«上一篇
文章快速检索     高级检索
下一篇»
  哈尔滨工程大学学报  2018, Vol. 39 Issue (12): 2011-2016  DOI: 10.11990/jheu.201706012
0

引用本文  

赵旭莹, 李桓, 王晓琴, 等. 通信专用新型二维可配置协处理器架构研究[J]. 哈尔滨工程大学学报, 2018, 39(12): 2011-2016. DOI: 10.11990/jheu.201706012.
ZHAO Xuying, LI Huan, WANG Xiaoqin, et al. A novel two-level reconfigurable communication-specific coprocessor architecture[J]. Journal of Harbin Engineering University, 2018, 39(12): 2011-2016. DOI: 10.11990/jheu.201706012.

基金项目

国家科技支撑计划(2014BAH32B00);中国科学院战略性先导科技专项(XDA06011000)

通信作者

王东琳, E-mail:donglin.wang@ia.ac.cn

作者简介

赵旭莹(1988-), 女, 博士研究生;
王东琳(1956-), 男, 研究员, 博士生导师

文章历史

收稿日期:2017-06-06
网络出版日期:2018-06-14
通信专用新型二维可配置协处理器架构研究
赵旭莹 1, 李桓 1, 王晓琴 2, 王东琳 2     
1. 中国科学院大学 计算机与控制学院, 北京 100190;
2. 中国科学院自动化研究所 国家专用集成电路设计工程技术研究中心, 北京 100190
摘要:针对当前主流通信协处理器架构存在互连网络功耗较大、调度频繁等问题,提出一种面向通信处理器的新型二维可配置协处理器架构。第一维配置为工作模式和协处理器公共参数配置,由主处理器发起,协处理器实时响应;第二维配置为加速引擎私有参数配置,由主处理器离线完成。通过功耗评估模型,该架构总线互连网络功耗仅为主流通信处理器架构的1/3;对于无线通信标准数据帧处理,总线带宽占用比由6.88%降到2.05%。基于此架构,对面向基站的无线通信接收端协处理器进行了设计实现。在数据吞吐方面与TMS320C6670中加速引擎对比,其中viterbi译码器加速比为3.3,turbo译码器加速比为2.8,可满足人们不断增长的高速数据传输需求。
关键词协处理器架构    通信处理器    二维配置    工作模式    私有参数    总线互连功耗    带宽占用比    调度频率    
A novel two-level reconfigurable communication-specific coprocessor architecture
ZHAO Xuying 1, LI Huan 1, WANG Xiaoqin 2, WANG Donglin 2     
1. College of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing 100190, China;
2. National ASIC Design Engineering Center, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China
Abstract: The large power consumption of interconnected networks and frequent scheduling are problems in the current mainstream communication coprocessor architecture. To solve these problems, a novel two-level reconfigurable coprocessor architecture for communication processors is proposed in this paper. The first level configuration includes work mode and coprocessor common parameters, and it is initiated by the main processor. The coprocessor responds in real time. The second-level configuration includes private parameters for acceleration engines, and it is computed offline by the main processor. The power consumption of bus interconnection network is equivalent to a third of the typical communication processor architecture, as found using a power evaluation model. The bus bandwidth occupancy ratio is reduced from 6.88% to 2.05% for a standard data frame processing by clustering the acceleration engines. Based on this architecture, a wireless communication receiver coprocessor for base station is designed. Compared with the acceleration engine in the TMS320C6670, the speed-up ratio of Viterbi decoder is 3.3, while that of the turbo decoder is 2.8, in terms of data throughput.It can satisfy people's increasing demand for high-speed data transmission.
Keywords: coprocessor architecture    communication processor    two-level configuration    work mode    private parameter    power of the bus interconnection network    bandwidth occupancy    scheduling frequency    

无线通信技术的发展,给数字基带处理带来了很大挑战,全球DSP大厂,如德州仪器(Texas Instruments,TI)、CEVA、飞思卡尔等,纷纷推出了一系列基于DSP的无线通信解决方案[1-2],处理器中集成了一系列加速引擎作为协处理器对复杂算法进行加速。协处理器架构采用一维配置[3],加速引擎阵列直接挂接到总线,导致互连网络功耗比较大[4-5]。加速引擎由主处理器激活,当任务调度频繁时,总线带宽占用比比较大。本文分析了一维配置下协处理器架构特点和不足,提出一种二维可配置协处理器架构。

