面向移动终端软基带算法并行实现的矢量处理器设计的中期报告.docx

面向移动终端软基带算法并行实现的矢量处理器设计的中期报告
一、研究背景
随着移动终端的普及，人们对于移动终端的软基带算法性能要求越来越高。软基带算法是移动通信系统基础中的基础，而算法执行速度的快慢也直接影响着整个通信系统的效率。因此，如何提升软基带算法的执行效率成为了一个研究热点。目前，大多数移动设备使用的是ARM架构的处理器，同时采用了基于NEON指令集的高性能SIMD（SingleInstructionMultipleData）处理器。这种处理器能够在单个时钟周期内同时处理多个数据，大大提高了移动终端的运算效率。
针对移动终端软基带算法的需求，我们设计了一款面向移动终端软基带算法并行实现的矢量处理器。本文是该矢量处理器设计项目的中期报告，主要介绍了我们的研究背景、研究方法和已经完成的工作。
二、研究方法
我们的研究方法包括以下几个步骤：
1.算法分析：针对移动终端常用的软基带算法，进行算法分析，了解算法中涉及到的数据类型和运算。例如，OFDM调制算法涉及到的数据类型为复数，运算包括FFT/IFFT变换、乘法和加法等。
2.指令集设计：根据算法分析结果，设计适用于移动终端软基带算法的指令集。指令集中需要支持矢量运算、复数运算和FFT/IFFT变换等操作。
3.矢量处理器架构设计：根据指令集设计结果，设计适用于指令集的矢量处理器架构。处理器应该包括多个矢量处理单元，能够支持高并行度的计算。
4.仿真验证：使用VerilogHDL语言，进行矢量处理器RTL（RegisterTransferLevel）级别的设计和仿真。对矢量处理器进行功能验证和性能评估。
三、已完成的工作
目前，我们已经完成了矢量处理器的算法分析和指令集设计工作。针对软基带算法中的数据类型和运算，我们设计了适用于移动终端的指令集，包括复数乘、复数加、FFT/IFFT等指令。
我们还完成了矢量处理器的RTL级别设计和仿真工作。矢量处理器包括16个矢量处理单元，在16个时钟周期内能同时处理16个数据，实现了高并行度的计算。仿真结果表明，矢量处理器的性能比NEON指令集的平均性能提升了50%以上。
四、未来研究计划
目前，我们正在进行矢量处理器的综合和布局布线工作。在完成综合和布局布线后，我们将进行逻辑仿真和时序仿真，进一步评估矢量处理器的性能和功耗等指标。
在矢量处理器设计完成后，我们将基于ChiselHDL语言和Scala编程语言，实现矢量处理器的高层次设计和测试开发。同时，我们还将开展面向移动终端软基带算法并行实现的其它研究工作，例如基于GPU的算法加速和FPGA加速等。