شیوه بهینه سازی انرژی بر اساس زمان بندی در سیستم های تعبیه شده چندپردازنده ای

Scheduling based Energy Optimization Technique in multiprocessor Embedded Systems

چکیده
1- مقدمه
2- مروری بر ادبیات
3- صورت مسئله
3- تکنیک پیشنهادی
4- تکنیک آزمایشی
A- فلوچارت
B- فایل XML
5- نتایج آزمایش
6- نتیجه گیری و کار آتی
منابع

چکیده

در سطح سیستم عامل، SoC(MPSoC) چند هسته ای و چند پردازنده ای دوره محاسباتی جدیدی را شروع کرد، اما در الگوریتم های حرارتی توسعه یافته برای پردازنده های چند هسته ای فعلی، دو چالش متفاوت در رابطه با زمان بندی ایجاد نمود. دراین رابطه، یک الگوریتم زمان بندی حرارتی آفلاین یا برون خطی برای بهبود سیستم نهفته چند هسته ای از لحاظ انرژی، قابلیت اطمینان و همچنین عملکرد سیستم چند هسته ای معرفی شده است. رشد سیستم های نهفته سریعتر از قبل است. دمای پردازنده چند هسته ای توسط سیستم مدیریت سخت افزار، مدیریت و اندازه گیری شده است. به خاطر کاهش اندازه تراشه، چگالی توان افزایش یافته و به خاطر افزایش دمای تراشه، سرعت پردازنده در سیستم نهفته چند هسته ای کاهش می یابد. پیک بالای دما برروی تراشه، اثرات معکوسی بر طول عمر تراشه می گذارد. یک تکنیک معمول برای اجتناب از پیک مقادیر دما در سیستم چند هسته ای، مهاجرت وظیفه است. وظایف مذکور در سیستم چند هسته ای مهاجرت کرده اند که برای چنین هسته فردی با دمای کمتر، گرمای بیشتری تولید می کنند. تکنیک پیشنهادی مشکلات حرارتی دیگری که بر قابلیت اطمینان و عملکرد سیستم چند هسته ای اثرگذارند، را نیز مورد توجه قرار می دهد. دراین تحقیق، یک مکانیسم زمان بندی مناسب، وظایف را با در نظر گرفتن توان و عملکرد سیستم چند هسته ای، به هسته ای با دمای کمتر تخصیص می دهد. این تکنیک زمان بندی، شرایط مهاجرت بار روی هسته های دور از هسته با دماي نزديك به آستانه را فراهم می آورد. برای نیل به پایداری دما در میان هسته های متعدد، نتایج بدست آمده با مقایسه تکنیک های مختلف مهاجرت وظیفه که قبلاً معرفی شده اند، ارزیابی شده اند. برای پیش بینی دمای درست با استفاده از تاریخچه حرارتی، انواع و اقسام وظایف گرم و سرد در نظر گرفته شده است. سیاست زمان بندی با در نظر گرفتن تنها هسته هایی که برخی وظایف را در بالاترین حالت انرژی نظیر حالت اجرا، اجرا نموده و در عین حال هسته های دیگر را در پائین ترین حالت انرژی نظیر مد خواب یا خواب عمیق، در نظر می گیرند، به حداکثر کارایی نائل می گردد. نتایج شبیه سازی نشان می دهد که تکنیک پیشنهادی، دما را در نرخ استفاده 10 درصد، به اندازه 5 درجه سانتی گراد کاهش می دهد و زمانی عملکرد کارآمدی به معرض نمایش می گذارد که توانایی زمان بندی وظایف بیشتر برای ساخت پردازنده آهسته تر و کارآمد از لحاظ انرژی برای کنترل و مدیریت اثرات حرارتی بر تراشه و همچنین مدیریت مصرف انرژی پردازنده را داشته باشد.

6- نتیجه گیری و کار آتی

در این کار تحقیقاتی پژوهشی، اهمیت تغییردمای محیط فعلی هنگام طراحی سیستم های کاربردی بلادرنگ را نشان داده ایم. در اینجا مکانیسم مهاجرت وظیفه مبتنی بر الگوریتم زمان بندی چند هسته ای معرفی و سربار این مکانیسم از طریق شبیه سازی تابعی روی مدل STORM و حرارتی توصیف و عملی بودنش در مورد MPSoC ثابت گردید. امروزه تعداد زیادی از تکنیک ها اثر دمای محیطی را در نظر نمی گیرند و می توان آنرا در کار آتی مورد بررسی قرار داد. اکثر الگوریتم های فعلی تنها برای سیستم های چند هسته ای همگن تعریف می شوند که برای سیستم های چندهسته ای ناهمگن می توانند بزرگ باشند.

