VLSI数字信号处理系统——第二章迭代边界

VLSI数字信号处理系统——第二章迭代边界

作者：夏风喃喃
参考：VLSI数字信号处理系统:设计与实现 （美）Keshab K.Parhi／著

一.数据流图的表示

DFG表示：DSP程序通常用DFG表示，它是一种可以用来描述程序的有向图。图2-1a表示程序$y(n)=ay(n-1)+x(n)$，图2-1b是其简化后的表示。A表示加法，执行时间为2；B表示乘法，执行时间为4；边A→B的延时为0，边B→A的延时为1。一个节点的一次迭代表示该节点执行一次，一个DFG的一次迭代表示该DFG中每个节点都执行一次。

迭代优先级约束：DFG内没有延时的边是一种迭代内优先级约束，有一个延时或者多个延时的边是一种迭代间优先级约束。这些约束指定了DFG的执行顺序，即A的第$k$次迭代先于B的第$k$次迭代，B的第$k$次迭代先于A的第$k$+1次迭代。单箭头表示迭代内优先级约束$A_k$→$B_k$，双箭头表示迭代间优先级约束$B_k$=>$A_{k+1}$。

关键路径：在DFG中，具有零延时的所有路径中，具有最长运算时间的路径定义为关键路径，关键路径是组合逻辑在每拍的执行中所需最长路径。关键路径的运算时间也是DFG一次迭代的最小运算时间。如图2-1b中关键路径A→B，运算时间6 $u.t.$

递归与非递归DFG：非递归DFG不包含环路，递归DFG至少有一个环路。递归DFG存在一个基本极限，该极限表示了关于用硬件实现基本DSP程序能够有多快，称为迭代边界(iteration bound) $T_{\infty }$

二.环路边界和迭代边界

环路周期：环路未经优化时，目前的每拍最短允许的周期，即关键路径的时长。

迭代周期：系统（可能为多环路）未经优化时，目前的每拍最短允许的周期，即最大环路周期的时长。

环路边界：表示环路运行时间的最低限制，第 $l$ 个环路的边界指$t_l/w_l$，其中 $t_l$ 是环路运行时间，$w_l$ 是指环路中延时数目（可以理解为环路经过优化后每拍最短的允许的周期）。图2-1b中的环路边界是6/1 = 6 $u.t.$

关键环路：关键环路是具有最大环路边界的环路。

迭代边界：关键环路的环路边界就是迭代边界。这个边界是DSP程序中迭代或者采样周期的最低限制（可以理解为系统（可能为多环路）经过优化后每拍最短的允许的周期）。

三.计算迭代边界的算法

1.最长路径矩阵(LPM)算法

LPM算法中，首先构建一系列矩阵，然后通过观察矩阵斜对角线上的数据，就可以得到迭代边界，以下图中的DFG为例。

用$d$表示延时数目，矩阵$L^{(m)}$，$m$ = 1,2,……,$d$，按照下面方法构建：

step1）构建矩阵$L^{(1)}$：从延时单元$d_i$到延时单元$d_j$中经过正好$m$-1延时(不包含$d_i$和$d_j$)的所有路径中，用$l_{i,j}^{(m)}$表示最长的运算时间。如果这样的路径不存在，那么$l_{i,j}^{(m)}$ = -1。例如，$l_{3,1}^{(1)}$考虑$d_3$到$d_1$零延时的路径有$d_3$→$n_5$→$n_3$→$n_2$→$n_1$→$d_1$，路径需要运算时间为5，所以$l_{3,1}^{(1)}$ = 5。

step2）递归构建高阶矩阵$L^{(m)}$：更高阶的矩阵$L^{(m)}$，$m$ = 2,……,$d$，可以通过下面的递归计算每一个矩阵元素。

其中K是区间[1，$d$]中使得$l_{i,k}^{(1)}$ = -1或$l_{k,j}^{(m)}$ = -1都不满足的整数k的集合。例如$l_{2,1}^{(2)}$先在集合{1,2,3,4}中寻找合适的集合K，因为$l_{2,3}^{(1)}$ = 0，$l_{3,1}^{(1)}$ = 5，所以3属于K，而k = 1,2,4中每个数，$l_{2,k}^{(1)}$和$l_{k,1}^{(1)}$两者至少有一个等于-1，故不属于K。所以$l_{2,1}^{(2)}$ = max(-1，0+5) = 5。

