Содержание к диссертации
Введение
ГЛАВА 1. Анализ методов сокращения избыточности передаваемых данных в устройствах вычислительной техники
1.1. Основные характеристики каналов связи и передаваемой информации в устройствах вычислительной техники
1.2. Обзор существующих методов компрессии данных 15
1.3. Анализ элементной базы и устройств вычислительной техники, предназначенных для сжатия данных
1.4. Постановка задач диссертационной работы 39
ГЛАВА 2. Разработка и исследование модели устройства адаптивного сжатия данных на основе динамической реконфигурации плис
2.1. Разработка основных принципов построения устройства адаптивного сжатия данных
2.2. Исследование математической модели устройства адаптивного сжатия данных для изображений
2.2.1. Выбор линейного преобразования данных 48
2.2.2. Выбор дискретного косинусного преобразования данных
2.2.3. Выбор параметров адаптивного дискретного косинусного преобразования
2.2.4. Управление потерями в алгоритме компрессии изображений
2.2.5. Общий алгоритм сжатия изображений 61
2.3. Обобщенный алгоритм работы динамически реконфигу рируемого устройства компрессии данных
2.4. Выводы по главе 2 69
ГЛАВА 3. Алгоритмы (методика) проектирования адаптивных устройств сжатия данных
3.1. Построение обобщенной структуры адаптивного устройства сжатия информации
3.2. Режим реального времени для реализации алгоритмов компрессии/декомпрессии видеоинформации
3.3. Разработка математических критерий применения и выбора ПЛИС для динамически реконфигурируемого ком прессора данных
3.3.1.Временные критерии эффективного применения аппаратного сжатия на динамически реконфигурируе-мые ПЛИС
3.3.2. Критерии оценки логической емкости динамически реконфигурируемого устройства
3.3.3. Критерии выбора элементной базы (ПЛИС) в зависимости от временных параметров системы
3.4. Разработка методики проектирования адаптивного устройства сжатия изображений
3.5. Синтез модели адаптивного устройства сжатия данных на примере видеоизображений для этапа адаптивного дис кретного косинусного преобразования на языке VHDL (3.
3.6. Выводы по главе 3 106
ГЛАВА 4. Результаты апробации адаптивного устройства сжатия данных на основе динамической реконфигурации плис
4.1. Программная реализация дискретного косинусного преобразования
4.2. Результаты моделирования алгоритма в среде MATLAB 109
4.3. Результаты разработки VHDL-описаний для АДКП 114
4.4. Результаты натурного эксперимента 118
4.3. Выводы по главе 4 120
Заключение 123
Список литературы
- Анализ элементной базы и устройств вычислительной техники, предназначенных для сжатия данных
- Исследование математической модели устройства адаптивного сжатия данных для изображений
- Режим реального времени для реализации алгоритмов компрессии/декомпрессии видеоинформации
- Результаты моделирования алгоритма в среде MATLAB
Введение к работе
Актуальность проблемы. В настоящее время все большее распространение получают вычислительные устройства для сжатия данных. Это объясняется развитием телекоммуникационной и вычислительной техники, что ведет к росту объемов передаваемой информации. По мере увеличения потребности в системах передачи данных пользователи все чаще сталкиваются с проблемами, обусловленными недостаточной пропускной способностью линий связи LAN-WAN, т.к. для этой цели довольно широко используются обычные коммутируемые телефонные каналы, обеспечивающие скорость передачи данных до 28,8 Кбит/с [1].
Задача увеличения эффективности использования пропускной способности каналов удаленного доступа - одна из основных в телекоммуникационных и информационно-вычислительных технологиях. При этом возможны следующие способы решения данной задачи: переход на новые каналы связи с большей пропускной способностью; сжатие (компрессия) данных при их передаче по низкоскоростным каналам.
Первый вариант требует весьма значительных материальных затрат, т.е. задача повышения эффективности использования обычных телефонных линий остается очень актуальной, что требует разработки новых подходов к сжатию.
