一种基于CORDIC的可重构计算引擎的制作方法

一种基于cordic的可重构计算引擎
技术领域
1.本发明涉及一种基于cordic的可重构计算引擎，特别是涉及soc架构下的ip核设计技术领域。


背景技术：

2.硬件加速器通常用于特定领域的设计，常常作为ip核被集成到soc系统中，以完成特定场景或特定应用程序的任务。近些年来，随着5g通信技术和人工智能的发展，除了传统的算法硬件加速器外，常见的复杂的数学函数的硬件实现也有着巨大的需求。
3.然而，相较于软件实现类似于超越函数的复杂数学函数，硬件实现这些函数显得尤为困难，传统的方法例如查找表法、线性近似法以及非线性近似法，要么精度不够，要么所使用的硬件资源过多，不尽理想。
4.cordic算法的出现为解决复杂数学函数的硬件实现问题提供了新的思路，其利用简单的硬件友好的移位、加法以及小型查找表运算，结合多次的迭代，便能逼近一些常见的复杂函数。然而，现有的一些基于cordic的复杂函数的硬件实现大多着眼于单个函数的实现，其实际应用价值有限，当一些场合需要使用多种函数时，需要集成多个ip，其硬件资源利用率较低，同时也增加了硬件之间交互的复杂程度。


