IoT'nin hızla genişleyen dünyasında, kenar cihazları, DSP'lerde güç tüketiminin arttırılması, ses geliştirme ve görüntü tanımasından gelen uygulamalar için gerçek zamanlı veri işlemenin yapılması için dijital sinyal işleme sistemleri üzerinde ağırlığa ve tahmin edici bir bakım sağlar. Ancak bu veriler DSP işlemcilerde daha yaygın hale gelirken, DSP'lerde güç tüketiminin yönetilmesi, donanım tekniklerinin arttırılması, ısıl stresi azaltmak ve uzun ömürler boyunca sürdürülebilir bir şekilde işlenmesini sağlamak için kritik önem taşır.

DSP'lerde Güç Tüketimini Anlamak

DSP'ler yüksek hızlı sayısal hesaplamalar için tasarlanmış özel mikroişlemcilerdir, genellikle DSP iş yüklerinin doğası - yüksek hesaplamalı işlemler ve gerçek zamanlı kısıtlamalar - güç azaltması için eşsiz fırsatlar ve zorluklar yaratıyor.

DSP çip tarafından tüketilen toplam güç iki ana bileşene ayrılabilir:

  • [FONT=0]Dynamic güç (P dynamic): ), tedarik gerilimi (V2), saat frekansı (f), ve geçiş aktivitesi (α) aktif hesaplama sırasında hükmedmektedir.
  • [FONT=0]Statik güç (P statik): ), büyük ölçüde mevcut sızıntı akımları (subthreshold and door sızıntı) tarafından belirlenen, işlemcinin boş zaman düğümlerinde daha önemli hale gelir (örneğin 28nm ve aşağıda).

Etkili düşük güç tasarımı her iki bileşeni de hedef almalıdır. Dinamik güç, daha düşük gerilim ve frekans tarafından azaltılabilirken, statik güç, güçlendirici, çok-tavlü CMOS (MTCMOS) ve dikkat önyargılı önyargılar ile ilgili olarak, DSP'nin bellek hiyerarşisi, veri yolları ve kontrol mantığı tüm genel tüketime katkıda bulunur.In IoT edge devices, hedef mutlaka güçle en aza indirmek değil, gerçek zamanlı son tarihler ve işlem koşullarıyla ilgili olarak işlem için işlem için ortalama enerjiyi en aza indirmektir.

Low Power için Donanım-Level Strategies

Donanım tasarımcıları, düşük güç DSP'lerin temelini oluşturan zengin bir devre ve mimarlık düzeyinde teknikler geliştirdiler. Bu yöntemler operasyon sırasında zaman veya dinamik olarak uygulanabilir.

Dinamik gerilim ve Frekans Scaling (DVFS)

DVFS, düşük dinamik güç yönetimi tekniklerini azaltır. Düşük hesaplama talebi sırasında tedarik gerilimi ve saat frekansını azaltırsa, gerilim ve dinamik güç tasarrufu arasındaki dörtlü ilişki (örneğin, yarı hız, düşük gerilim), iş yüklerine göre seçilen yazılımlar tarafından seçilen.Texas Instruments application notları[0) DVFS serisi, DVFS'yi birden fazla işletim puanı ile uygular.

Güç Gating ve Fine-Grateed Sleep Transistors

Güç, yüksek ücretli uyku transistörleri kullanarak güç tedarikinden gelen boş blokları, neredeyse kullanılmayan mantıkta statik gücü ortadan kaldırır. Bu, özellikle DSP'lerin birden çok uzman hızlandırıcıları (örneğin, FFT motorları, Viterbi decoders) için avantajlıdır.

Saat Gating

Saat gating, kayıt-dönüşüm seviyesindeki sinyalleri devre dışı bırakmak için standart bir tekniktir. Tipik bir DSP'de, otomatik olarak 30-40 dinamik güç kullanımı ve mantık optimizasyonunun ilave tasarruf sağlar.

Adaptif Vücut Biasing (ABB)

ABB, yüksek sızıntı maliyetine (RBB) görerek eşleme gerilimi ayarlar, ancak patlamalı iş yüklerine bir yanlışını azaltır.For DSPs that run in bursty workloads, ABB can dynamically trade off performance and statik power –for example, RBB in active computation (RBB) Advanced design, while ABB, the circuits.

