浮點矩陣相乘ip核并行改進(jìn)的設(shè)計與實現(xiàn)

1、浮點矩陣相乘浮點矩陣相乘IPIP核并行改進(jìn)的設(shè)計與實現(xiàn)核并行改進(jìn)的設(shè)計與實現(xiàn)摘要：要：基于Altera浮點IP核實現(xiàn)浮點矩陣相乘運算時，由于矩陣階數(shù)的增大，造成消耗的器件資源雖增加但系統(tǒng)性能反而下降的問題，針對現(xiàn)有IP核存在數(shù)據(jù)加載不連貫、存儲帶寬不均勻的不足，提出采用并行化數(shù)據(jù)存儲、依據(jù)查找表加載數(shù)據(jù)和處理數(shù)據(jù)的方式對IP核進(jìn)行改進(jìn)。然后將改進(jìn)的浮點矩陣運算在FPGA中實現(xiàn)，經(jīng)過Quartus、Matlab軟件聯(lián)合仿真并進(jìn)行結(jié)果比對，

2、其誤差不超過萬分之一，且節(jié)省了器件資源、提升了系統(tǒng)性能。仿真結(jié)果表明該設(shè)計可行，有利于提高諸多高性能領(lǐng)域浮點矩陣的運算速度。關(guān)鍵詞：關(guān)鍵詞：浮點矩陣相乘；嵌入式；IP核；現(xiàn)場可編程門陣列嵌入式計算作為新一代計算系統(tǒng)的高效運行方式，應(yīng)用于多個高性能領(lǐng)域，如陣列信號處理、核武器模擬、計算流體動力學(xué)等。在這些科學(xué)計算中，需要大量的浮點矩陣運算。而目前已實現(xiàn)的浮點矩陣運算是直接使用VHDL語言編寫的浮點矩陣相乘處理單元[1]，其關(guān)鍵技術(shù)是乘累加

3、單元的設(shè)計，這樣設(shè)計的硬件，其性能依賴于設(shè)計者的編程水平。此外，F(xiàn)PGA廠商也推出了一定規(guī)模的浮點矩陣運算IP核[2]，雖然此IP核應(yīng)用了本廠家的器件，并經(jīng)過專業(yè)調(diào)試和硬件實測，性能穩(wěn)定且優(yōu)于手寫代碼，但仍可對其進(jìn)行改進(jìn)，以進(jìn)一步提高運算速度。1AlteraAltera浮點矩陣相乘浮點矩陣相乘IPIP核原理核原理Altera公司推出的浮點矩陣相乘IP核ALTFP_MATRIX_MULT，是在Quartus軟件9.1版本以上的環(huán)境中使用，

4、能夠進(jìn)行一定規(guī)模的浮點矩陣相乘運算，包含A、B矩陣數(shù)據(jù)輸入，數(shù)據(jù)浮點乘加，數(shù)據(jù)緩存及相加輸出四大部分。其中最能體現(xiàn)浮點計算性能的是浮點乘加部分，而周圍的控制電路及輸出則影響到系統(tǒng)的最高時鐘頻率，間接地影響系統(tǒng)整體性能。整個矩陣相乘電路原理是將輸入的單路數(shù)據(jù)（A、B矩陣共用數(shù)據(jù)線），通過控制器產(chǎn)生A、B矩陣地址信號，控制著A矩陣數(shù)據(jù)輸出和B矩陣數(shù)據(jù)輸出，并將數(shù)據(jù)并行分段輸出到浮點乘加模塊進(jìn)行乘加運算，之后串行輸出到一個緩存器模塊中，再以并

5、行方式輸出到浮點相加模塊，最后獲得計算結(jié)果。從其原理可以看出，在數(shù)據(jù)輸入輸出方面仍有許多可改進(jìn)的地方。2IPIP核存在的缺陷及改進(jìn)核存在的缺陷及改進(jìn)2.12.1存在缺陷存在缺陷(1)輸入數(shù)據(jù)帶寬的不均衡性。在矩陣A、B的數(shù)據(jù)輸入時，Altera的IP核將A矩陣數(shù)據(jù)存于M144K的BlockRAM中，而將B矩陣數(shù)據(jù)存于M9K的BlockRAM中，導(dǎo)致IP核中A矩陣數(shù)據(jù)的帶寬小于B矩陣數(shù)據(jù)的帶寬，并需要一定數(shù)量的寄存器組使A矩陣數(shù)據(jù)帶寬能夠