1 主流通信专用协处理器架构 1.1 互连网络功耗

以TI TMS320C667和CEVA-XC处理器为代表,其协处理器架构属于经典协处理器架构,如图 1所示。一系列加速引擎直接挂接到总线,由主处理单元进行调度管理。

Download:
图 1 经典协处理器架构 Fig. 1 The classical coprocessor architecture

文献[6]通过网络仿真工具OPNET对2D-Mesh和2D-Torus网络拓扑结构进行了互连网络功耗评估,仿真方案采用均匀流量的网络通信模式,仿真表明:随着互连网络节点数目增加,网络功耗随之增加,并呈现出线性增长关系。

文献[7]基于分析模型提出了一种片上互连建模工具,并利用40 nm CMOS电路仿真结果进行校准。该工具得出了功耗评估模型:

$ {\text{power}} = N \times {\text{DW}} \times ({C_{{\text{wire}}}}{\text{VD}}{{\text{D}}^2} + {C_{{\text{mux}}}}{\text{VD}}{{\text{D}}^2}) $ (1)

式中:N表示节点数目,DW表示总线数据位宽,Cwire是输入信号、输出信号和内部转换信号线电容总和,Cmux表示多路复用器转换一个数据位时所有门电路电容和扩散电容之和,VDD表示电压。

由功耗评估模型可以看出,总线接入节点数目越多,总线电容负载越大,功耗也越大。文献[8]通过90 nm CMOS设计,得出了互连网络功耗关于N和DW的函数模型。当N < 32时,功耗为O(N2DW),并附加25%~50%额外功耗开销;当N≥32时,功耗为N的超二次函数,并附加40%~80%额外功耗开销。对于总线功耗的研究表明,互连网络功耗约占导线总功耗的90%[9]。随着总线位宽的增加,总线功耗占比会越来越大。

根据以上分析可以看到主流商用DSP架构的明显不足:当总线接入节点数量较多时,总线互连网络功耗比较大。

1.2 调度

经典协处理器架构支持一维配置,即主处理器对每个加速引擎的工作参数进行配置,如MorphoSys协处理器[10],加速引擎阵列通过“Context Word”进行配置。后期协处理器类型不断演进,功能更加复杂,不再是单纯的代数运算逻辑,而是针对某些复杂算法特殊设计的加速引擎[11-13]。主处理器根据任务队列,对加速引擎进行任务下发,加速引擎工作结束后发出中断通知主处理单元,工作时序如图 2所示。协处理器一维配置下调度频繁:1)对总线访问频率比较高,2)寄存器配置、加载开销比较大,3)协处理器频繁调度会增加主处理器时序控制复杂度。

Download:
图 2 主处理器与加速引擎之间调度时序 Fig. 2 The scheduling timing between the main processor and the accelerators
2 新型二维可配置协处理器架构

基于目前主流通信专用协处理器架构互连网络功耗大、调度频繁问题,本文提出一种新型二维可配置协处理器架构,如图 3所示。将加速引擎阵列依据发送和接收分离的准则进行分簇,簇间通信由主处理器控制,并通过总线桥接完成。经过分簇后的加速引擎阵列,分时共享簇内一组总线接口。协处理器采用二维配置,第一维配置为工作模式和协处理器公共参数配置,由主处理器发起,协处理器实时响应;第二维配置为加速引擎私有参数配置,由主处理器离线完成。这部分配置参数预先存储于指定区域,协处理器激活后,自行读取私有配置信息进行工作。协处理器配置支持查询机制,当主处理单元检测到协处理器处于空闲状态时,可以随时发起下一次配置。该配置属于半动态配置,即协处理器簇可实时响应配置,但簇内加速引擎需等待协处理器簇整体空闲后,才能响应下一次配置。二维配置减少了主处理单元与协处理器交互频率,在互连网络功耗、总线带宽占用比、软件调度频率方面提高了系统性能。

Download:
图 3 二维可配置协处理器架构 Fig. 3 The two level reconfigurable coprocessor architecture
2.1 互连网络功耗

基于互连网络功耗模型和电路级仿真结果,对新型二维可配置协处理器架构下互连网络功耗进行评估。假设协处理器中加速引擎个数为N,经典协处理器架构互连网络功耗为Pt。本文所提协处理器架构将加速引擎分簇,假设分簇数目为n,则分簇后相当于n个节点接入总线,互连网络功耗为