以此类推，$L^{(3)}$的计算需要$L^{(1)}$与$L^{(2)}$，例如$l_{3,3}^{(3)}$ = max(-1，$l_{3,k}^{(1)}$+$l_{k,3}^{(2)}$) = max(-1，5+0) = 5。

step3）计算迭代边界：最终，此DFG的迭代边界由下式算出。

2.最小环均值(MCM)算法

环均值：环$c$的环均值表示$c$的边的平均长度，即环中边的长度求和后除以环中边线的数目，MCM表示所有环均值的最小值。

一个新图形$G_d$的最大环均值即迭代边界，其中$G_d$可以从相应的DFG中得到(称该DFG为$G$)。

step1）$G_d$的构建：若$d$为$G$中延时单元数，则$G_d$有$d$个节点，每个节点对应G中的一个延时单元。图$G$中从延时$d_i$到延时$d_j$的所有不经过任何延时的路径中的最长路径的长度就是$G_d$中从节点$i$到节点$j$的边的权重，用$w(i,j)$表示。如果从延时$d_i$到延时$d_j$没有零延时路径，那么$G_d$中边$i$→$j$不存在。例如下图(a)即example中DFG的$G_d$。

step2）$\overline{G_d}$的构建：为了计算$G_d$的最大环均值，可以将$G_d$边的权重乘以 -1 构建$\overline{G_d}$并寻找其MCM，然后将其乘 -1 即可。例如上图(b)即example中DFG的$\overline{G_d}$。

step3）$\overline{G_d}$的MCM求迭代边界：通过建立$d$ + 1个向量序列$f^{(m)}$，$m$ = 0,1,……,$d$，其中每个向量的大小为$d$ × 1，可以找到$\overline{G_d}$的MCM。指定$\overline{G_d}$的一个参考节点称为$s$。初始向量$f^{(0)}$如下确定：$f^{(0)}(s)$ = 0，$f^{(0)}$的其余项全部设为$\infty$。若example中节点1为$\overline{G_d}$的参考节点，那么有

其余的向量$f^{(m)}$，$m$ = 0,1,……,$d$，按照下面的公式递归计算：

其中$I$表示在$\overline{G_d}$中从节点$i$到$j$存在一条边（$i$→$j$）的节点集合。example的向量序列如下：

迭代边界可以如下计算：

在example中，$d$ = 4，表2-1列出了找MCM的情况($\infty$ - $\infty$视为0)：

利用表2-1右边的列，可以得到DFG的迭代边界：

四.总结

DSP程序都具有从$n$ = 0执行到 $n$ = $\infty$时的性质。这些程序常常用DFG来表示，它们或者是递归的，或者是非递归的。如果DFG是递归的，对于该DSP程序的硬件实现，迭代边界是其最小采样周期的基本极限。我们已经讨论了两种计算迭代边界的算法，根据时间复杂度，对于大多数情况，MCM算法比LPM算法要快。

附：LPM算法迭代的python实现

import numpy as np

#延迟单元的数目
delay_num = 2
#创建三维全零数组定义L矩阵组
L = np.zeros((delay_num,delay_num,delay_num))
#将由DFG手动推导的L(1)写入三维数组的第一层
L[:,:,0] = np.array([[8,8],[4,4]])
#待选择的k的集合
K_forselect = range(1,delay_num+1)

#利用迭代通过L(1)及L(m-1)遍历并计算L(m)高阶矩阵的元素
for d in range(1,delay_num):
    for i in range(0,delay_num):
        for j in range(0,delay_num):
            max_list = [-1]
            K_temp = list(K_forselect)
            for k in K_forselect:
                if(L[i,k-1,0] == -1 or L[k-1,j,d-1] == -1):
                    K_temp.remove(k)
            for k in K_temp:
                max_list.append(L[i,k-1,0]+L[k-1,j,d-1])
            L[i,j,d] = max(max_list)

#遍历每一个矩阵的对角线元素，并计算迭代边界
bound_list = []
for d in range(0,delay_num):
    for i in range(0,delay_num):
        if(L[i,i,d] != -1):
            bound_list.append(L[i,i,d]/(d+1))
iter_bound = max(bound_list)
print("Iteration bound is ",iter_bound)