Алгоритмы сжатия данных могут быть реализованы: программно, аппаратно, аппаратно-программно.
Программные продукты, предназначенные для сжатия данных, используются в основном для экономии места на магнитных носителях и не пригодны для работы в режиме on-line [2]. Такое программное обеспечение используется в режиме off-line - по линиям связи передаются уже предварительно сжатые данные.
На сегодняшний день только устройства аппаратного сжатия данных могут обеспечить работу в приложениях в режиме реального времени [3] (когда компрессия и передача данных по сети происходит практически одновременно). В то же время существенным недостатком большинства аппаратных устройств является их ориентация на работу только с каким-либо одним видом приложений или типом данных. Такой подход дает эффективные результаты, когда область применения системы заранее известна (например, передача речи, изображений и т.п). Однако если тип информации, передаваемой по каналу связи, предсказать нельзя, то подобный вариант неэффективен для многих приложений. Таким образом, возникает задача выбора алгоритма сжатия данных в зависимости от типа передаваемой информации.
Появление динамически реконфигурируемых ПЛИС позволяет разрешить проблемы, связанные со значительными аппаратными затратами при реализации многих алгоритмов. В этих микросхемах была реализована идея программируемой архитектуры, позволяющая использовать гибкость программного подхода и скорость жесткой логики одновременно.
Из вышесказанного следует, что разработка устройства, которое обеспечивает оптимальный выбор алгоритма и высокую степень сжатия в режиме реального времени (on-line) для любых типов передаваемых данных в каналах связи, является актуальной задачей в области телекоммуникации.
Цель работы - ? увеличение объема передаваемых данных при существующей пропускной способности каналов связи путем уменьшения их избыточности за счет изменения структуры устройства сжатия для различных типов данных на основе динамической реконфигурации ПЛИС.
Для достижения поставленной цели в работе необходимо решить следующие основные задачи:
1. Провести анализ современных методов сжатия данных на основе программных и аппаратных средств. Определить эффективность их применения для данных различного типа.
Разработать и исследовать метод адаптивного сжатия данных, основанный на динамической реконфигурации аппаратных средств.
Разработать методику проектирования адаптивного устройства сжатия на основе ПЛИС.
Исследовать эффективность применения новых методов, а также разработать устройство адаптивного сжатия данных в компьютерных системах передачи видеоизображений.
Научная новизна Разработаны:
Обобщенная структура устройства адаптивного сжатия данных на основе динамической реконфигурации ПЛИС.
Алгоритм функционирования адаптивного устройства сжатия данных.
Новый алгоритм компрессии изображений с возможностью адаптации к параметрам сжимаемых данных.
Новый алгоритм расчета дискретных преобразований, позволяющий адаптироваться к параметрам обрабатываемых данных.
Методика проектирования вычислительного устройства для выполнения адаптивного дискретного косинусного преобразования.
Методика проектирования адаптивного устройства сжатия данных для обработки видеоизображений.
Практическая ценность работы
Результаты работы могут быть использованы для передачи изображения фотографического качества в режиме реального времени в устройствах вычислительной техники и систем управления.
Разработанный алгоритм расчета адаптивных преобразований позволяет сократить время обработки информации (в системах сжатия и ЦОС).
Разработанная методика проектирования адаптивного устройства сжатия информации позволяет сократить время выхода сложных электронных изделий на рынок.
10 Методы исследования
Для решения поставленных научных задач в работе используются методы вычислительной математики, дифференциального исчисления, теории множеств, кибернетики, теоретической и прикладной электроники, теории программирования и математической логики. При обработке * экспериментальных данных применяются статистические методы.
Апробация результатов работы
Основные научные и практические результаты исследований по теме диссертации докладывались на:
II международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (2001 г., Новочеркасск);
Всероссийской научно-технической конференции «Электроника» (2001 г., Москва, 2 доклада);
Всероссийской научно-технической конференции «Реконфигурируемые электронные средства в системах обработки информации» (25—27 апреля 2002 г., Владимир);
Российской научно-технической конференции по атмосферному электричеству;
Международной научно-технической конференции «Перспективные технологии в системах передачи информации-2003» (2003 г., Владимир-Суздаль).
