基于云計算的通用信號處理應用研究
加入技術交流群
2．2 信號處理技術的通用化
傳統信號處理機大多選擇專用芯片完成數據處理，導致通用性和可擴展性差，且處理算法與硬件結構之間相關性大，算法的改變往往導致較大的硬件變動，導致研發成本高周期長。
為了滿足不同用戶的需求以及適應在各種復雜環境下多種工作方式的需要，雷達信號處理機必須是可編程、可重構的，且易于使用和維護，因而信號處理技術逐步向通用化方向發展。軟件的可編程性帶來了很大的靈活性，也促進了硬件系統的規范化、模塊化和通用化。雷達信號處理的實時性已經達到每秒百億次至萬億次浮點運算，采樣位數和數據字長的增加，使得運算復雜度增加，以上因素導致數據吞吐量，存儲量的增加，從而采用多處理器并行設計。以FPGA+DSP構建通用模塊的多處理器系統通用性強、研制周期短、成本低、維護易。
3 云計算與通用信號處理的結合
3．1 并行處理系統面臨的挑戰
并行處理機需將一個任務分解成若干個子任務，交由各處理單元完成。由于子任務間的內在聯系，各處理單元間或多或少存在數據交換和同步，因而并行處理機的性能直接與任務劃分有關。任務粒度過細，雖然并行度高，但是導致通信頻繁，控制復雜；反之則系統負載平衡度差且并行度低。任務分配將子任務分配到不同的處理器上，分配原則與任務劃分相同。
任務的劃分和分配／調度還需與具體的處理器性能、多處理器結構結合，是并行系統設計中最復雜、且尚未充分解決的問題，只能利用人工任務分配，來達到負載和I／O的平衡。
3．2 可行性分析
多處理器信號處理機基于MPP(Massively Parallel Processing)架構，MPP分為共享總線式和分布式。共享總線式多個處理器共同使用一套系統數據總線，如圖2所示；分布式有線形、星形、樹狀和網孔結構等，如圖3所示。當處理器個數較多時，共享總線系統將發生頻繁的總線沖突和等待，使得并行效率下降，而分布式的可擴充性和靈活性比共享總線式強，支持多級擴展且容錯能力高。一般設計結合共享總線和分布式并行兩種形式，從而獲得較高的并行效率。本文引用地址：http://www.czjhyjcfj.com/article/192876.htm
MPP架構的典型應用如COW(Cluster of Workstations)，它是一種松耦合MPP，可以將一個機構內的所有機器連結起來形成強大而統一的計算力，因而COW屬于HPC(High Performance Computing)超級計算，因而基于MPP架構的信號處理系統天生具有HPC基因。
云計算與信號處理技術的融合已具備以下條件：
(1)FPGA+DSP架構的模塊化設計和標準總線的采用，使得處理機硬件進一步通用化，滿足云計算環境采用通用化構件的要求。
(2)標準總線如PCI、VME和CPCI等發展迅速，PCI總線和VME總線正向點對點高速串行總線轉變，即PCI-e和VPX標準，其用高達3～10 Gb ／s的LVDS(低壓差分信號)傳輸取代了10～33 MHz的傳統并行傳輸，因而采用標準總線甚至光纖耦合的處理系統之間通信帶寬瓶頸正逐漸消失，滿足云計算環境高帶寬的要求。
評論