CN101122896A - 一种基于矩阵运算的高效asic数据处理方法 - Google Patents

Abstract

本发明涉及数据处理方法，特别是一种基于矩阵运算的高效ASIC数据处理方法。它是在矩阵运算中，首先将矩阵按列分细粒度，一列为一个颗粒，一次仅做一个颗粒的运算，然后将每个粒度值累加到Pipeline寄存器中。藉由上述方法主要解决现有数据处理方法中使用ASIC实现结构进行运算时矩阵运算需要用到很多乘法器和加法器，影响运算速度和增加运算逻辑面积的技术问题，节省了加法器且提高了数据处理的效率。

Description

一种基于矩阵运算的高效ASIC数据处理方法

技术领域

本发明涉及数据处理方法，特别是一种基于矩阵运算的高效ASIC数据处理方法。

背景技术

在ASIC数据处理运算中，会有很多矩阵运算。而矩阵运算需要用到很多乘法器和加法器，不但影响运算速度，还增加芯片运算逻辑的面积。在如图1所示的ASIC数据处理方法的5×5矩阵运算中：

Y(l，j)＝D(i-2，j-2)^＊×(i-2，j-2)+

         D(i-2，j-1)^＊×(i-2，j-1)+

                               ...+

         D(i+2，j+2)^＊×(i+2，j+2)

         ＝∑D(k，l)^＊×(k，l)

其中：k＝i-2 to i+2；l＝j-2 to j+2

总共需要25个乘法器和24个加法器。当然，随着级数的增加，比如16×16，384×384...需要的乘法器和加法器也越来越多。

发明内容

本发明的目的在于提供一种基于矩阵运算的高效ASIC数据处理方法，解决现有数据处理方法中使用ASIC实现结构进行运算时矩阵运算需要用到很多乘法器和加法器，影响运算速度和增加运算逻辑面积的技术问题，节省了加法器且提高了数据处理的效率。

为解决上述问题，本发明是这样实现的：

一种基于矩阵运算的高效数据处理方法，其特征在于：在矩阵运算中，首先将矩阵按列分细粒度，一列为一个颗粒，一次仅做一个颗粒的运算(如图3所示)，然后将每个粒度值累加到Pipeline寄存器中。

附图说明

图1现有数据处理方法中矩阵运算的矩阵图。

图2是图形图象数据处理矩阵图。

图3是本发明方法中的矩阵图。

图4是本发明方法中的体现pipeline结构的矩阵图。

具体实施方式

为了更清楚的表达本发明方法，特别用一个5×5矩阵说明。参见图4，定义第j-2列到第j+2列组成的5×5矩阵为J1，第j-1列到第j+3列组成的5×5矩阵为J2，第j到第j+4列组成的5×5矩阵为J3，第j+1到第j+5列组成的5×5矩阵为J4，第j+2到第j+6列组成的5×5矩阵为J5。

该矩阵中每个颗粒同时具有最少1最多5种身份：

●对于第j-2列的5个数，仅仅和矩阵J1相关作为J1的第一列。

●对于第j-1列的5个数，和矩阵J1相关作为J1的第二列，同时和J2相关作为J2的第一列。

●对于第j列的5个数，和矩阵J1相关作为J1的第三列，和J2相关作为J2的第二列，和J3相关作为J3的第一列。

●对于第j+1列的5个数，和矩阵J1相关作为J1的第四列，和J2相关作为J2的第三列，和J3相关作为J3的第二列，和J4相关作为J4的第一列。

●对于第j+2列的5个数，和矩阵J1相关作为J1的第五列，和J2相关作为J2的第四列，和J3相关作为J3的第三列，和J4相关作为J4的第二列。和J5相关作为J5的第一列。

一次把所有的相关结果都计算出来，在寄存器中保留相关的结果，累加到相应寄存器中。

(1)P5＝∑D(x，j+2)^＊×(x，j+2)(x＝l-2..i+2)

(2)P4＝∑D(x，j+1)^＊×(x，j+1)(x＝l-2..i+2)

(3)P3＝∑D(x，j)^＊×(x，j)(x＝l-2..i+2)

(4)P2＝∑D(x，j-1)^＊×(x，j-1)(x＝l-2..i+2)

