CN106648941B - 飞控嵌入式计算机性能测评方法 - Google Patents

飞控嵌入式计算机性能测评方法 Download PDF

Info

Publication number
CN106648941B
CN106648941B CN201611230312.7A CN201611230312A CN106648941B CN 106648941 B CN106648941 B CN 106648941B CN 201611230312 A CN201611230312 A CN 201611230312A CN 106648941 B CN106648941 B CN 106648941B
Authority
CN
China
Prior art keywords
performance
value
test
time
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611230312.7A
Other languages
English (en)
Other versions
CN106648941A (zh
Inventor
朱怡安
罗殊彦
王仲轩
李联
韩冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201611230312.7A priority Critical patent/CN106648941B/zh
Publication of CN106648941A publication Critical patent/CN106648941A/zh
Application granted granted Critical
Publication of CN106648941B publication Critical patent/CN106648941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/008Reliability or availability analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种飞控嵌入式计算机性能测评方法,用于解决现有嵌入式计算机性能测评方法综合测试评价能力差的技术问题。技术方案是构建具有针对性的全面测试指标体系,对需要进行测试的飞控嵌入式系统给予综合评价。该方法针对飞控计算机的系统要求和特点,提出了处理器性能指标、存储器性能指标、I/O性能指标、同步处理性能指标、信号处理指标、数字信号处理、应用与逻辑运算指标和控制与显示性能指标等8个指标。运行这8个指标的测试程序,分别得到对应的测试结果;随后把这8个测试结果放入综合评价体系中,通过二次评价权重分配法和限界极差变换法的变换与计算得到整个飞控嵌入式计算机的性能分数,综合测试评价能力强。