Abstract

At the operating system level, multi-core and multiprocessor SoC(MPSoC) started a new computing era but brought various twofold scheduling challenges in current developed thermal aware algorithms for multi-core processors. An offline thermal aware scheduling algorithm is proposed for improvement in multi core embedded system in case of energy, reliability as well as performance of a multi core system has been introduced. Embedded systems are increasing at much rapid speed than ever before. The temperature of a multi-core processor is managed and measured by the hardware management system due to shrinking of chip size power densities are increasing due to this increase in the temperature of chip occurs that reduces the processor’s speed in multi-core embedded system. High peak temperature on chip adversely affects the life span of chip. Task migration is a common technique to avoid peak temperature values in multi core system. Those tasks have been migrated in a multi core system which produces more heat to such individual core that has less temperature. The proposed technique also considers other thermal problems which affects the reliability and performance of multi-core system. In this research, a suitable scheduling mechanism assign tasks to the core that has less temperature by considering power and performance of the multi core system. This scheduling technique migrate load on the cores that is far away from the core reaches threshold temperature. For attaining stability in temperature among multiple cores results are evaluated by comparing different task migration techniques which are introduced previously. All types of hot and cold tasks are considered to predict accurate temperature by using thermal history. The scheduling policy attains maximum efficiency in terms of energy by considering only those cores that are executing some tasks in highest energy state such as running state while considering all other cores in lowest energy state such as sleep or a deep sleep mode. The simulation results shows that the proposed technique reduces almost 5°C temperature at 10% utilization and works efficiently when least number of tasks is in running state. The proposed technique has the ability to schedule more tasks to make a slower and energy efficient processor to control and manage the thermal effects on chip and also mange the processor energy consumption.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شیوه بهینه سازی انرژی بر اساس زمان بندی در سیستم های تعبیه شده چندپردازنده ای

Scheduling based Energy Optimization Technique in multiprocessor Embedded Systems

فیلتر توزیع شده کالمن با فیلترهای consensus جاسازی شده

Distributed Kalman Filter with Embedded Consensus Filters

چکیده

1- مقدمه

2- فیلتر کالمن: فرم اطلاعات

3- فیلتر کالمن توزیع شده و میکرو KFS

4- فیلترهای consensus

5- نتایج شبیه سازی

6- نتیجه گیری

منابع

چکیده

مساله فیلتر توزیع شده ی کالمن (DKF) برای شبکه های حسگر یکی از مهم ترین مسائل برآورد توزیع شده برای همجوشی حسگرهای مقیاس پذیر می باشد. این مقاله مساله DKF را با کاهش آن به دو مساله consensus مجزا با توجه به اندازه های وزنی و ماتریس های کواریانس معکوس در نظر می گیرد. مسائل همجوشی داده ها با استفاده از یک روش توزیع شده به کمک فیلترهای پایین گذر و میان گذر حل شده اند. فیلترهای consensus الگوریتمهای توزیع شده ای هستند که محاسبات میانگین consensus و سیگنالهای متغییر زمانی را امکان پذیر می سازد. خصوصیات ثابت فیلترهای consensus در مقاله CDC ’05 مورد بحث قرار گرفته است. ما نشان می دهیم که یک فیلتر کالمن مرکزی برای شبکه های حسگر می تواند به n میکرو فیلترها کلمن با ورودی های ارائه شده توسط دو نوع فیلتر consensus تجزیه گردد. این شبکه ی میکرو فیلترهای کلمن به طور کلی قادر به ارائه یک برآورد از وضعیت فرآیند (آنچه مشاهده شده است) هستند که با برآورد بدست آمده توسط یک فیلتر مرکزی (با فرض بر اینکه تمام گره ها برابر با دو مجموع مرکزی هستند) مشابه می باشند. بعد از آن، ما نشان می دهیم که فیلتر های consensus ما می توانند این مجموع ها را برآورد کنند و یک الگوریتم فیلتر کالمن توزیع شده ی تقریبی را ارائه دهد. یک گزارش دقیق از معماری محاسبات و ارتباطات الگوریتم ارائه شده است. نتایج شبیه سازی برای یک شبکه حسگر با 200 گره و بیش از 1000 لینک نیز ارائه شده است.

