片上软硬件划分分析办法.docVIP

片上软硬件划分分析办法 　　摘 要：为了更好地研究片上系统，本文旨在寻找设计空间，这一步旨在提供一种度量，来指导设计员和综合工具的有效应用的结构。此分析是基于合成和仿真结构，来估计执行和片上软硬件切换的开销。目标结构是在一个cycloneIIFPGA器件上实现的。实验中，我们使用虹膜识别算法，结构显示了一种评价片上系统设计质量的开销方案。 　　关键词：评价量度；开销；重配置计量生物学；虹膜；FPGA；空间探寻 　　1 介绍 　　随着安全性越来越受到重视，在过去的十几年中，基于生物计量方式的个人识别技术受到了越来越多的关注。虹膜识别技术是一种生物计量识别方式，成为了研究和实际应用中越来越活跃的主题。虹膜识别通过分析一个人的虹膜的显著特征来识别一个人，典型的虹膜识别系统包括虹膜获取，虹膜侦测，获取特征和对比。嵌入式系统由快速设计方法的需求驱动，这种方法保证了考虑到能耗，空间和实时的限制等方面的执行。这个事实导致我们越来越多地使用工具，这种工具能快速地设置工具选择，容量，I/O存储器，并行处理单元，硬件选择等参数。所以在一些设计空间中我探索策略，第一步骤包含一个以矩阵为基础的分析，可以再没有任何结构指令的情况下快速执行，结构可以用来执行目标结构，来执行一个估计量的集合。度量的目标是强调合适的结构，这种结构适合于给定的功能或任务。在实验中，我们观众虹膜认知算法，来展示集成方法的效率，并与不同结构的执行相比较。此篇论文也是以此组织的。第二部分描述了虹膜认知算法的概况。第三部分展示了基于估计模型执行的分析。第四部分给出了提出的分析实验的例子，最后的第五部分证明了我们的结论。 　　2 概括：生物计量学认知算法 　　虹膜生物计量认知算法由虹膜定位、特征抽取和比较三步组成。虹膜定位的部分使用循环hough变形法来查看虹膜和瞳孔的轮廓。特征抽取部分基于Gabor阶段调制和汉明码距离用来比较的部分。这种技术相对成熟，并且显示了一些可执行性。一句错误接受率（FAR）和错误拒绝率（FRR）.图一展示了提出的算法的概况。本片论文中的虹膜图像来自于国家标准和技??研究所（NIST）。本次研究中用到的虹膜图像的数据库是虹膜挑战评估2005的数据库。这个红魔数据库由总数为2953个虹膜图像组成，收集来自132个科目。在这些图像中，1425收集自124个人的右眼，1528个是左眼，来自120个人。这些图片都来自视频图形矩阵的分析，480排640列，8位的灰度解析。ROC曲线的标会用来评价识别系统的执行。这个曲线显示了FAR和FRR的价值。我们标识了一个认知算法，平等的错误率（EER）指示了这个认知算法的执行。它指出了错误匹配率和错误不匹配率是相等的。我们得到了错误率等于7.04%。 　　3 Tagart技术 　　将嵌入式应用软硬件划分已经研究了多年。软件部分经常在嵌入式编程处理器上运行，当硬件部分作为协同处理器或加速器实施。然后我们将硬件和软件部分集成，并使之有接口。最后，我们在FPGA中执行整个算法。图三中阐述设计的流动，设计中的一个目标是片上系统软硬件划分来保证集成系统用最小的花费满足实施需求，当它有一个实时的限制。假定目标结构是已知的。这种结构作为一个平台，这个平台在一个混合的软硬件划分系统中被映射，三种组件组成了它：软件组件、硬件组件和通信组件。旋风IIFPGA板子由目标技术提出来执行片上系统软硬件划分。对于我们的例子，我们有三个结构。我们使用NIOSII处理器作为软件部分。第一个设计只是软件。加速硬件用来做第二个设计，最终我们使用两个加速器来做第三个设计。软件和硬件中的通信模块使用芯片总线上的AVALON。我们采用捕鸟（fowling）结构，它创建了一个处理器的核，一种芯片总线的标准，特定的存储器模块。 　　4 度量的计算 　　4.1 开销功能 　　开销，执行，区域，存储器尺寸，例如可以使用一个设计的度量来定义一个好的片上系统软硬件划分的执行。 　　在这个工作中，执行（计算时间限制），LUT的数量和存储器的尺寸，功耗和可观的开销功能，持续的K1，K2，K3和K4也是被认为是有真实类型的开销功能，这种在花费开销的三种因素之间的关系是由设计者来完成的。 　　K1代表了实时显示值：我们提议我们可以有640*48像素和255灰度（K1=2714005s-1） 　　K2代表了一个FPGA中LUT的数字的限制的设施，在我们的例子中，我们使用了旋风IIFPGA板子（K2=1/33216门-1） 　　K3代表了存储器尺寸的限制，在我们的例子中NIOSII支持一个8Mb SDRAM（K3=1、8192ko-1） 　　K4代表了一个功耗的限制，在我们的例子中功耗的最大值是3 watt（K4=1/3w-1） 　　4.2 比例1 FT 度量