技术实现要素：

5.发明目的：提出一种基于cordic的可重构计算引擎，以解决现有技术存在的上述问题，针对现有技术中存在的加速器不灵活，仅仅实现单个复杂函数，导致硬件资源利用率低，增加硬件之间交互复杂程度的问题，通过cordic的可重构计算引擎，灵活实现29种常见复杂数学函数的硬件计算。
6.技术方案：提出了一种基于cordic的可重构计算引擎，具体包括：数据接口、指令接口、重构控制器、计算单元mux以及计算单元。其中，数据接口与重构控制器连接，被设置作为计算时源数据的输入以及计算结果的输出通道；指令接口与重构控制器连接，被设置为作为复杂函数选择的配置通道；重构控制器与数据接口、指令接口以及计算单元mux连接，被设置实现对可重构计算引擎的数据流控制、数据的前后处理以及函数功能的重构；计算单元mux与重构控制器和计算单元连接，被设置实现对计算单元中cordic算子的选择；计算单元与计算单元mux连接，被设置为对复杂函数提供计算支持。
7.在第一方面的一些可实现方式中，为满足不同函数的需求，通过所述数据接口进行信号交互的信号进一步包括：in_1输入信号、in_2输入信号、cal_req输入信号、res_1输出信号、res_2输出信号、finish输出信号；call_type信号通过所述指令接口，配置函数计算的类型；所述重构控制器进一步包括运算控制状态机fsm和数据处理模块；所述计算单元mux进一步包括cu_mux1模块、cu_mux2模块、cu_mux3模块、cu_mux4模块、cu_mux5模块和cu_mux6模块；所述计算单元进一步包括cr1、cv1、lr1、lv1、hr1、hv1、ghr1、ghv1、lv2和hv2共10个cordic基本算子。
8.具体的，通过所述数据接口的in_1输入信号作为单变量函数的输入，in_2输入信号作为双变量函数的补充输入，cal_req输入信号作为计算的请求信号；res_1输出信号作为单输出函数的结果输出，res_2输出信号作为双输出函数的补充结果输出，finish输出信号作为计算完成信号。通过指令接口的call_type信号，可以配置29种函数的类型，用于供重构控制器解析，配置简单的同时，还易于控制。
9.进一步的，运算控制状态机fsm，通过解析指令接口传来的call_type信号，根据复杂函数的数学结构，重构相应的控制流，通过不超过6级流水计算，控制整个流水计算过程。
10.所述重构控制器下的数据处理模块，在所述运算控制状态机fsm的控制下完成对每一级流水计算数据的前处理以及后处理。
11.在第一方面的一些可实现方式中，计算单元mux下的6个cu_mux模块，对应于6级流水计算的不同阶段，在运算控制状态机fsm的控制下选择计算单元中的cordic算子。
12.计算单元下的cordic算子，包含6种类型，分别为圆坐标系下旋转模式的cordic算子cr、圆坐标系下向量模式的算子cv、线性坐标系下旋转模式的算子lr、线性坐标系下向量模式的算子lv、双曲坐标系下以e为底旋转模式的算子hr、双曲坐标系下以e为底向量模式的算子hv、双曲坐标系下以2为底旋转模式的算子ghr、双曲坐标系下以2为底向量模式的算子ghv。
13.其中，cordic算子，通过移位、加法以及查找表运算，并结合迭代过程，通过硬件实现函数计算过程。cordic算子的迭代过程，采用流水线工作，即每一次迭代过程都有具体的硬件实现，保证了可重构引擎的流水工作流程。
14.有益效果：本发明提出了一种基于cordic的可重构计算引擎，相比于现有技术，本发明通过分析复杂函数的数学特征及表达式转换，并利用各种cordic算子的特性，将29种复杂数学函数高效映射到10个cordic算子上。其中涉及到的重构控制器通过指令接口接受配置指令，为不同的复杂函数重构特定的数据通路，并控制数据的流水化计算，最终输出相应复杂函数计算的结果。因此，本发明所提出的基于cordic的可重构计算引擎具有硬件资源利用率高、配置简易灵活、主频高、面积小及功耗低等优点。
附图说明
15.图1为本发明中基于cordic的可重构计算引擎的架构图。
16.图2是本发明中计算单元mux的详细结构图。
17.图3是本发明中计算单元里hv的结构图。
具体实施方式
18.在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
19.申请人认为现有的一些基于cordic的复杂函数的硬件实现大多着眼于单个函数的实现，其实际应用价值有限，因此当一些场合需要使用多种函数时，需要集成多个ip，使得其硬件资源利用率较低，同时也增加了硬件之间交互的复杂程度。
20.在本技术中，我们提出了一种基于cordic的可重构计算引擎，通过分析复杂函数的数学特征及表达式转换，并利用各种cordic算子的特性，将29种复杂数学函数高效映射到10个cordic算子上。其中涉及到的重构控制器通过指令接口接受配置指令，为不同的复杂函数重构特定的数据通路，并控制数据的流水化计算，最终输出相应复杂函数计算的结果，进一步达到硬件资源利用率高、配置简易灵活、主频高、面积小及功耗低等目标。
21.实施例一本实施例提出一种基于cordic的可重构计算引擎，通过分析复杂函数的数学特征及表达式转换，并利用各种cordic算子的特性，将29种复杂数学函数高效映射到10个cordic算子上，从而提高了硬件资源的利用率，降低了硬件之间交互的复杂度。
22.具体的，如图1所示，本实例提出的基于cordic的可重构计算引擎包括：数据接口、指令接口、重构控制器、计算单元mux以及计算单元；其中，数据接口作为计算时源数据的输入以及计算结果的输出通道；指令接口作为复杂函数选择的配置通道；重构控制器用于对可重构计算引擎的数据流控制、数据的前后处理以及函数功能的重构；计算单元mux用于对计算单元中cordic算子的选择；计算单元提供对复杂函数的计算支持。
23.在进一步的实施例中，重构控制器在接收到指令接口传来的配置信息后，控制计算单元mux完成对指定复杂函数的控制流和数据流映射；其中，涉及到需要计算的源数据，从存储器中通过数据接口传入计算引擎，待计算完成后，再通过数据接口输出至存储器中的指定位置。
24.在此实施例下，提出的可重构计算引擎在tsmc 28nm的工艺下，工作频率能够达到2ghz，在此频率下，硬件的综合面积为0.132mm2，功耗仅为61.315mw。
25.实施例二在实施例一的基础上，计算单元mux具体包含包括cu_mux1模块、cu_mux2模块、cu_mux3模块、cu_mux4模块、cu_mux5模块、cu_mux6模块以及最终的结果选择模块。详细结构如图2所示。
26.重构控制器根据指令接口传来的配置信息call_type，控制计算单元mux中的cu_mux1~ cu_mux6完成对特定复杂函数的数据通路映射。cu_mux1~ cu_mux6与计算单元中的10个cordic算子直接交互，通过分时复用，完成对特定复杂函数的逐级计算。优选实施中，本发明中的计算引擎支持的29种复杂函数，满足最多需要6个cordic算子级联计算，最少只需要1级cordic算子计算，因此计算单元mux分为6级，根据各函数的需要，映射成1~6级计算。重构控制器根据配置控制结果选择模块，选择各函数的实际输出位置。
27.在此实例下，本发明提出的基于cordic的可重构计算引擎具有硬件资源利用率高、配置简易灵活的特点。
28.实施例三在实例一的基础上，计算单元中的10个cordic算子都具有如图3所示的基本结构。
29.在每个cordic算子中，为使得整个计算过程流水进行，cordic算法需要的迭代过程被设置为多个基本的迭代算子，迭代算子之间逐级连接，完成迭代运算。迭代算子有3种类型，其中i≥0的迭代算子属于传统的迭代方式，i<0的迭代算子是改进的迭代方式（i代表第i次迭代），目的是扩大cordic算子支持的计算范围。
30.在此实例下，提出的基于cordic的可重构计算引擎能够支持复杂函数的流水计算，提高计算的效率，实用性高。
31.综合以上实施例所述，本发明通过分析复杂函数的数学特征及表达式转换，并利用各种cordic算子的特性，将29种复杂数学函数高效映射到10个cordic算子上。重构控制器通过指令接口接受配置指令，为不同的复杂函数重构特定的数据通路，并控制数据的流水化计算，最终输出相应复杂函数计算的结果。最终本发明所提出的基于cordic的可重构计算引擎具有硬件资源利用率高、配置简易灵活、主频高、面积小及功耗低等优点。
32.如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。