在以上的算法映射方案中，通過DDR3簇來存儲了參與任務執行的配置信息、原始采樣數據和濾波結果，節點FFT和RCU簇參與過程計算，利用COP0、COP1和COP2簇的片上存儲單元存儲濾波系數的頻域響應，利用COP3、COP4和COP5簇來接收和發送中間結果數據到相應的RCU3、RCU4和RCU5簇實現重疊相加。由DFG可以看出，參與任務執行的COP簇僅僅用來實現中間數據的接收和發送，并不參與實際任務運算，而所有的FFT和RCU簇參與整個任務的相關運算，因此，系統理論上最大的任務并行度為12。

根據片上網絡的通信機制和HMPS中的高效浮點運算簇，該系統的大點FFT卷積映射方案比傳統的設計架構更加方便，靈活而且運算效率更高。

4 實驗結果和系統性能分析

在Xilinx XC7V2000T FPGA開發板上，將系統時鐘頻率設置為100 MHz，進行測試驗證，并且通過網口簇和上位機軟件將結果數據傳回至本地PC。

通過將MATLAB軟件的計算結果與HMPS處理結果進行誤差比較可知，由于大點FFT卷積的累加運算，相對誤差趨近于0，因此，給出系統的絕對誤差方法，如式(5)所示：

表1給出了采樣點為64 K和1 M時，相應的系統時鐘消耗和系統平均任務并行度，其中，Aerr_imagmax和Aerr_realmax分別代表虛部和實部的絕對誤差最大值。平均任務并行度計算方法如下：

式中，clusters表示并行度，Tclusters表示在并行度clusters下的時鐘消耗，T表示整個任務的時鐘消耗。

?

在以上的映射方案中，64K和1M采樣點僅需要改變Task2的循環次數，其他保持不變。零點填充和重疊相加的16K點 FFT卷積平均需要5次流水循環運算，而64K和1M采用點分別需要21次和341次流水循環運算。

從表1實驗結果可以推導出，參與系統運算的采樣點越大，系統平均任務并行度就越高，而且最大絕對誤差接近10-4，相較于文獻[8]中的異構多核處理單元的10-3相對誤差，本系統具有更高的計算精度。與文獻[9]中的異構多核SoC相比(其ATP最大達到3.88)，本設計能達到5.33，因而具有更高的處理速度和系統平均任務并行度，采樣點數越大，效果越明顯。

HMPS在Xilinx XC7V2000T開發板上的硬件資源消耗如表2所示。

?

5 結論

在很多應用領域，大點FFT卷積實現是一個需要突破的技術瓶頸，減少運算時間，提高運算效率和濾波結果正確性等具有重要意義。本文實現了基于HMPS的大點FFT卷積高效映射方案，對于2M、4M，甚至更大的采樣點都可以很容易地通過以上映射方法增加流水循環次數進行實現，而且不需要增加額外的硬件資源消耗。

另外需要注意的是，系統性能和任務并行度的提高需要同一時刻所有運算簇參與任務計算。本文實現了抽頭系數為1K+1點，也可以采用其他合適長度的抽頭系數。作為通用目的處理器系統，HMPS主要運用在高密度計算領域，也可以實現其它復雜計算。

通過實驗分析可知，系統性能有很大的提升空間，為了獲得更高的數據吞吐率、處理速度和任務并行度，可以通過改善片上網絡來減少通信時間和增加DDR的有效帶寬來提高數據吞吐量等，具有十分重要的意義。