$ {p_n} = a{p_t} $ (2)

式中:a表征总线分簇比,且a=n/N。总线分簇比越小,互连网络功耗越低。

接下来以无线通信系统中标准数据帧处理,分析新型架构下互连网络动态功耗。无线通信接收端比特级数据处理包括解速率匹配→HARQ合并→turbo译码→CRC校验,对应的加速引擎有DeRM、TDC、CRC。基站侧对数据吞吐要求比较高,通常需集成多个TDC模块。

单位数据通过互连网络传输,产生的功耗包括三部分:交换开关功耗Pswitch、链路功耗Ppath和时钟树功耗Pclocktree:

$ {P_{{\text{network}}}} = {P_{{\text{switch}}}} + {P_{{\text{path}}}} + {P_{{\text{clocktree}}}} $ (3)

若节点i到节点j之间传输数据包个数为M,则节点i到节点j之间互连网络功耗为

$ {P_{i \to j}} = \sum\limits_{k = 0}^{M - 1} {({P_{{\text{switch}}}}\left( k \right) + {P_{{\text{path}}}}\left( k \right)) + {P_{{\text{clocktree}}}}} $ (4)

当互连网络节点数目为N时,互连网络总功耗:

$ {P_{{\text{total}}}} = \sum\limits_{s = 0}^{N - 1} {\sum\limits_{k = 0}^{M - 1} {\left( {{P_{{\text{switch}}}}\left( {s, k} \right) + {P_{{\text{path}}}}\left( {s, k} \right)} \right) + {P_{{\text{clocktree}}}}\left( N \right)} } $ (5)

式中时钟树功耗抽象为网络节点数目N的函数。互连网络功耗与节点间传输数据包长度以及节点数目有关,可以进一步将互连网络功耗表示为

$ {P_{{\rm{total}}}} = ({P_{{\rm{switch}}}} + {P_{{\rm{path}}}}) \cdot BW + {P_{{\rm{clocktree}}}}\left( N \right) $ (6)

式中:BW表示总线访问带宽,表征访问节点数目以及节点间传输的数据包长度。

假设接收机1 ms内处理的一个标准数据帧长为75 376 bit,分割成的码块长度为5 824 bit,码块个数为13。分簇前,1 ms内总线带宽访问如图 4所示。

Download:
图 4 分簇前总线带宽访问 Fig. 4 Bus bandwidth access before clustering

带宽访问量为

$ \begin{gathered} \left( {14\;400 \times 8 + 2 \times 5\;828 \times 3 \times 8 + 5\;824 \times 2} \right) \times \hfill \\ \;\;\;\;\;\;\;\;\;\;\;\;\;13 = 5\;285\;696{\text{ bit}}/{\text{ms}} \hfill \\ \end{gathered} $ (7)

分簇后,协处理器对总线带宽访问如图 5所示。

Download:
图 5 分簇后总线带宽访问 Fig. 5 Bus bandwidth access after clustering

协处理器带宽访问量为

$ \left( {14\;400 \times 8 + 5\;824} \right) \times 13 = 15\;73\;312\;{\text{bit}}/{\text{ms}} $ (8)

不足经典协处理器架构的1/3。分簇前后,总线带宽访问量如图 6所示,系统功耗包括簇内功耗和总线互连功耗,簇内模块产生的结果数据可以直接送入下一模块进行消费,降低了数据流动。信号翻转引起的电容充放电是动态功耗的主要来源,通过分簇,降低数据搬运次数,减少互连网络功耗,进而降低系统整体功耗。

Download:
图 6 分簇前后带宽访问量 Fig. 6 Comparison of bandwidth access before and after clustering
2.2 总线带宽占用比

配置总线占用带宽比较小,这里只讨论数据总线带宽占用比。经典协处理器架构下,每个加速引擎需从总线加载数据,并将结果写回总线,占用总线带宽用BWl、BWs来表示,协处理器占用总线带宽为

$ {\text{B}}{{\text{W}}_{{\text{total}}}} = {\text{BW}}_l^0 + {\text{BW}}_s^0 + \ldots + {\text{BW}}_l^{N - 1} + {\text{BW}}_s^{N - 1} $ (9)