Multi-Vt Hücre Kütüphaneleri ve Süreç Seçenekleri

Evlatlar, çoklu eşk gerilim lezzetleriyle standart hücre kütüphaneleri sunar: düşük maliyetli (hızlı, sızdırılan), standart-Vt (slow, düşük sızıntı) Hassas bir sentez stratejisi, yüksek-Vt hücreleri statik gücü azaltmak için yüksek-Vt hücreleri sağlarken, düşük maliyetli olmayan şekillerde kullanılır.Bu teknik, çok yönlü olarak bilinen CMOS (MTCMOS), CMOS (MTCMOS), performansı etkilemeden 50-70% 70 oranında sızıntıyı azaltabilir.

Memory and Cache Optimizasyon

Bellek genellikle DSP sisteminin güç bütçesine hükmedmektedir, özellikle de düşük güç depolama için geniş sensör veri setleri. Teknikler şunları içerir: daha küçük kartuş SRAM veya kayıt dosyaları kullanarak, otomatik olarak DRAM, çoklu enerji alanlarını kullanarak hafızaya erişme, ve yükleme işlemine izin vermek için çoklu güç alanlarını kullanır.For Low-FiT:0).CEVA-BX1 DSP mimarisi[FLT 1: 1, bellek enerjisini azaltmak için bir hierkronik hafıza sistemini kullanır.

Yazılım Optimizasyon Teknikleri

Donanım oda başına gelirken, yazılım optimizasyonları, DSP'ler için güçlendirici kod yazmak, arithmetic karmaşıklığına dikkat etmek ve kontrol kararları gerektirir.

Algoritma Seçimi ve Approximation

Doğru algoritmayı seçmek enerji tüketimini dramatik bir şekilde etkileyebilir. Örneğin, sabit nokta FFT, yüzen bir sürümden daha az enerji tüketebilir, çünkü kısa süreli bir dürtü ile daha küçük veri akışlarını ve daha az hafıza bantlarını kullanır.In many IoT contexts, about Computing techniques - where DSP fedakârlık bazı hassas bir tepki (IIR) eğer IIR için tekrarlanan bir geri bildirim için algoritmalar.

Azaltlı Lisanslar için Kod Optimizasyonları

Her eğitim enerji tüketiyor. Kod büyüklüğü optimizasyonu (küçük eğitim ayaklarını kullanarak), döngü kayıt dışı (parlama kodu büyüklüğüne göre döngüyü azaltmak) ve DSP'nin özel talimatlarının (BSP'nin özelleştirilmesi gibi) kullanımı, TI Code Composer Studio veya Xtensa Xplorer gibi ortaktır.

Data Flow and Memory Access Patterns

Bellek seviyeleri arasındaki verileri pahalıya taşımak. Veri yerelliği optimize etmek - sık erişimli verilerin L1 önbellek veya yerel hafızada kalmasını sağlamak - veri toplama, yazılım ön değerlendirme gibi yüksek enerjili erişimlerin sayısını azaltmak (eğer desteklenen), DSP çekirdeği yerel verilerle meşgul olabilir ve DMA kontrolörleri arka planda sabit veri hareket eder.

Görev Planlaması ve Görev Bisikleti OS Level

Daha karmaşık kenar cihazları bir RTOS veya hafif bir programcı çalıştırıyor, görev zamanlaması iktidar için optimize edilebilir. Örneğin, DSP'nin daha uzun aralıklar için derin bir uyku durumuna girmesine izin verir.

Operasyonel Stratejiler

Donanım ve yazılımların ötesinde, sistem seviyesindeki operasyonel kararlar, DSP'yi yeniden tasarlamadan enerji tüketimini daha da azaltabilir.

Gelişmiş Uyku ve Idle Modes

Çoğu modern DSP'ler birden fazla uyku eyaletlerini sunar, ışık uykularından (kökün durgunda durgundur) derin uykuda (tüm çipler küçük bir oturma bataryası hariç enerji harcıyor) Uyku durumu seçimi uyanır.In IoT kenar cihazları için[FLT], kısa sürede 10 saniyeden fazla enerjiden kaçınmak için aktif ve uyku eyaletleri arasında hızlı bir şekilde geçiş yapmak avantajlıdır.

