本文關鍵詞：基于DVFS技術的ARM安卓應用功耗實測與模型構(gòu)建，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子信息技術的迅速發(fā)展,嵌入式處理器的架構(gòu)復雜度與硬件性能不斷提高,功耗問題也日益顯著。對于以智能手機為代表的移動設備而言,過高的功率消耗必然會縮短待機時間,嚴重影響用戶體驗。另一方面,Android系統(tǒng)因其強大的功能和開源特性已經(jīng)成為移動平臺上的主流操作系統(tǒng),所以在Android的應用場景中進行嵌入式處理器的功耗研究是十分必要的。本文建立了基于人工神經(jīng)網(wǎng)絡的處理器功耗模型,旨在不增加硬件測量設備的情況下實現(xiàn)處理器動態(tài)功耗預測。該模型以相關的性能事件發(fā)生的次數(shù)為輸入,以處理器預測功耗為輸出,本文通過實測數(shù)據(jù)訓練神經(jīng)網(wǎng)絡,并得到擬合后二者之間的定量關系。本文首先用斯皮爾曼相關系數(shù)對性能事件進行篩選,選取與功耗最相關的性能事件作為模型的輸入?yún)?shù),然后對神經(jīng)網(wǎng)絡的結(jié)構(gòu)進行設計,確定了網(wǎng)絡層數(shù)、各層節(jié)點數(shù)和訓練方法等參數(shù),最后通過實測功耗采樣數(shù)據(jù)完成對模型的訓練。對于電壓與頻率動態(tài)調(diào)節(jié)所帶來的處理器功耗表現(xiàn)的改變,本文采用分段函數(shù)的思想,為每一種電壓與頻率都建立起了相應的神經(jīng)網(wǎng)絡模型。本文選取了包括微信、百度地圖、360手機衛(wèi)士在內(nèi)的8種典型Android應用對模型的精度進行驗證。實驗結(jié)果表明,以處理器實測的功耗為基準,基于神經(jīng)網(wǎng)絡的功耗模型最大平均相對誤差為13,1%,最小為10%,可以較好的預測處理器的功耗表現(xiàn)。
【關鍵詞】：處理器功耗 神經(jīng)網(wǎng)絡 性能監(jiān)測單元 Android 相關系數(shù)
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP332;TP183
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-13
• 1.1 背景與意義9-10
• 1.2 研究內(nèi)容及目標10-11
• 1.3 論文組織11-13
• 第二章 處理器功耗建模概述13-25
• 2.1 處理器功耗組成13-16
• 2.1.1 開關功耗13-14
• 2.1.2 短路功耗14-15
• 2.1.3 漏電功耗15-16
• 2.2 結(jié)構(gòu)級功耗模型16-17
• 2.3 基于性能事件的功耗模型17-20
• 2.3.1 基于模塊劃分的功耗模型17-18
• 2.3.2 基于少量性能事件的功耗模型18-20
• 2.4 采用人工神經(jīng)網(wǎng)絡建立處理器功耗模型20-23
• 2.4.1 人工神經(jīng)網(wǎng)絡簡介21-22
• 2.4.2 功耗建模的總體方案設計22-23
• 2.5 本章小結(jié)23-25
• 第三章 功耗與性能事件數(shù)據(jù)的采集25-37
• 3.1 功耗數(shù)據(jù)的采集25-27
• 3.2 性能事件數(shù)據(jù)的采集27-32
• 3.2.1 性能監(jiān)測單元PMU27-30
• 3.2.2 Peff簡介30
• 3.2.3 Perf的使用30-32
• 3.3 數(shù)據(jù)采樣方案設計32-36
• 3.4 本章小結(jié)36-37
• 第四章 基于神經(jīng)網(wǎng)絡的處理器功耗模型的實現(xiàn)37-51
• 4.1 BP神經(jīng)網(wǎng)絡原理37-41
• 4.2 功耗模型輸入?yún)?shù)的選取41-47
• 4.2.1 斯皮爾曼相關系數(shù)41-44
• 4.2.2 性能事件的選取44-47
• 4.3 BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)設計47-49
• 4.4 BP神經(jīng)網(wǎng)絡模型的matlab實現(xiàn)49-50
• 4.5 本章小結(jié)50-51
• 第五章 實驗結(jié)果與分析51-59
• 5.1 實驗的軟硬件平臺51-53
• 5.1.1 實驗的硬件平臺51-52
• 5.1.2 實驗的軟件平臺52-53
• 5.2 模型的精度驗證53-56
• 5.2.1 不同比例訓練數(shù)據(jù)對神經(jīng)網(wǎng)絡模型精度的影響53-54
• 5.2.2 針對安兔兔評測的模型精度54-55
• 5.2.3 針對典型Android應用的模型精度55-56
• 5.3 與線性擬合模型的精度對比56-58
• 5.4 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-61
• 6.1 總結(jié)59
• 6.2 展望59-61
• 致謝61-63
• 參考文獻63-64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 蘇紀娟;孟祥玲;朱慶明;;系統(tǒng)芯片技術國內(nèi)外發(fā)展現(xiàn)狀[J];軍民兩用技術與產(chǎn)品;2015年13期

2 徐恒陽;安虹;劉玉;周偉;;Perf在龍芯2F上的設計與實現(xiàn)[J];計算機工程;2011年19期

3 鐘譚衛(wèi);神經(jīng)網(wǎng)絡中的多維MP模型[J];華南農(nóng)業(yè)大學學報;2004年02期

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 胡妍;結(jié)合結(jié)構(gòu)級和門級的多核處理器功耗評估方法[D];湖南大學;2013年

2 李博;嵌入式處理器性能計數(shù)器應用研究[D];西安電子科技大學;2013年

3 黃麗;BP神經(jīng)網(wǎng)絡算法改進及應用研究[D];重慶師范大學;2008年

  本文關鍵詞：基于DVFS技術的ARM安卓應用功耗實測與模型構(gòu)建，，由筆耕文化傳播整理發(fā)布。

本文編號：292757