对加速引擎进行分簇后,簇内某些加速引擎产生的结果数据可以立即被下一加速引擎消耗,无需通过总线传递。协处理器内部根据工作模式配置,可以将DeRM输出结果直接写入TDC缓存区,TDC输出结果直接写入CRC缓存区,如图 7所示。

Download:
图 7 簇内数据处理流 Fig. 7 Data process in the cluster

此种工作模式下,协处理器占用总线带宽为

$ {\rm{B}}{{\rm{W}}_{{\rm{novel - total}}}} = {\rm{BW}}_l^0 + {\rm{BW}}_s^{N - 1} $ (10)

下面仍以标准数据帧长75 376为例讨论协处理器总线带宽占用比。协处理器处理一个码块总线带宽访问量如图 4所示。假设总线位宽为128 bit,时钟频率为600 MHz,协处理器架构优化前总线带宽占用比如为

$ \begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{r_{{\rm{before}}}}{\rm{ = }}\\ \frac{{\left( {14\;400 \times 8 + 2 \times 5\;828 \times 3 \times 8 + 5\;824 \times 2} \right) \times 13 \times 1\;000}}{{600 \times 128 \times {{10}^6}}}\\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \approx 0.068\;8 \end{array} $ (11)

协处理器架构优化后总线带宽占用为

$ {r_{{\rm{after}}}} = \frac{{\left( {14\;400 \times 8 + 5\;824} \right) \times 13 \times 1\;000}}{{600 \times 128 \times {{10}^6}}} \approx 0.020\;5 $ (12)

与传统通信处理器架构相比,二维协处理器架构总线带宽占用比由6.88%降到2.05%,大大缓解了总线压力。

2.3 软件调度频率

无线通信系统中存在频繁调度某个加速引擎的情况,例如信道译码是分码块进行的,码块数目越多,对译码加速引擎调度越频繁。无线通信接收端多码块信道译码流程如图 8所示。

Download:
图 8 信道译码流程 Fig. 8 Channel decoding process

假设一个传输块分为n个码块,经典协处理器架构下主处理器对DeRM、TDC、CRC加速引擎调度次数为ft=2n+1。新型架构下,将加速引擎以特定工作模式进行联结,可以使调度次数成倍降低。例如将DeRM与TDC进行联结,则信道译码处理流程如图 9所示,此种工作模式下协处理器调度次数为fDeRM+TDC=n+1。本文所提架构还可以将DeRM、TDC与CRC进行联结,作为另一种工作模式进行调度,此种模式下,主处理器只需调度一次协处理器即可实现多码块信道译码。

Download:
图 9 模块联结后数据处理流程 Fig. 9 Data processing flow after module connection

当前处理器朝着异构多核方向发展,片上集成了处理器、加速器、存储器等模块,体系结构设计时任务划分和任务调度不可忽视[14]。新型协处理器架构,通过增加工作模式和公共参数配置,可以大大降低主处理器对协处理器调度频率,尤其在高性能计算机[15]中,主处理器本身承担了大量数据处理任务,通过对协处理器进行二维配置,可以将主处理器从频繁调度中解放出来,减少协处理器与主处理器交互频率,从而降低软件开销。

3 协处理器性能评估

本文完成了无线通信接收端协处理器设计与实现,其整体架构如图 10所示。在TSMC 28 nm标准单元库下,利用Synopsys Design Compiler工具进行综合,其主频可达600 MHz,面积为1.98 mm2,功耗为490.408 1 mW。

Download:
图 10 通信专用接收端协处理器整体架构 Fig. 10 Coprocessor architecture for communication receiver

该协处理器主要面向基站数字基带处理,具有高性能的优势。协处理器中译码器数据通量与主流处理器TMS320C6670对比如表 1所示。TMS320C6670中的译码器数据通量均来自官方发布的用户手册。为了对比公平,viterbi译码器数据通量均是在码长40 bit,主频333 MHz下得出的;turbo译码器数据通量均是在码长6 144 bit,主频600 MHz下得出的。通过同一外部条件对比可以看出,本文中的viterbi译码器数据通量约为TMS320C6670的3.3倍,turbo译码器数据通量约为TMS320C6670的2.8倍。

表 1 本文协处理器与TMS320C6670数据通量对比 Table 1 Throughput comparison for the proposed coprocessor and TMS320C6670
4 结论

1) 通过将加速引擎根据任务相关性进行分簇,总线互连网络功耗仅为主流通信处理器架构的1/3;