Event-Driven ve Interrupt-Based Processing

Sensörler veya veri akışları yerine, etkinlik odaklı mimariler DSP'nin belirli bir tetikleyiciye kadar düşük güç modunda kalmasına izin verir (örneğin, bir sensör eşi geçişi, gelen bir paket) işleme etkinleştirir. Bu, ortalama gücü azaltır, çünkü DSP sadece karmaşık işleme için dönüştürülen düşük güç mikro kontrol cihazları sık sık sık bir araya getirir.

Sensör Data Management ve Local Processing

Raw sensör verileri, DSP'de yerel olarak algılandığında, cihaz sadece küçük veri paketleri gönderebilir. Örneğin, akıllı bir mikrofon DSP, küçük bir sinir ağı kullanarak her zaman önemli bir enerji algılama algoritması çalıştırabilir, yalnızca birkaç miliwatt'ı kullanarak, ana işlemcinin uyku modunda kalırken.DSPT:0ARM'in enerji yönetimi yönergeleri[DSPT:0]

Adaptasyon ve Runtime Tuning

Dinamik olarak işlemelerini çevresel koşullara göre ayarlar - sesin tespit edilmediği veya aydınlatmanın zayıf olduğu durumlarda örnek oranını azaltır - önemli güç tasarrufu sağlar. Makine öğrenme modelleri iş yük modellerini tahmin etmek ve ön boş DVFS veya uyku durumlarını azaltmak için kullanılabilir.

Ultra-Low Power DSPs için İleri Teknikler

IoT kenar cihazları enerji hasat ve pilsiz operasyona doğru itiyor gibi, araştırmacılar ve endüstri liderleri daha agresif düşük güç tekniklerini araştırıyorlar.

Yakın zamanda, yaklaşıkThreshold Computing (NTC)

Bir DSP'yi transistör eş gerilimine yakın bir tedarik gerilimi (Vth) dinamik gücü boyutlandırmak için azaltılabilir. ancak NTC devreleri, Michigan Üniversitesi'nden gelen ve diğerlerinden gelen araştırmalarda, iki mod yaklaşımın daha yüksek oranda azaltılmıştır: düşük seviyeli görevler için yakın bir alan (örneğin, arka plan izleme) ve patlama işlemi için yüksek gerilim alanı.

Sub-Threshold Operation

Son derece düşük hızlı uygulamalar (örneğin, sıcaklık algılaması, periyodik giriş), DSPs Vth altında tedarik gerilimleri ile tasarlanabilir. Bu alt bölge, döngü başına en düşük enerji sağlar, ancak kHz aralığındaki hızlar ile çalışır.

Enerji Bütünleşme

Güneş, termal veya vibrasyon kaynaklarından enerji alan DSP'ler, geçici olmayan bellekle birlikte çalışabilmelidir. Bu, ultra düşük çözünürlükte güç (sub-mikrowatt) ve hızlı bir başlangıç süreleri gerektirir. Bazı DSP mimarlıkları, yeterli enerji depolandığında her zaman küçük, her zaman yanlı bir güç yönetimi ünitesi içerir.

Analog ve Karma-Signal Co-Processing

Dijital alanda tüm sensör verilerini ve işlemeyi dijital olarak kullanmak yerine, analog işlem önleri erken sinyal işleme (örneğin, algılama, veya korelasyon) çok düşük güçte çalışır. Bu, analog-devrimli dönüştürücü (ADC) ve DSP. cihazları gerçek zamanlı görüntü sınıflandırma için kullanır.

Gerçek Dünya Uygulamaları ve Vaka Çalışmaları

Birçok ticari DSP, DVFS'yi altı bağımsız güç alanı ve çok sayıda saat boyunca kullanan sabit bir güç tüketimine sahip, örneğin 50 μW'nin altında aktif bir güç tüketimi elde edebilir.

Araştırmada, 1 pJ / döngüsü altında enerji verimliliğini sağlayan DSP çekirdeği geliştirildi. Yaklaşımları, paralel işleme için iyi bir saat gating ve çok çekirdekli bir küme kumaş ile birleştirir.

