移动智能终端SoC高层抽象级性能评估研究

摘要

随着系统芯片硬件复杂度和软件复杂度的不断提升，以及设计周期的逐渐缩短，高层抽象级性能评估是SoC高效设计实现的关键。通过硅前软硬协同性能评估，在设计初期判断设计方案的应用性能并进行相应的优化，减少迭代并降低风险。
　　论文针对移动智能终端SoC高层抽象级性能评估，重点研究两个关键环节:1）软件负载:从海量的应用程序中筛选有限个数代表性程序，构造通用处理应用测试集;2）硬件模型:建立SoC最小系统（包括微处理器、DRAM存储子系统等）的性能分析模型。论文主要创新成果如下:
　　1、提出了基于遗传算法的测试集代表性子集提取方法。代表性子集提取的难点在于使用有限个数测试程序有效覆盖应用程序负载特性（使用CPI平均误差作为衡量指标）。论文采用遗传算法提取代表性最优子集，与传统基于聚类算法的子集提取方法相比，不容易陷入局部最优且对噪声数据不敏感，提取的子集代表性更高，CPI平均误差约降低16％。
　　2、提出了基于指令非依赖度分布的微处理器程序执行时间与访存延时关系模型。访存延时对于程序执行时间的影响是准确评估性能的关键，传统模型认为两者线性相关，存在较大误差。论文揭示了两者之间存在非线性相关性的机理，即部分指令不依赖访存请求完成、可以独立并发执行且并行度与访存延时相关，进而建立了基于指令非依赖度分布的程序执行时间与访存延时关系模型，与传统线性模型相比，误差由14.43％降低到2.03％。
　　3、提出了基于访存请求服务窗口的DRAM存储系统访存延时分析模型。访存延时是存储系统的关键性能指标，具有动态特性且受众多因素影响，难以准确评估。当前研究普遍采用排队论建立访存延时分析模型，基于访存请求到达间隔符合特定分布的假设，适用范围有限，部分环境中最大误差高达34.82％。论文发现了访存请求排队延时与存储器忙碌时间的相关性，基于访存请求服务窗口建立了访存延时分析模型，摆脱了访存请求到达间隔分布的假设。与传统模型相比，误差从34.82％降低到11.93％。
　　综上，论文实现了面向移动智能终端SoC通用处理应用的软件代表性测试程序提取和硬件高层抽象级建模，基于两者的SoC性能评估方法应用于一款“核高基”科技重大专项课题目标移动智能终端SoC的研发过程，评估不同访存通道配置、不同工作频率等多种待选设计方案的性能，评估结果与实测一致，从而为设计决策提供帮助。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 论文主要工作和创新点

1．2．1 主要工作

1．2．2 创新点

1．3 论文组织结构

第二章 SoC硅前性能评估方法研究综述

2．1 测试程序相关研究

2．1．1 测试程序与测试集简介

2．1．2 测试集子集提取相关研究

2．2 性能分析模型相关研究

2．3 本章小结

第三章 SoC通用处理应用测试集研究

3．1 测试集代表性子集提取概述

3．2 微架构无关负载分析方法研究

3．2．1 微架构无关负载特性定义

3．2．2 微架构无关负载特性获取

3．3 代表性最优子集提取方法研究

3．4 测试集代表性子集提取流程与结果

3．4．1 原始测试集说明

3．4．2 测试程序特性分析

3．4．3 测试集代表性子集提取

3．4．4 测试集子集代表性验证

3．5 本章小结

第四章 SoC硬件性能分析模型研究

4．1 SoC基础架构简介

4．2 微处理器性能分析模型

4．2．1 微处理器性能分析模型简介

4．2．2 微处理器性能分析模型建立

4．3 微处理器程序执行时间与访存延时关系模型

4．3．1 存储级并行度

4．3．2 分离的访存请求(MLP=1)

4．3．3 交叠的访存请求(MLP>1)

4．4 存储系统访存延时分析模型

4．4．1 目标存储系统简介

4．4．2 访存请求服务流程分析

4．4．3 存储器忙碌时间分析方法

4．4．4 存储系统访存延时分析模型

4．5 本章小结

第五章 SoC性能评估方法验证与应用

5．1 验证环境设计

5．2 存储系统访存延时分析模型验证

5．2．1 存储系统访存延时分析模型验证

5．2．2 存储系统访存延时分析模型验证小结

5．3 微处理器程序执行时间与访存延时关系模型验证

5．4 基于分析模型的SoC硅前性能评估与实际应用

5．5 本章小结

第六章 总结与展望

6．1 研究工作的总结

6．2 进一步研究的展望

致谢

参考文献

博士阶段获得的研究成果