Реализация и внедрение результатов исследования адаптивного устройства сжатия информации - внедрено на ОАО «Владимирское конструкторское бюро радиосвязи», а также в учебном процессе кафедры «Информатика и защита информации».
Объем и структура работы
Диссертация состоит из введения, четырех глав и заключения, а также списка литературы и приложений. Работа изложена на 134 страницах печатного текста и содержит список литературы из 120 наименований (на 10 страницах).
Публикации
По теме диссертации опубликовано 11 печатных работ, из них 5 статей (в том числе 3 в центральных изданиях) и 6 тезисов докладов на конференциях. Содержание работы
В первой главе рассмотрены методы, алгоритмы и области применения сжатия, а также способы их реализации. Произведен анализ основных достоинств и недостатков применяемой в настоящее время элементной базы, формулируются цель и задачи диссертационной работы.
Вторая глава посвящена разработке нового алгоритма компрессии изображений, обладающего возможностями адаптации к входным данным и ориентированного на реализацию в динамически реконфигурируемых ПЛИС. Предложен обобщенный алгоритм работы динамически реконфигурируемого устройства компрессии данных.
В третьей главе предлагается методика проектирования адаптивного устройства сжатия изображений, рассмотрены общие принципы выбора ПЛИС для динамически реконфигурируемого устройства компрессии данных. Разработана модель адаптивного устройства сжатия данных на примере видеоизображений
Четвертая глава посвящена исследованиям разработанных моделей, лежащих в основе принципов создания динамически реконфигурируемых устройств сжатия информации на базе ПЛИС и результатам внедрения разработанного устройства.
Анализ элементной базы и устройств вычислительной техники, предназначенных для сжатия данных
Сжатие - это процесс, применяемый для уменьшения размера блока информации [13,14,15]. Необходимость в сжатии возникает по целому ряду причин, однако основными являются следующие две: - уменьшение времени передачи данных по каналам связи, - экономия места на носителях информации. Сжатие можно применять и для того, чтобы помещать большие объемы информации в блоке памяти заданного размера, что бывает важно для переносимых устройств (таких, как цифровые фото- и видеокамеры) [16]. Эффективность методов сжатия можно оценить с помощью следующих критериев: - коэффициент сжатия, - время компрессии/декомпрессии данных, - ошибка восстановления информации.
Коэффициент сжатия - это отношение длины несжатых данных к длине соответствующих им сжатых данных. Он характеризует плотность упаковки данных и является основной характеристикой алгоритма, инвариантной по отношению к способу реализации.
Для оценки ошибки восстановления информации в настоящее время используют одну из трех характеристик: - среднеквадратическое отклонение значений пикселов (root mean square -RMS), - максимальное отклонение, - отношение сигнал/шум (peako-peak signalo-noise ratio - PSNR) [17]. Для алгоритмов сжатия часто применяется термин "кодирование данных".
В действительности же кодирование данных - понятие более широкое, чем просто сжатие. Сжатие данных - это один из типов кодирования, применяемый для уменьшения их объема. Другие типы кодирования включают шифрование (криптографию) и передачу данных (например, протоколы передачи данных с помехоустойчивым кодированием, с коррекцией ошибок и т.д.) [14,15].
Кроме того, существуют и способы оптимизации форматов хранения данных, которые не являются алгоритмами сжатия, но позволяют ускорять доступ к данным. Алгоритмы сжатия определяют только способ кодирования данных, но не формат их записи на физический носитель. Сжатие используется для повторного кодирования данных в другую, более компактную форму, которая, тем не менее, позволяет передать ту же информацию.
