[发明专利]一种基于高层次综合工具的快速傅里叶算法优化方法及系统在审
申请号: | 202110904375.0 | 申请日: | 2021-08-06 |
公开(公告)号: | CN113779499A | 公开(公告)日: | 2021-12-10 |
发明(设计)人: | 陈弟虎;陈家荣;王自鑫;简仲谆;张仕杰 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F17/14 | 分类号: | G06F17/14;G06F30/20;G06F111/06 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 刘俊 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 高层次 综合 工具 快速 傅里叶 算法 优化 方法 系统 | ||
1.一种基于高层次综合工具的快速傅里叶算法优化方法,其特征在于,包括以下步骤:
S1、根据预设的目标功能构建快速傅里叶算法模型,所述快速傅里叶算法模型包括旋转因子;
S2、对所述快速傅里叶算法模型中的旋转因子进行优化设计;
S3、采用高层次综合工具将所述快速傅里叶算法模型转换为基于硬件描述语言的快速傅里叶算法模型,并烧录至FPGA芯片中进行仿真;
S4、对FPGA芯片资源消耗量进行判别:当资源消耗量大于或等于预设的阈值时,跳转执行S2步骤;当资源消耗量小于预设的阈值时,则完成快速傅里叶算法优化。
2.根据权利要求1所述的基于高层次综合工具的快速傅里叶算法优化方法,其特征在于,所述旋转因子以欧拉公式形式设置在所述快速傅里叶算法模型中,其表达公式如下:
式中,N表示快速傅里叶算法模型设置的采样点的数量。
3.根据权利要求2所述的基于高层次综合工具的快速傅里叶算法优化方法,其特征在于,所述S2步骤中,对所述快速傅里叶算法模型中的旋转因子进行优化设计的步骤包括:对所述旋转因子中的余弦值项和正弦值项进行预计算。
4.根据权利要求1所述的基于高层次综合工具的快速傅里叶算法优化方法,其特征在于,所述S2步骤中,还包括以下步骤:构建算法分析模型,将经过优化设计的快速傅里叶算法模型输入所述算法检测模型中进行可行性分析,当输出分析结果为可行时,则执行所述S3步骤,否则跳转执行S1步骤。
5.根据权利要求1~4任一项所述的基于高层次综合工具的快速傅里叶算法优化方法,其特征在于,所述S4步骤中,所述资源消耗量包括查找表消耗量、触发器消耗量、数字信号处理量和随机存储器消耗量。
6.一种基于高层次综合工具的快速傅里叶算法优化系统,其特征在于,包括:
算法模型构建模块,用于根据预设的目标功能构建快速傅里叶算法模型;
优化模块,用于对所述快速傅里叶算法模型中的旋转因子进行优化设计;
模型转换模块,用于采用高层次综合工具将所述快速傅里叶算法模型转换为基于硬件描述语言的快速傅里叶算法模型;
FPGA芯片,用于执行所述快速傅里叶算法模型;
判别模块,用于对FPGA芯片资源消耗量进行判别。
7.根据权利要求6所述的基于高层次综合工具的快速傅里叶算法优化系统,其特征在于,所述优化模块包括余弦值项计算单元和正弦值项计算单元,分别用于对快速傅里叶算法模型中的旋转因子中的余弦值项和正弦值项进行预计算。
8.根据权利要求6所述的基于高层次综合工具的快速傅里叶算法优化系统,其特征在于,所述判别模块包括查找表消耗量检测单元、触发器消耗量检测单元、数字信号处理量检测单元、随机存储器消耗量检测单元,以及判断单元,其中,所述查找表消耗量检测单元、触发器消耗量检测单元、数字信号处理量检测单元、随机存储器消耗量检测单元分别用于检测查找表消耗量、触发器消耗量、数字信号处理量和随机存储器消耗量,并分别输入判断单元中;所述判断单元根据其预设的阈值对检测得到的查找表消耗量、触发器消耗量、数字信号处理量和随机存储器消耗量进行判断,当资源消耗量大于或等于预设的阈值时,向所述优化模块返回工作信号。
9.根据权利要求6所述的基于高层次综合工具的快速傅里叶算法优化系统,其特征在于,所述系统还包括算法分析模块,所述算法分析模块的输入端与所述优化模块模块的输出端连接;所述算法分析模块接收完成优化的快速傅里叶算法模型后进行可行性分析,当输出分析结果为可行时,向所述模型转换模块发送工作信号;当输出分析结果为不可行时,则向所述算法模型构建模块发送工作信号。
10.根据权利要求6所述的基于高层次综合工具的快速傅里叶算法优化系统,其特征在于,所述FPGA芯片采用Xilinx的XC7Z020-1CLG484型号芯片。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110904375.0/1.html,转载请声明来源钻瓜专利网。