可重构硬件操作系统技术

为了充分发挥可重构计算的高性能和可编程能力,需要将可重构资源和硬件任务纳入到操作系统管理范畴.因此面向可重构计算的操作系统技术—可重构硬件操作系统技术成为一个新的研究热点.本文在简要介绍可重构计算系统体系结构的基础上,详细介绍了国内外的研究现状.最后,结合可重构计算系统的特点,阐述了可重构硬件操作系统的关键技术.     

可重构资源管理及硬件任务布局的算法研究

可重构系统具有微处理器的灵活性和接近于ASIC的计算速度,可重构硬件的动态部分重构能力能够实现计算和重构操作的重叠,使系统能够动态地改变运行任务,可重构资源管理和硬件任务布局方法是提高可重构系统性能的关键.提出了基于任务上边界计算最大空闲矩形的算法(TT-KAMER),能够有效地管理系统的空闲可重构资源;在此基础上使用FF和启发式BF算法进行硬件任务的布局.实验表明,算法能够有效地实现在线资源分配与任务布局,获得较高的资源利用率.     

可重构系统中硬件任务布局布线算法研究

可重构计算系统中,二维可重构硬件任务的布局布线问题是影响系统资源利用率的重要因素。在异质化的可重构器件和任务模型基础上,对可重构硬件任务进行了适当分类,并提出一种能够对多类型可重构硬件任务同时布局布线的算法DRS-TCW。实验表明,该算法能够有效提高可重构器件的资源利用率和任务布线连通率。     

共享存储可重构计算机软硬件通信的优化实现之我见

伴随着可重构器件的快速发展与使用,共享存储可重构计算机软硬件通信逐渐成为国际计算机领域的新热点。因为可重构器件不仅具有硬件电路计算效率高的良好性能,同时具有可多次编程、方便修正的灵活性,硬件任务和软件任务等同的概念出现在系统设计中,共享存储可以灵活地完成一些稠密进行计算任务,打破了传统的软硬件协同设计领域,使其发生了巨大的变革。传统的硬件任务不支持程序上下文的切换、没有虚拟内存机制、无法唤醒系统服务等特点。共享存储通过虚拟地址映射机制,在硬件中实现了进行虚拟地址映射行为的模块,使硬件任务同软件任务一样具有虚拟地址,并利用这种机制实现了软硬件任务之间的通信。     

FPGA的可重构测控系统应用设计

可重构器件技术的发展和测控系统结构模式的通用化是实现可重构测控系统的前提。通过对常规计算机测控系统存在的问题、结构模式和多任务特征以及可重构器件技术发展的分析,提出基于FPGA器件设计可重构测控系统平台的设想,对可重构测控系统设计原则、硬件结构单元设计和软件重构方法进行了分析,并给出应用于雷达信号实时侦测的基于CPCI总线的可重构测控系统硬件设计的实例。     

基于最大空闲矩形的可重构资源管理方法

可重构硬件如FPGA的规模和集成度的提高使其承载的硬件任务越来越多,FPGA的动态部分重构能力使任务可在系统运行过程中动态地添加或者删除而不影响其他任务的运行,对可重构硬件的资源管理非常重要。该文提出一种基于任务上边界计算最大空闲矩形的算法,使用这些最大空闲矩形能够有效地管理可重构资源,便于更好地利用具有动态部分重构能力的可重构硬件。     

动态可重构技术在嵌入式计算机中的应用

在降低嵌入式计算机功耗、体积方面,动态可重构技术具有积极的作用。在计算机硬件设备的运行过程中,动态可重构技术可根据计算任务的不同实现不同的功能,使系统软硬件资源得到充分利用。该文对动态可重构技术进行分析,并探讨动态可重构技术在嵌入式计算机中的应用,为嵌入式计算机的发展提供参考。     

一种可进化IP核的设计和实现

提出一种可进化IP核的设计和实现方法。这种IP核采用进化硬件的设计思想,将遗传算法运用于硬件电路的设计中,使电路能根据当前的环境自动进行内部电路的进化,从而生成最有效的电路,并能在普通的FPGA器件上实现。可进化IP核以HDL源代码的形式表示,与普通IP核的复用方式相同,可被综合到不同的目标可重构器件中去,大大减少了复杂系统的设计时间,提高了设计的利用率,是可进化硬件一个颇具潜力的发展方向。     

动态可重构技术在嵌入式计算机中的应用

在降低嵌入式计算机功耗、体积方面,动态可重构技术具有积极的作用。在计算机硬件设备的运行过程中,动态可重构技术可根据计算任务的不同实现不同的功能,使系统软硬件资源得到充分利用。该文对动态可重构技术进行分析,并探讨动态可重构技术在嵌入式计算机中的应用,为嵌入式计算机的发展提供参考。     

面向异质结构的可重构任务在线布局算法

基于同质结构模型的可重构任务布局算法和内部资源多样的可重构器件不相适应,不利于实际运用.针对BlockRAM等静态单元在器件上的分布对硬件任务存在位置约束的问题,建立了异质结构的器件和硬件任务模型,并提出一种基于相对任务覆盖度的在线布局算法.通过为布局任务等待队列设立滑动窗口,根据窗内任务集合对器件空闲单元的相对任务覆盖度选择当前任务的放置位置,兼顾后续任务的布局需求,从而提高了整体布局效率.实验结果表明,该算法能取得较低的任务平均等待时间和较高的器件利用率,优于First Fit算法.