2) 一个标准数据帧处理,总线带宽占用比由6.88%降到2.05%;

3) 协处理器支持二维配置,提高了软件编程灵活度。二维配置协处理器架构为多模通信模块复用进行了有益探索,通过分簇可以充分对存储单元进行复用,大大提高芯片能效比。

4) 该架构在总线互连网络功耗、带宽占用比、加速引擎调度频率和硬件开销方面取得了良好的性能。

参考文献
[1]
Texas Instruments Incorporated. TMS320C6670 Multicore fixed and floating-point system-on-chip. data manual, SPRS689D. Texas Instruments Incorporated[EB/OL]. http://www.ti.com/lit/ds/symlink/tms320c6670.pdf. (0)
[2]
Freescale Semiconductor. MSC8157: Six-core digital signal processor[R]. Freescale Semiconductor, 2011. (0)
[3]
HARJU L, NURMI J. A synchronization coprocessor architecture for WCDMA/OFDM mobile terminal implementations[C]//Proceedings of 2005 International Symposium on System-On-Chip. Tampere, 2005: 141-145. (0)
[4]
MARCULESCU R, OGRAS U Y, PEH L S, et al. Outstanding research problems in NoC design:system, microarchitecture, and circuit perspectives[J]. IEEE transactions on computer-aided design of integrated circuits and systems, 2009, 28(1): 3-21. DOI:10.1109/TCAD.2008.2010691 (0)
[5]
王俊辉.高性能多核处理器的低功耗片上网络研究[D].长沙: 国防科学技术大学, 2015.
WANG Junhui. Low-power on-chip networks in high-performance multi-core processors[D]. Changsha: National University of Defense Technology, 2015. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=D01107947 (0)
[6]
黄岗. MPSoC互连网络功耗模型及其应用[D].西安: 西安电子科技大学, 2011.
HUANG Gang. The research and application of power model for interconnection network in MPSoC[D]. Xi'an: Xidian University, 2011. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1865331 (0)
[7]
CAKIR C, HO R, LEXAU J, et al. Modeling and design of high-radix on-chip crossbar switches[C]//Proceedings of the 9th International Symposium on Networks-On-Chip. Vancouver, BC, 2015: 20. (0)
[8]
PASSAS G, KATEVENIS M, PNEVMATIKATOS D. Crossbar NoCs are scalable beyond 100 nodes[J]. IEEE transactions on computer-aided design of integrated circuits and systems, 2012, 31(4): 573-585. DOI:10.1109/TCAD.2011.2176730 (0)
[9]
LIU Daka, SVENSSON C. Power consumption estimation in CMOS VLSI chips[J]. IEEE journal of solid-state circuits, 1994, 29(6): 663-670. DOI:10.1109/4.293111 (0)
[10]
SINGH H, LEE M H, LU Guangming, et al. MorphoSys:an integrated reconfigurable system for data-parallel and computation-intensive applications[J]. IEEE transactions on computers, 2000, 49(5): 465-481. DOI:10.1109/12.859540 (0)
[11]
JUNG C Y, SUNWOO M H, OH S K. Design of reconfigurable coprocessor for communication systems[C]//Proceedings of 2004 IEEE Workshop on Signal Processing Systems. Austin, TX, 2004: 142-147. (0)
[12]
CHIEN H Y, YANG C S, HOU H P. Non-linearity cannot help RFID resist full-disclosure attacks and terrorist fraud attacks[J]. Security and communication networks, 2013, 6(12): 1490-1495. DOI:10.1002/sec.v6.12 (0)
[13]
TANG Liang, AMBROSE J A, PARAMESWARAN S. Reconfigurable pipelined coprocessor for multi-mode communication transmission[C]//Proceedings of the 50th Annual Design Automation Conference. Austin, TX, 2013: 134. (0)
[14]
BOUDJADAR J, KIM J H, NADJM-TEHRANI S. Performance-aware scheduling of multicore time-critical systems[C]//Proceedings of 2016 ACM/IEEE International Conference on Formal Methods and MODELS for System Design. Kanpur, 2016: 105-114. (0)
[15]
WANG Donglin, DU Xueliang, YIN Leizu, et al. MaPU: a novel mathematical computing architecture[C]//Proceedings of 2016 IEEE International Symposium on High Performance Computer Architecture. Barcelona, 2016: 457-468. (0)