(5)P1＝∑D(x，j-2)^＊×(x，j-2)(x＝l-2..i+2)

如图4数据是从右到左，一列一列进入进行运算，其运算过程如下：

1)第j-2列数据做为第一列进入5×5矩阵，同时做P1，P2，P3，P4，P5运算，保存P1的值进入相关累加器。

2)第j-1列数据做为第二列进入5×5矩阵，同时做P1，P2，P3，P4，P5运算，保存P1和P2的值进入相关累加器。

3)第j列数据做为第三列进入5×5矩阵，同时做P1，P2，P3，P4，P5运算，保存P1，P2和P3的值进入相关累加器。

4)第j+1列数据做为第四列进5×5矩阵，同时做P1，P2，P3，P4，P5算，保存P1，P2，P3和P4的值进入相关累加器。

5)第j+2列数据做为第五列进入5×5矩阵，同时做P1，P2，P3，P4，P5运算，保存P1，P2，P3，P4和P5的值进入相关累加器。此时矩阵J1的数据准备好，可以计算J1。

6)第j+3列数据做为第六列进入5×5矩阵，同时做P1，P2，P3，P4，P5运算，保存P1，P2，P3，P4和P5的值进入相关累加器。计算完J1，输出J1。此时矩阵J1的数据准备好，可以计算J2。

7)。。。

8)计算完所有的Jn值。

总共需要25个乘法器和30个加法器。

实例(行列对称)

请参阅图2，它是本发明基于矩阵运算的图象数据处理方法中的矩阵图。

以下将结合本发明方法和5×5矩阵的特点，描述矩阵运算过程：

首先，设定：

P1＝D2*(X15+X55)+D9*(X25+X45)+D3*X35

P2＝D6*(X15+X55)+D5*(X25+X45)+D7*X35

P3＝D4*(X15+X55)+D8*(X25+X45)+D1*X35

P4＝D6*(X15+X55)+D5*(X25+X45)+D7*X35

P5＝D2*(X15+X55)+D9*(X25+X45)+D3*X35

其次，化简：

S1＝X15+X55

S2＝X25+X45

S3＝X35

M1＝D2*S1+D9*S2+D3*S3

M2＝D6*S1+D5*S2+D7*S3

M3＝D4*S1+D8*S2+D1*S3

最后，得到

P1＝M1

P2＝M2

P3＝M3

P4＝M2

P5＝M1

上述运算过程中，只需要12个加法器和9个乘法器。它与原有运算方法的效果对比见下表：

----------------------------

方法    加法运算    乘法运算

----------------------------

传统ASIC实现结构       24    9

----------------------------------

Pipeline ASIC实现结构  12    9

----------------------------------

基于Pipeline ASIC结构来实现的本发明方法之所以能有上述的优异技术效果，主要是由于：

1、本发明方法的实列中运算矩阵，由于行对称，只需用2个加法器将一个颗粒中的5点，合并同系数项，得到3个值。

2、本发明方法的实列中运算矩阵，其第5列相对于P1、P2、P3、P4、P5点的运算有不同的系数须运算，而由于列对称(对于P1和P5第5列系数相同，对于P2和P4第5列系数相同)，因此需要3*3＝9个乘法器，得到9个值。

3、本发明方法中，只要计算5个点(P1、P2、P3、P4、P5)的3个值(M1、M2、M3)，只需用6个加法器。

4、本发明方法的最后，将5个点(P1、P2、P3、P4、P5)的粒度值累加到Pipeline寄存器中，需要4个加法器，P5不需累加直接保存就可。

同传统的方法相比pipeline结构运算快，而节省加法器是和具体实列相关的。我们回到公式(1)(2)(3)(4)(5)可以发现如果矩阵具有行或/和列对称性，则可以大大减少乘法器和加法器。矩阵的对称性越强，越节省乘法器和加法器。因此，通过本发明方法(Pipeline ASIC结构)可以减少加法器的数量，并很大地提高数据处理矩阵的运算效率。

综上所述仅为本发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (1)

1.一种基于矩阵运算的高效ASIC数据处理方法，其特征在于：在矩阵运算中，首先将矩阵按列分细粒度，一列为一个颗粒，一次仅做一个颗粒的运算，然后将每个粒度值累加到Pipeline寄存器中。

Images