Различие между методами физического и логического сжатия базируется на том, как эти данные сжимаются или, более точно, как они перестраиваются в более компактную форму. В результате физического сжатия данные преобразуются без учета содержащейся в них информации; происходит перевод серии битов из одного шаблона в другой, более компактный [15]. Алгоритмы сжатия могут быть классифицированы по следующим признакам: 1) по соотношению времени компрессии и декомпрессии (симметричные и асимметричные методы), 2) по возможности адаптации к сжимаемым данным (адаптивные, полуадаптивные и без адаптации), 3) по типу сжимаемых данных (алгоритмы сжатия графики, звука, видео, текста и т.п.), 4) наличие потерь в восстановленных данных (сжатие с потерями — loss и без потерь - lossless).
Отношение времени компрессии и декомпрессии во многом определяет возможные области применения алгоритмов сжатия [17]. В случае симметричного сжатия время компрессии и декомпрессии приблизительно равны. В программах обмена данными, использующих сжатие и распаковку, обычно для большей эффективности применяются алгоритмы, обладающие подобной симметрией.
При асимметричном сжатии в одном направлении выполняется значительно больший объем работы, чем в другом. Обычно на сжатие затрачивается намного больше времени и системных ресурсов, чем на распаковку. Это имеет смысл, например, если создается, к примеру, база данных. При этом данные сжимаются для хранения всего однажды, зато распаковываться с целью отображения они могут неоднократно. Вероятно, в этом случае необходимо затратить больше времени на сжатие, чем на распаковку. Асимметричный алгоритм, затрачивающий много процессорного времени на сжатие, но быстро осуществляющий распаковку, можно считать эффективным.
Алгоритмы, асимметричные "в обратном направлении" (т.е. когда на сжатие затрачивается меньше времени, чем на распаковку), применяются значительно реже. В частности, создавая программу резервированного копирования файлов, получается, что большинство скопированных файлов никогда не будет прочитано. В этом случае уместен алгоритм, выполняющий сжатие значительно быстрее, чем распаковку [18].
Исследование математической модели устройства адаптивного сжатия данных для изображений
Алгоритмы сжатия могут быть реализованы программно, аппаратно и аппаратно-программно. Выбор любого из вариантов обусловлен как требуемой производительностью, так и необходимыми материальными затратами.
Программная реализация подразумевает использование процессоров (универсальных или специализированных). Реализация на универсальном процессоре требует создания программного продукта. Это наиболее дешевый вариант, при этом нет необходимости в замене аппаратного обеспечения. Однако, он является и самым медленным из всех. Главное достоинство такого подхода состоит в том, что время разработки программного продукта многократно меньше времени проектирования аппаратного обеспечения. Это достигается за счет применения языков программирования высокого уровня (в том числе объектно-ориентированных). Наиболее известными программными продуктами, применяемыми для сжатия данных, являются WinRAR, WinZip, Асе, кодеки для MPEG, МРЗ и т.д.
Программная реализация на специализированных процессорах требует специального аппаратного и программного (особые среды программирования, разработанные для данных процессоров) обеспечения. В настоящее время широкое развитие получили системы сжатия изображений и видеоданных, реализованные на сигнальных процессорах. Устройства, построенные на базе сигнальных процессоров, используются, как правило, в качестве плат расширения для компьютеров различных платформ (PC, Sun Workstation и т.д.), использующих один из стандартных интерфейсов для обмена данными. Такой подход позволяет значительно освободить центральный процессор системы, что приводит к повышению общей производительности. В качестве примера можно привести реализацию алгоритма MPEG-4 на цифровом сигнальном TSP444-567, осуществленную в IIS [23]. Главным недостатком такого подхода является то, что стоимость высокопроизводительных сигнальных процессоров достаточно высока.
