基于DTPSO算法的混合极性XNOROR电路功耗优化.pdfVIP

第 18 卷第 l 期 电路与系统学报 Vo 1.l8 NO.l 2013 年 2 月 JOURNAL OF CIRCUITS AND SYSTEMS February , 2013 女章编号: I007.0~49 (2013) 01-0011-06 基于 DTPSO 算法的混合极性XNOR/OR 电路功耗优化* 汪迪生， 汪，鹏君# 俞海珍， 〈宁波大学电路与系统研究所，浙江宁波 315211) 摘要z 通过对混合极性 XNORJOR 展开式和 CMOS 电路动态功耗模型的研究，提出一种适合中大规模混合极性 XNORJOR 电路的功耗优化算法。首先根据电路的静态逻辑实现形式，建立混合极性 XNORJOR 电路功耗估计模型: 然后改进快速列表技术以实现 XNORJOR 电路的混合极性转换:再结合离散二值粒子群算法和机率转换法则，将离散 三值粒子群优化 (Discrete Ternary Parti cI e Swarm Optimization , DTPSO) 算法应用于混合极性 XNORJOR 电路的 最佳极性搜索，实现电路低功耗优化:最后对 14 个 PLA 格式 MCNC Benchmark 电路进行测试，结果表明:与己有的 方法相比，该优化算法搜索到的混合极性 XNORJOR 电路最佳极性，其对应的电路功耗平均节省 53.98%，搜索速度得 到明显提高。 关键词I DTPSO 算法:混合极性 XNORJOR 电路:功耗优化:极性转换 中回分羹号: TN79 立献标识码:A 1 引言 集成电路工作频率和集成度的不断提高，导致电路的总功耗越来越高，急剧上升的功耗增加了系 统的生产、封装成本以及散热成本，也对系统的可靠性造成很-大的影响。低功耗己成为 VLSI 设计的 重要目标之一，特别是在便携式设备中，低功耗己超越面积和性能成为首要设计约束[1] 。当前低功耗 技术的研究，大多是基于 AND/OR 和 NANDINOR 表达式，典型的实现方式是产生一个逻辑函数的多 级 AND/OR 或者 NAND/NOR 表达式，然后对其进行功耗优化[2] 。研究表明，较之传统的布尔逻辑电 路，基于 XNOR/OR 或 XOR/AND 运算的 RM (Reed-Muller) 逻辑不仅有更好的可测试性I匀，而且用 其实现的算术逻辑部件、通信系统和错误校验等功能电路在功耗、面积等方面具有显著优势[4] 。因此， 研究 RM 电路低功耗优化技术对发展和完善集成电路低功耗设计方法有重要意义。 国定极性 RM (Fixed-Polarity Reed-Muller , FPRM) 展开式和混合极性 RM (Mixed-Polarity Reed-Muller , MPRM) 展开式是两种重要的 RM 逻辑展开式。对于 n 输入 RM 逻辑电路， FPRM 表达 式的极性个数是 MPRM 的 (2/3) ，且 MPRM 表达式的极性包括 FPRM 表达式的所有极性，所以功耗 优化时， MPRM 电路相比 FPRM 电路更可能获得功耗最小 RM 电路。对于多输入门的低功耗分解，己 提出三种典型的算法: Min-Huffman 算法[5] 、 Narayanan and Liu 算法[6]和 Zhou and Wong 算法[7] 。文献 [8， 9]将这些算法应用于 XNOR/OR 门的低功耗分解，从而提出针对 FPRM 电路的功耗优化算法，但这 些算法只局限于对 FPRM 电路进行优化。 MPRM 电路的巨大极性搜索空间也导致其电路性能优化的时 间和空间复杂度都高于 FPRM 电路，因此，在 MPRM 逻辑电路的优化理论和求解方法上急需新的突 破。 粒子群优化(Particle Swarm Optimization , PSO) 费提是一种新兴的基于群体智慧的进化算 法。它与遗传算法(Genetic Algorithm , GA) 相似，值，息从随机解出发，通过适应度函数评价解 的品质并经过迭代寻找最优解。但是它比遗传算法更简单h 在搜索过程中没有交叉、变异操作， 而是通过个体间的行为交