Meydanlar ve Ticaret-Offs

Birçok düşük güç tekniği var olsa da, bu sistem tasarımcılarının gezinmesi gereken ticaretle geliyorlar:

  • [FONT=0)Performance vs. Power: Aggressive gerilim ölçeklendirme hız azaltır; bu yüksek bant genişliği sinyalleri için gerçek zamanlı tarihlerle karşılaşmayabilir (örneğin, HD video veya geniş bant radar).
  • [FONT:0]Area ve Maliyet:[Döneticileri ekleyen, uyku transistörleri ve birden çok düzenleyici alan, ölü alanı ve paketleme alanını artırır. Maliyete duyarlı IoT cihazları için ek silikon haklı olmayabilir.
  • [FONT=0) Tasarım Kompleksi: [DVFS, ABB veya NTC, gerilim/sürüm/enerji yönetimine ve doğru algılayıcıya ihtiyaç duyar.
  • [FONT:0] Advanced Nodes'te Leakage: 16 nm ve aşağıda, statik güç iyi optimizasyonla bile hükmedebilir.In-çip anıları ve analog devreler özellikle ULL (ultra-d sızıntı) transistörler gibi özel bulgulara duyarlıdır.
  • [FONT:0)Software Overhead:[[Dönetici:[Dönetici:0)[Dönetici:[Dönetici:[Dönetici:0) Güç-aware yazılımı, zaman piyasa veya kod portability ile çatışmaya neden olabilecek bir kaynak olarak enerji düşünmek için geliştiriciler gerektirir.

Özerk kenar istihbaratına karşı amansız bir itme, birkaç ortaya çıkan trend sürüyor:

  • [FONT=0)Neuromorphic Computing: Event-güdümlü casus sinir ağları (SNNs) sensör verilerini son derece düşük güçle, sadece aktif nöronlar enerji tüketmiş gibi, beyinChip ve SynSense gibi şirketler her zaman müdahale için geleneksel DSP’ler ile birlikte çalışan SNN çekirdeği geliştiriyor.
  • [FONT:0)Heterogeneous Integration (Chiplets): ) Future SoCs, yüksek performanslı bir çip hızlandırıcı ile düşük maliyetli bir çip hızlandırılabilir, her biri gelişmiş ambalajla bağlantılı olarak optimize edilmiş bir süreçtir.
  • [FONT=0]AI-Driven Power Management: Makine öğrenme modelleri kendilerini iş yüklerini tahmin etmek ve gerilim veya uyku modlarını geleneksel algoritmaların daha agresif bir şekilde ayarlamak için kullanılabilir.In-chip learning agents are on-cam learning to discover power revision.
  • [FONT:0]On-Chip Enerji Depolama ve Hafızanın Güçlendirilmesi:[Dönetici: Küçük süper kapasitetörler veya ince film bataryaları çipleri çip üzerinde entegre edilmiş, DSP'nin ana bataryadan daha düşük bir ortalama güç kullanmasına izin verebilir.
  • DVFS ve uyku eyaletleri için arayüzler standartlaştırma: Endüstri grupları Yocto Project ve Linux Power Management gibi endüstri grupları, taşınabilir güç yazılımları geliştirmeyi daha kolay hale getiriyor.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

DSP işlemcilerinde düşük güç tüketimi IoT kenar cihazları için çok yönlü bir meydan okuma, donanım, yazılım ve sistem düzeyinde stratejilerin dikkatli bir şekilde düzenlenmesi gerekir. DVFS'nin temel tekniklerinden, güç modellemesi ve saat gating, algoritmak optimizasyonlar ve etkinlik odaklı bir operasyona katkıda bulunur, her element her bir batarya hayatı ve daha büyük hesaplama kapasite talep ettiğinde, tasarımcılar yakın hesaplamalı hesaplamalı hesaplamalar gibi gelişmiş yaklaşımlar benimsemeli ve analog bir güç yönetimine katkıda bulunmalıdır.

Bu makalede tartışılan teknikleri uygulamakla birlikte, geliştiriciler cihaz batarya ömrünü uzatabilir, operasyonel verimliliği artırabilir ve sürdürülebilir IoT dağıtımlarını destekler - kenar istihbaratının hem güçlü hem de güç bilinçli olduğu bir gelecek sağlar.