Аппаратная реализация алгоритмов сжатия базируется в основном на микросхемах высокой степени интеграции. В настоящее время стандартные БИС/СБИС лидируют по уровню интеграции, так как высокая стоимость проектирования оптимизированных по плотности БИС/СБИС, достигающая сотен миллионов долларов, оказывается в данном случае приемлемой, поскольку затраты распределяются на большое число производимых микросхем. СБИС классифицируются по функциям на цифровые, аналоговые и смешанные, а также по типу полупроводниковых приборов и схем: биполярные, МОП (n-МОП, р-МОП, КМОП) и БиКМОП структуры [70]. Существует целый ряд микросхем и алгоритмов, которые практически являются стандартными и в больших количествах повторяются от разработки к разработке. Примером их могут служить узлы массовых коммуникационных средств, компоненты систем мультимедиа и видеообработки для серийных компьютеров и т. п. К сожалению, все эти БИС/СБИС обладают рядом недостатков. Во-первых, в большинстве стран практически полностью отсутствует собственное производство и разработка массовых высокотехнологичных средств связи и компонентов вычислительной техники, а во-вторых, адаптация стандартных компонентов для обработки сигналов под специализированную задачу требует применения дополнительных схем сопряжения, обвязки, зачастую нестандартных и вновь разрабатываемых, что практически сводит на нет все преимущества специализированных БИС. Изготовление же ограниченного числа БИС по заказу практически невозможно из-за высокой стоимости [71].
Наряду со стандартными в системе присутствуют и некоторые нестандартные части, специфичные для данной разработки. Это относится к схемам управления блоками, обеспечения их взаимодействия. Реализация нестандартной части системы исторически была связана с применением микросхем малого и среднего уровня интеграции. Но это сопровождается резким ростом числа корпусов ИС, усложнением монтажа, снижением надежности и быстродействия, большими затратами средств и времени на проектирование.
Возникшее противоречие нашло разрешение на пути разработки БИС/СБИС с программируемой и перепрограммируемой структурой. Классификация СБИС ПЛ по типу программируемых элементов имеет следующий вид (см.рис. 1.5) [70].
Режим реального времени для реализации алгоритмов компрессии/декомпрессии видеоинформации
В главе 1 были описаны различные линейные преобразования. Выбор преобразования во многом определяет свойства алгоритма сжатия изображения. Это объясняется тем, что линейные преобразования имеют различные значения отношений "время вычисления - локализация энергии в коэффициентах преобразования". Можно сравнить ДКП и преобразование Хаара: ДКП целесообразно использовать в том случае, если необходимо достичь максимальной степени сжатия, а преобразование Хаара — если время компрессии должно быть минимальным. В связи с тем, что не существует наилучшего по всем критериям преобразования, то для повышения эффективности компрессии данных следует применять адаптивный алгоритм, заключающийся в динамическом выборе преобразования. Число используемых преобразований не может быть определено априорно, т.к. зависит от требований, предъявляемых в каждой конкретной ситуации. Обобщенный алгоритм адаптации показан на рис. 2.3.
В качестве формальных параметров, которые будут применяться при выборе оптимального преобразования для сжатия данных в канале связи, следует использовать - пропускную способность канала С; - загруженность канала связи в данный момент времени Q; - статистику по загруженности канала в течение суток, которая корректируется динамически; - минимально допустимое значение PSNR (максимально допустимое значение RMS) восстановленного изображения; - зависимость коэффициента сжатия от RMS (PSNR) восстановленного изображения (для всех алгоритмов), - зависимость времени компрессии данных от коэффициента сжатия (собранная для всех алгоритмов).
Выбор преобразования не может быть формализован в виде общего алгоритма в силу того, что для изображения по числу отброшенных коэффициентов (или младших разрядов коэффициентов) заранее нельзя предсказать значение таких показателей, как RMS и PSNR, или, в конечном счете, визуальное качество восстановленного изображения. Для решения поставленной задачи необходим довольно большой объем предварительных эмпирических исследований для конкретной области применения алгоритма сжатия. По этой причине далее в диссертационной работе не рассматривается задача выбора ортонормированного преобразования и считается, что во всех случаях используется ДКП как максимально близкое к ПКЛ преобразование.
