耗逐渐成为制约微处理器设计的主要因素之一.Sleep Cache与Drowsy Cache是两种降低Cache漏流功耗的重要技术.基于统计信息的Cache漏流功耗估算方法(SB-CLPE)用于对Sleep Cache或Drowsy Cache进行Cache漏流功耗估算,根据该方法设计的Cache体系结构能够在程序执行过程中实时估算Cache漏流功耗.通过对所有Cache块的访问间隔时间进行统计,SB_CLPE可以估算出使用不同衰退间隔时Cache的漏流功耗,从而得到使Cache漏流功耗最低的最佳衰退间隔.实验表明,SB_CLPE对Sleep Cache的漏流功耗的估算结果与HotLeakage漏流功耗模拟器通过模拟获得的结果相比,平均偏差仅为3.16%,得到的最佳衰退间隔也可以较好吻合.使用SB_CLPE的Cache体系结构可以用于在程序执行过程中对最佳衰退间隔进行实时估算,通过动态调整衰退间隔以达到最优的功耗降低效果.     

基于TPWL方法的MEMS热微执行器的热电耦合宏建模

本文给出了一种基于轨迹分段线性化TPWL( Trajectory Piecewise-Linear)方法的非线性热电耦合宏建模技术。首先建立了MEMS热微执行器的三维非线性热电耦合模型,并采用有限元方法对其进行空间离散,然后利用新的基于全局最大误差控制的线性化点选择算法获得一组线性化点,最后使用TPWL方法构造MEMS热微执行器的热电耦合宏模型。以平板式热微执行器为例,研究了宏模型的精度、效率及可扩展性。与全模型仿真结果进行比较,宏模型仿真结果的相对误差可达到0.036%,加速比可达到100倍以上。     

龙芯1号处理器结构级功耗评估有效性分析

结合龙芯1号处理器实际设计过程,介绍了处理器功耗评估的方法和功耗模型,分别对结构级、电路级功耗评估和实际芯片3种情况进行测试程序仿真.经过量化分析和比较表明:结构级功耗评估具有仿真速度快、评估结果误差和测试程序相关,并且同一测试程序误差能够追随电路级功耗评估等特点,说明了龙芯1号处理器进行结构级功耗评估的有效性.采用该方法可显著提高低功耗处理器结构的设计效率.     

A reduced-order model for electrically actuated microbeam-based MEMS

We present an analytical approach and a reduced-order model (macromodel) to investigate the behavior of electrically actuated microbeam-based MEMS. The macromodel provides an effective and accurate design tool for this class of MEMS devices. The macromodel is obtained by discretizing the distributed-parameter system using a Galerkin procedure into a finite-degree-of-freedom system consisting of ordinary-differential equations in time. The macromodel accounts for moderately large deflections, dynamic loads, and the coupling between the mechanical and electrical forces. It accounts for linear and nonlinear elastic restoring forces and the nonlinear electric forces generated by the capacitors. A new technique is developed to represent the electric force in the equations of motion. The new approach allows the use of few linear-undamped mode shapes of a microbeam in its straight position as basis functions in a Galerkin procedure. The macromodel is validated by comparing its results with experimental results and finite-element solutions available in the literature. Our approach shows attractive features compared to finite-element softwares used in the literature. It is robust over the whole device operation range up to the instability limit of the device (i.e., pull-in). Moreover, it has low computational cost and allows for an easier understanding of the influence of the various design parameters. As a result, it can be of significant benefit to the development of MEMS design software.     

多业务分层CDMA下的前向功率补偿算法

针对传统功率控制算法在多业务分层CDMA系统中中断概率高、系统容量下降等问题,提出一套功率控制补偿方案。算法着眼于信道和业务动态变化的可靠程度(置信度)。通过对补偿算法仿真,证明该方案较传统方案降低了约15%的中断概率,提高了系统容量。     

基于大数据的发电量预测分析数据平台建设

现有电力企业发电指标统计渠道较分散,发售配电各个环节产生的数据种类繁杂且体量较大,因此针对电力数据质量差、已挖掘价值低的问题,本文采用大数据预测神经网络和数据平台可视化展示的方法,以某发电企业为研究对象,构建了发电量预测的模型及以此为核心的数据平台。发电量预测的应用服务支持PC和APP端,涵盖了某电力企业所有控股电厂及新能源项目,以滚动预测的模式迭代优化算法模型,提高发电量预测精度,有利于安排生产、燃料采购、物资计划,进一步做好污染物排放预测和管控。平台重点实现了数据多维管理和用户界面的可视化展示。数据层面,从源头做好数据采集清洗和数据库实时数据交互;用户层面,更直观形象展示大数据预测从获取数据、数据分析及预处理、数据训练到预测的四个阶段。