6、匹配于B矩陣數(shù)據(jù)帶寬。由此可見，A、B矩陣數(shù)據(jù)的存儲受到器件限制和存儲約束，同時由于在浮點乘加模塊的輸入端（A、B矩陣數(shù)據(jù)）帶寬不同，造成A矩陣數(shù)據(jù)的輸入需要額外的處理時間。(2)加載數(shù)據(jù)的不連貫性。在矩陣數(shù)據(jù)加載時，IP核通過將數(shù)據(jù)分段成等分的幾部分，用于向量相乘。由于矩陣A存儲帶寬窄需要4步寄存（由Blocks決定），在第3個周期時才加載數(shù)據(jù)B用于計算，送到一個FIFO中存儲；在第6個時鐘周期時加載矩陣A分段的第二部分進(jìn)行各自的第二

7、部分計算，最后當(dāng)計算到第15個周期時，才可通過浮點相加，計算出矩陣C的第一個值，之后計算出矩陣C的其他值C11。從上述結(jié)構(gòu)可見，在分段相乘之后，采用先對一個FIFO進(jìn)行存儲，存滿后再對下一個數(shù)據(jù)FIFO進(jìn)行存儲，造成時間上浪費過多。2.22.2設(shè)計改進(jìn)設(shè)計改進(jìn)鑒于上述缺陷，在輸入A、B矩陣的存儲方式上，進(jìn)行串行輸入到并行輸入的改進(jìn)，使得兩個矩陣能同步輸入到浮點乘加模塊。在數(shù)據(jù)加載方式上，將A矩陣用3個周期加載完畢，再處理相乘運算；將分段

8、相乘結(jié)果進(jìn)行直接存儲相加，獲得C矩陣的第一個值，縮減運算時間。設(shè)計的改進(jìn)框圖如圖1所示。數(shù)到端口輸出值時（如端口并行輸出8個數(shù)則計數(shù)到8），并行輸出數(shù)據(jù)。浮點乘加模塊采用并行相乘、并行相加的方式。由于考慮到精度問題，采用浮點位數(shù)轉(zhuǎn)換，將32bit的輸入數(shù)據(jù)進(jìn)行浮點擴(kuò)展為42bit，再進(jìn)行乘加運算，最后再將42bit數(shù)據(jù)轉(zhuǎn)換為32bit數(shù)據(jù)。采用三級流水線的方式，進(jìn)行并行乘加運算，提高設(shè)計系統(tǒng)性能。在雙口RAM組的實現(xiàn)上，是將一組simp

9、ledualptram[3]并列成一個RAM組。輸入由矩陣A、B的數(shù)據(jù)信號和ROM輸出的地址信號組成；輸出就是一路矩陣A數(shù)據(jù)和一路矩陣B數(shù)據(jù)，數(shù)據(jù)深度與vectsize等同。其中每一個RAM的深度為rowsaacolumnsbbvectsize，保證數(shù)據(jù)的可重用性，同時相對應(yīng)的ROM中存儲的地址信號分別為：A：121233123444123455551234566666……B：112212333123444412345555512345

10、……以此類推即可得到相應(yīng)的地址信號查找表。在數(shù)據(jù)緩存模塊的設(shè)計上也采用串行輸入并行輸出的方式。使用移位寄存器的方式實現(xiàn)，在并行浮點相加部分類似于上述的并行乘加[4]計算，采用多級流水線并行相加的方式完成。3.23.2計算結(jié)果仿真計算結(jié)果仿真對改進(jìn)的設(shè)計進(jìn)行仿真，采用A916數(shù)據(jù)與B168數(shù)據(jù)相乘，獲得計算結(jié)果仿真如圖4所示。從圖4可見，loadaa、loadbb、calcimatrix三者的時序滿足浮點矩陣運算的時序要求，在前兩者數(shù)據(jù)加