Из-за большого объема вычислительных операций дискретное косинусное преобразование является критическим этапом в процессе реализации алгоритмов сжатия изображений JPEG и MPEG, что затрудняет его применение при программной реализации для передачи изображений по каналу связи в режиме реального времени [79,80]. По этой причине актуальной научно-технической задачей является разработка методов и устройств для эффективной аппаратной реализации ДКП.
Разделение двумерного ДКП на одномерные приводит к существенному снижению количества умножений. Действительно, можно показать, что для вычисления двумерного ДКП блока размерности NxN при разделении необходимо 2N3 операций вещественного умножения, в то время как непосредственное применение двумерного ДКП требует N4 [80]. Так для блока 8x8 при разделении двумерного ДКП на одномерные требуется 1024 операции вещественного умножения, при непосредственном расчете - 4096. Однако, применив для вычисления одномерного ДКП быстрый алгоритм [81] можно снизить число умножений и сложений (для блока 8x8 — 192 операции вещественного умножения и 576 вещественных сложений) [82]. На рис.2.4 представлена блок-схема, иллюстрирующая разделение процесса вычисления ДКП.
Учет специфики двумерного ДКП позволяет заметно снизить число вычислительных операций; так, Хоком [82] был предложен алгоритм, требующий для реализации ДКП 8x8 выполнения 144 вещественных умножений и 464 вещественных сложений. Существенно снизить объем вычислений, необходимых для двумерного ДКП, удалось Дюамелю и Гильмону [83], разработанный ими алгоритм требует для выполнения ДКП 8x8 только 96 вещественных умножений и 484 вещественных сложения.
Незначительно превосходит эти показатели алгоритм Чо и Ли [84], который сводит реализацию двумерного ДКП 8x8 к 96 операциям вещественного умножения и 466 операциям вещественного сложения.
Несмотря на то, что большинство аппаратных реализаций ДКП основаны на обработке блоков размером 8x8 [76,77,85], такой подход не является оптимальным, особенно когда предъявляются высокие требования к степени сжатия и качеству восстановленного изображения. Для доказательства этого можно рассмотреть один пример. В табл. 2.1 приведены значения степеней сжатия и искажения в зависимости от размеров блоков и числа передаваемых коэффициентов для изображения (по результатам моделирования ДКП в среде MATLAB). Наиболее адекватным критерием оценки качества восстановления (степени искажения) является визуальный, однако он не поддается формализации и не допускает строгих количественных оценок. Из количественных критериев к нему приближается критерий среднеквадратической ошибки восстановления, во-первых, потому что последний связан с операцией усреднения по всему изображению и, подобно визуальной оценке в большей степени чувствителен к искажениям, захватывающим значительные фрагменты или все изображение, а не отдельные точки, и, во-вторых, характеризуют энергетические соотношения между погрешностью восстановления исходного сигнала, а именно: энергетические соотношения в изображении в основном фиксируются при визуальном контроле.
Результаты моделирования алгоритма в среде MATLAB
Затраты аппаратных средств могут быть оценены как через технические параметры (требуемая логическая емкость ПЛИС, емкость памяти и т.п.), так и непосредственно через суммарную стоимость компонентов ДРВ (динамически реконфигурируемого вычислителя). Однако расчет стоимости может быть затруднен из-за отсутствия возможности точного предсказания значений цены каждого компонента и их изменения со временем [100], поэтому целесообразно использовать оценочную функцию С(х), задаваемую пользователем при проектировании и связывающую технические параметры БИС с ее стоимостью. Общим критерием оценки использования логической емкости ДРВ может служить среднее значение коэффициента для каждой из конфигураций:
Суммарная емкость памяти конфигураций ДРВ равна сумме объемов всех конфигураций, присутствующих в ДРВ, а для ПЛИС с полной реконфигурацией необходима полная загрузка для каждой конфигурации, поэтому ЭПК конф лб.ПЛИС лб сжвнеш- (3 -9) Где - -/Уконф число конфигураций; " .бплис емкость логического блока; -Клб число логических блоков; " сжвнеш коэффициент сжатия.
