研究目的
在商用现货设备上,通过支持动态可重构处理的硬件架构管理可配置数量的低复杂度压缩核心,实现一种无损高光谱数据压缩算法的运行时可扩展硬件方案,旨在为航天应用达成自适应吞吐量与能效目标。
研究成果
采用ARTICo3和HyLoC加速器实现的CCSDS 123标准运行时可扩展方案,在性能上与当前最先进的高光谱压缩器相当。该方法通过调整加速器数量实现吞吐量与能效的动态适配,同时对压缩率的影响在可接受范围内。这种方案适用于立方星等低成本航天应用,并为具备重配置能力的商用设备研究提供了新思路。
研究不足
该实现依赖于商用现成设备,这些设备可能未针对太空环境进行抗辐射加固。由于缺乏板载测量电路,功耗是通过估算而非直接测量得出的。并行化方案会导致压缩率下降(对于小尺寸子图像,开销最高可达30%),而当扩展到多个加速器时(例如使用16个加速器),内存带宽可能成为瓶颈。
1:实验设计与方法选择:
本研究采用基于ARTICo3框架的数据并行执行模型,实现FPGA的动态部分重配置(DPR)。方法学将高光谱图像分割为固定尺寸子图,由多个HyLoC硬件加速器独立压缩,形成类SIMD并行处理。
2:样本选择与数据来源:
使用经校准的AVIRIS数据集(如224个光谱波段及不同空间维度)及其他数据集(如Indian Pines和Yellowstone场景)。选择标准包括标准校准及可用于测试压缩率的可用性。
3:实验设备与材料清单:
配备XC7Z100-2FFG900 Zynq-7000器件的Zynq MMP开发板、FPGA工具(Vivado用于综合与实现)及用于系统集成的ARTICo3工具链。
4:实验流程与操作步骤:
FPGA配置ARTICo3架构及多个HyLoC加速器。图像被分割为子图(如224波段×8行×8样本),在100 MHz时钟频率下进行压缩。通过DPR动态调整加速器数量,并测量性能指标(吞吐量、能效比)。
5:数据分析方法:
采用理论计算(如每个子图的时钟周期数)与FPGA实现的实证测量进行数据分析。与前沿压缩器进行统计对比,并使用Vivado功耗估算器评估功耗。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容