6- نتیجه گیری

اهمیت فیلتر کالمن توزیع شده برای شبکه های حسگر توضیح داده شد. ما مساله DKF را با کاهش آن به دو مساله consensus پویای جداگانه از لحاظ اندازه های وزن و ماتریس های کوواریانس معکوس که می توانند به عنوان دو مساله ترکیب داده ها با ماهیت متفاوت لحاظ کردند، در نظر گرفتیم. هر دو مساله ترکیب داده ها که حل شده بودند یک روش توزیع شده با استفاده از فیلترهای consensus هستند. فیلترهای consensus ، الگوریتمهای توزیع شده ای هستند که محاسبه سیگنال های متغیر زمانی و میانگین consensus را ممکن می سازند. ما یک فیلتر consensus پایین گذر را برای همجوشی اندازه گیری ها و یک فیلتر consensus میان گذر را برای همجوشی ماتریس ها کوواریانس معکوس اجرا کردیم. توجه داشته باشید که ویژگی های پایداری فیلترهای consensus در یک مقاله همراه مورد بحث قرار گرفته است [24].

Abstract

The problem of distributed Kalman filtering (DKF) for sensor networks is one of the most fundamental distributed estimation problems for scalable sensor fusion. This paper addresses the DKF problem by reducing it to two separate dynamic consensus problems in terms of weighted measurements and inverse-covariance matrices. These to data fusion problems are solved is a distributed way using lowpass and band-pass consensus filters. Consensus filters are distributed algorithms that allow calculation of average-consensus of time-varying signals. The stability properties of consensus filters is discussed in a companion CDC ’05 paper [24]. We show that a central Kalman filter for sensor networks can be decomposed into n micro-Kalman filters with inputs that are provided by two types of consensus filters. This network of micro-Kalman filters collectively are capable to provide an estimate of the state of the process (under observation) that is identical to the estimate obtained by a central Kalman filter given that all nodes agree on two central sums. Later, we demonstrate that our consensus filters can approximate these sums and that gives an approximate distributed Kalman filtering algorithm. A detailed account of the computational and communication architecture of the algorithm is provided. Simulation results are presented for a sensor network with 200 nodes and more than 1000 links.

VI- CONCLUSIONS

The importance of distributed Kalman filtering (DKF) for sensor networks was discussed. We addressed the DKF problem by reducing it to two separate dynamic consensus problems in terms of weighted measurements and inversecovariance matrices that can be viewed as two data fusion problems with different natures. Both data fusion problems were solved is a distributed way using consensus filters. Consensus filters are distributed algorithms that allow calculation of average-consensus of time-varying signals. We employed a low-pass consensus filter for fusion of the measurements and a band-pass consensus filter for fusion of the inversecovariance matrices. Note that the stability properties of consensus filters is discussed in a companion paper [24].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

فیلتر توزیع شده کالمن با فیلترهای consensus جاسازی شده

Distributed Kalman Filter with Embedded Consensus Filters

بهینه سازی ضرورت جایگزینی سیستم های جاسازی شده زمان محدود

Optimization of Assertion Placement in Time-Constrained Embedded Systems

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

بهینه سازی ضرورت جایگزینی سیستم جاسازی شده زمان محدود

Optimization of Assertion Placement in Time-Constrained Embedded Systems

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

عملکردهای بلادرنگ سخت در سیستم‌ های تعبیه‌شده (نهفته) با چند پردازنده با استفاده از ASMP-لینوکس

Hard Real-Time Performances in Multiprocessor-Embedded Systems Using ASMP-Linux

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

عملکردهای بلادرنگ سخت در سیستم نهفته چند پردازنده با استفاده از ASMP-لینوکس

Hard Real-Time Performances in Multiprocessor-Embedded Systems Using ASMP-Linux

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

نمونه برداری سریع العمل اولیه ای از سیستم های متحمل پرتو افشانی جاسازی شده بر روی FPGA

Rapid Prototyping of Radiation-Tolerant Embedded Systems on FPGA

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

ساخت نمونه اولیه از سیستم تابش جاسازی شده در  FPGA

Rapid Prototyping of Radiation-Tolerant Embedded Systems on FPGA

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.