В случае применения БИС ЗУ для хранения конфигураций, необходимо представить имеющийся набор емкостей в семействе рядом значений и выбрать ближайшее большее из этого ряда, аналогично выбору ПЛИС по логической емкости. Память конфигураций должна быть энергонезависимой и иметь объем Уэпк, достаточный для хранения всех имеющихся конфигураций. Для его снижения возможно применение сжатия данных. Определим условие эффективного применения декомпрессии, если она производится аппаратно непосредственно во время конфигурирования. Для этого снижение стоимости памяти конфигураций, вызванное уменьшением ее объема, должно превышать стоимость дополнительных аппаратных средств для построения декомпрессора Сдк: Сэпк УЭПК ) Сэпк УЭПК х Ксж.внеш ) Сдк (3-10)
На практике возможно применение различных алгоритмов сжатия, каждый из которых характеризуется коэффициентом Ксжмнеш и затратами аппаратных средств СдК.
Приведенные математические выражения представляют собой обобщенную математическую модель ДРВ. Они позволяют определить на основе заданного проектировщиком набора операций технические характеристики основных узлов ДРВ. Кроме этого, ММ ДРВ позволяет определить набор промежуточных и конечных результатов, необходимых для проведения ее синтеза.
Исходными данными на проектирование ДРВ являются: параметры, характеризующие конкретную техническую задачу, такие как: описание функций, выполняемых системой, разделение этих функций по конфигурациям, требования к производительности, стоимости и т.п.; параметры, описывающие стандартные компоненты системы (параметры БИС, применение которых возможно в системе); набор типовых конструкторских решений по реализации узлов ДРВ и их параметры (аппаратные затраты и стоимость).
Эффективное использование технологии ДР возможно при оптимальном выборе семейства и типа ПЛИС среди имеющихся на рынке. В качестве основного критерия оптимальности может быть выбрано соотношение "стоимость/производительность" [101] при условии пригодности данного семейства для реализации ДР и обеспечения требуемой производительности.
При оценке производительности и стоимости примем следующие предпосылки: ПЛИС допускает только полную реконфигурацию; ft набор операций, выполняемых реконфигурируемым сопроцессором и требуемая для их реализации логическая емкость ПЛИС, известны; стоимость ПЛИС в пределах одного семейства прямо пропорциональна логической емкости.
Цикл выполнения операции ДРВ имеет следующий вид: 1. Определение требуемой функции. 2. Загрузка конфигурационной памяти для требуемой функции. 3. Загрузка исходных данных. 4. Вычисление. 5. Считывание результата.
При полном реконфигурировании все этапы выполняются строго последовательно и общее время равно сумме времени всех этапов:
Техническая реализация АУСИ достаточно сложна. По этой причине в рамках данной работы не представляется возможным рассмотреть все алгоритмы компрессии. В связи с этим достаточно ограничиться подробным описанием реализации одного из наиболее популярных алгоритмов сжатия.
В настоящее время при компрессии изображений и видеоинформации широко применяются стандарты JPEG и MPEG [102]. Кроме того, некоторые этапы этих алгоритмов могут быть использованы в системах цифровой обработки информации. Таким образом, целесообразно для технической реализации выбрать алгоритм JPEG, который, кроме того, является важным элементом MPEG.
Расчет при использовании концепции АДКП состоит из двух последовательных процедур: - адаптации (выбора необходимого метода расчета по заранее известному алгоритму, а также выполнение некоторых вспомогательных операций, которые обусловлены способом реализации АДКП) [103], - расчета согласно выбранному методу.
Этап адаптации требуется в том случае, если значение по крайней мере одного из рассматриваемых параметров изменилось [104]. Подобный подход позволяет использовать достоинства каждого из методов наилучшим образом. В этом случае возможно применение составных операций, которые допускают вычисление композиции функций (например, при использовании способа непосредственной проверки сходимости можно сразу же рассчитывать значение функции a -cos р , где а, ср - аргументы составной функции), следовательно, не обязательно производить полную декомпозицию ДКП, как было указано выше.
