基于可重构计算的AIoT多任务动态资源划分与流水线调度架构设计.docxVIP

PAGE2

基于可重构计算的AIoT多任务动态资源划分与流水线调度架构设计

摘要

随着人工智能物联网（AIoT）的迅猛发展，边缘设备需同时执行多种神经网络推理任务，如目标检测、语音识别与异常诊断。传统固定资源划分方式导致硬件利用率低下，实时性难以保证。本课题设计一种基于可重构计算的动态资源划分与流水线调度架构，支持多神经网络并行执行。

围绕该目标，论文首先分析边缘AIoT场景下的多任务执行痛点，明确功能与性能需求。随后，在总体设计层面，提出由可重构计算阵列、资源管理器与流水线调度器构成的系统架构，并定义模块交互关系。在详细设计阶段，给出动态资源划分算法与流水线调度算法的流程与伪代码，确保资源弹性分配与任务流水线重叠。实现部分基于FPGA平台完成关键模块开发，并对资源划分延迟与调度开销进行优化。测试结果表明，所提架构在典型多任务场景下硬件利用率提升至87.5%，端到端延迟较静态方案降低35.2%。设计创新点在于融合可重构计算与自适应调度，实现计算资源的高效复用与实时性保障。

第一章绪论

1.1研究背景

AIoT场景中，边缘设备需要同时处理来自摄像头、麦克风、传感器等多源数据，并运行多种神经网络模型。例如，智能交通终端要并行执行车牌识别、行人检测与车流量统计。

这些任务对计算资源的需求在时间维度上剧烈波动，导致静态划分的硬件加速器出现大量空闲周期。同时，任务间抢占资源易引发长