3d noc测试调度协同优化研究

《3d noc测试调度协同优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级桂林电子科技大学硕士学位论文题目3DNoC测试调度协同优化研究(英文)ResearchonTestSchedulingof3DNoCCollaborativeOptimization研究生学号:1308201018研究生姓名:凌景指导教师姓名、职务:许川佩教授申请学位门类:工学硕士学科、专业名称:仪器科学与技术提交论文日期:2016年4月论文答辩日期:2016年6月摘要摘要片上系统（System-on-Chip,SoC）总线结构在大规模并行计算时呈现出通信效率低、扩展性差、传输延时长、系统功耗高等问题，采

2、用路由和分组交换技术的片上网络（Network-on-Chip,NoC）应运而生，成为解决SoC瓶颈问题的有效途径。但随着半导体集成技术的快速发展，NoC技术受到平面结构的限制，一些学者提出将3DIC技术融合到NoC中形成3DNoC。3DNoC集成IP核种类和数量的增加使得测试愈来愈重要，同时芯片集成复杂度的提高也使得测试愈来愈困难。如何实现高效的测试调度是目前3DNoC测试发展中亟待解决的问题之一。本文在研究3DNoC系统基本结构以及资源内核测试关键技术的基础上，采用带分复用实施动态带宽分配机制的3DNoC

3、并行测试方法，结合重用NoC的测试访问机制，首先在总功耗和层功耗双重约束下，对带宽分配产生的多种调度顺序设计多种群云进化算法寻优精英种群，实施精英种群间的杂交自交和变异自交策略以提高种群多样性，协同开展测试规划和调度优化以获得最短测试时间。以ITC’02标准电路集作为实验对象实施仿真验证，与未实施动态带宽分配的测试结果进行对比，结果表明本文采用的方法和提出的算法能减小测试时间。同时，本文结合Pareto解集、云模型、杂交变异技术在TAM带宽约束下协同优化3DNoC测试时的时间和功耗，对种群中的个体进行非支配排

4、序，为所有个体赋予相应等级，去除极端和特征相似的个体，采用精英保留策略利用云模型对个体进行更新，利用杂交变异技术对个体进行突变，并对种群中的个体进行比较、淘汰、替换，迅速准确地寻优到Pareto最优解集。实验结果表明该方法能实现测试时间和功耗的协同优化，在实际应用时可根据需要选择不同的调度方案。关键词：3DNoC；动态带宽分配；多种群云进化算法；精英种群；协同优化IAbstractAbstractSystemonchip(SoC)basedonbusappearlowcommunicationefficien

5、cy,poorscalability,longtransmissiondelayandhighpowercommunicationproblemswhenusedtolargescaleparallelcomputing.Networkonchip(NoC)whichuseroutingandpacketswitchingemergedtosolvethebottleneckproblemsofSoCandbecomeamainstreamtechnology.Butwiththerapiddevelopme

6、ntofsemiconductorintegratedtechnology,NoCtechnologyislimitedbyplanarstructure,sosomescholarshaveproposedmerge3DICintoNoCbecome3DNoCchip.HowevertheincreaseofspeciesandquantityofIPcoresin3DNoCmakethetestbecomemoreandmoreimportant,atthesametimetheincreaseofcom

7、plexityofchipalsomakethetestbecomemoredifficult.Therefore,howtoachieveefficienttestscheduleisoneoftheproblemsfor3DNoCtechnology.Basedonthestudyof3DNoCsystembasicstructureandkeytechnologiesrelatedonIPcoretesting,usingthebandwidthdivisionmultiplexingimplement

8、dynamicbandwidthallocationschemetoresearchontestschedulingof3DNoC,combiningreuseNoCastestaccessmechanism(TAM).Underthedualconditionofpowerconsumptionconstrain,Designthemultiplepopulationcloudevolutiona