Description

飞控嵌入式计算机性能测评方法
技术领域
本发明涉及一种嵌入式计算机性能测评方法,特别是涉及一种飞控嵌入式计算机性能测评方法。
背景技术
文献“用于嵌入式计算机性能评测技术及其方法研究,现代电子技术,2008,Vol31(14),p49-54”公开了一种基于E3S评测基准的嵌入式计算机测评方法。该方法对嵌入式计算机的计算能力进行了测试,还包括通过E3S测试基准对嵌入式计算机的分配、指派、调度能力进行测试,但其存在缺乏对飞控计算机所特有的各个分系统进行详细的测试与分析的问题,如没有信号处理性能测试、应用与逻辑运算性能测试等。并且文献中的方法缺少综合评价体系,无法对飞控嵌入式计算机性能给出整体层面的评价。
综上所述,现有的飞控嵌入式计算机性能测试方法存在测试内容不全面、缺少针对性、没有综合测试评价体系的问题。
发明内容
为了克服现有嵌入式计算机性能测评方法综合测试评价能力差的不足,本发明提供一种飞控嵌入式计算机性能测评方法。该方法构建具有针对性的全面测试指标体系,对需要进行测试的飞控嵌入式系统给予综合评价。该方法针对飞控计算机的系统要求和特点,提出了处理器性能指标、存储器性能指标、I/O性能指标、同步处理性能指标、信号处理指标、数字信号处理、应用与逻辑运算指标和控制与显示性能指标等8个指标。运行这8个指标的测试程序,分别得到对应的测试结果;随后把这8个测试结果放入综合评价体系中,通过二次评价权重分配法和限界极差变换法的变换与计算得到整个飞控嵌入式计算机的性能分数,综合测试评价能力强。
本发明解决其技术问题所采用的技术方案是:一种飞控嵌入式计算机性能测评方法,其特点是包括以下步骤:
步骤一、针对处理器性能指标,测试CPU的MIPS和MFLOPS值。
MIPS=Num1/time (1)
MFLOPS=Num2/(time2-time1) (2)
式中,MIPS表示每秒处理的百万级的机器语言指令数,Num1表示测试程序执行指令数,time表示MIPS测试程序函数体执行时间;MFLOPS表示每秒百万个浮点操作,Num2表示测试程序浮点指令执行数,(time2-time1)表示测试程序执行时间。
步骤二、进行I/O性能测试,通过改变文件的大小和数量,测试数据的传输读/写速率以及读/写传输延迟。
步骤三、进行包括紧密同步、帧同步以及异步运行三种方式的同步性能测试,将整个任务周期开始时需要进行的同步处理过程整体时间作为一个性能指标,其值为:任务周期同步平均时间=两次握手同步平均时间+失步概率*失步处理平均时间。
步骤四、应用与逻辑运算性能测试,包括插值计算和矩阵运算。插值计算分为线性内插和非线性内插,矩阵运算分为初始化、矩阵乘法、矩阵的转置和矩阵相加减。
步骤五、存储器性能测试包括速率测试和传输时延测试。在测试时分别传输大文件和小文件,并且分别设置不同的数据块大小进行测试。传输时延测试采用两次传输时间差的方法:
T=2*time1-time2 (3)
式中,T表示存储器传输时延,time1为file1传输时间,time2为file2传输时间,其中file2的大小是file1的两倍,且其中的内容也是file1中内容的两份拷贝,并且令file1和file2均刚刚占满整个数据块。
步骤六、进行数字信号处理,首先通过模数转换器将信号从模拟域转换至数字域,交由数字信号处理器进行处理,之后其输出结果通过数模转换器从数字域转换至模拟域。选取以下数字信号处理算法对数字信号处理器的性能进行测评:sinc插值运算、递归滤波运算、离散余弦变换运算和快速傅里叶变换运算。
步骤七、飞控系统信号处理,包括数字量和离散量的信号监控。计算数字量信号监控平均时间:
Time1=∑(Pi*timei/m),i∈[1,7] (4)
及离散量信号监控平均时间:
Time2=∑(Qk*timek/n),k∈[1,6] (5)
式中,Time1表示数字量信号监控平均时间,Pi表示7种类别的输入信号分别对应的出现概率,m=7表示数字量信号监控处理有7个类别;Time2表示离散量信号监控平均时间,Qk表示6种类别的离散量输入信号分别对应的出现概率,n=6表示离散量信号监控处理中的6个类别。
步骤八、进行飞控嵌入式计算机控制/显示相关性能测试,包括三角形填充率、像素填充率、显存读速度/写速度、颜色空间变换、图像旋转变换5个测试项。使用三角形填充图形,根据需要的填充三角形数量和绘图所用时间计算填充速率;利用函数绘制一个长矩形条,矩形条按照设定角度进行旋转;用单位三角形去填充长矩形条,从而获得单位时间填充的三角形生成数量,而每个三角形所占用的像素大小已知,得到飞控嵌入式计算机系统的像素填充率;接着测试显存的读速度和写速度;将RGB颜色空间的数据转换为彩印使用的CMYK颜色空间、XYZ颜色空间和HSL颜色空间,计算得到色彩空间变换时间;计算图像中各个像素点旋转后坐标,通过这种方法对标准bmp图像进行旋转,得到旋转一次的时间
x1=d cos(b-a)=d cos b cos a+d sin b sin a=x0 cos a+y0 sin a (6)
y1=d sin(b-a)=d sin b cos a-d cos b sin a=-x0 sin a+y0 cos a (7)
式中,(x0,y0)为像素点原始坐标,(x1,y1)为像素点旋转后坐标,该像素点与原点之间连线与水平轴的夹角为b,图像旋转角度为a,d表示该像素点距离图像中心的距离。
步骤九、将步骤一至步骤八得到的测试结果放入综合评价体系中并应用限界极差变换法。权重总和为100,从第j个性能模块对应的n位专家给出的n个评估值中剔除掉最小值与最大值,将剩下的n-2个评估值的期望值作为该性能模块的待定权重Wj值为:
以及各性能模块所有性能权重值之和Hj为:
接着从n位专家对某性能指标做出的权重评估值数组中,剔除最小值和最大值,剩下n-2个权重评估值的期望值即为该性能指标在该模块内部的权重值wj为:
在整个飞控嵌入式系统中,第i个模块的第j个性能指标在整体系统中的最终权重值hij可由wj和Hi相乘得到:
hij=wj×Hi (11)
式中,Xj表示所有专家针对第j个性能模块进行评估的评估值构成的已从小到大排序的数组,由于最小值Xj[0]与最大值Xj[n-1]已经被剔除,因此只需通过剩余n-2个评估值求得第j个性能模块的待定权重值;第j个性能模块的待定权重值为Wj;接着从n位专家对某性能指标做出的权重评估值数组中,剔除最小值和最大值,剩下n-2个权重评估值的期望值即为该性能指标在该模块内部的权重值wj,xj[i]表示第i位专家给出的第j个性能指标在其所在模块内部所占的权重评估值。
步骤十、根据得到的权重,通过限界极差变换法进行无量纲化。关于正向指标,其无量纲化过程为
以及负向指标,其无量纲化过程为:
通过newij和hij相乘得到飞控嵌入式计算机进行综合评价所得结果Score:
式中,numi表示第i个模块中的性能指标的个数,newij表示第i个模块中第j个性能指标经测试之后,再经过指标无量纲化转换成的测量值,hij表示第i个模块中第j个性能指标在系统中占据的权重值。
本发明的有益效果是:该方法构建具有针对性的全面测试指标体系,对需要进行测试的飞控嵌入式系统给予综合评价。该方法针对飞控计算机的系统要求和特点,提出了处理器性能指标、存储器性能指标、I/O性能指标、同步处理性能指标、信号处理指标、数字信号处理、应用与逻辑运算指标和控制与显示性能指标等8个指标。运行这8个指标的测试程序,分别得到对应的测试结果;随后把这8个测试结果放入综合评价体系中,通过二次评价权重分配法和限界极差变换法的变换与计算得到整个飞控嵌入式计算机的性能分数,综合测试评价能力强。
下面结合具体实施方式对本发明作详细说明。
具体实施方式
本发明飞控嵌入式计算机性能测评方法具体步骤如下:
基础指标模块包括处理器性能指标、I/O性能指标、同步处理性能指标、应用与逻辑运算性能指标、存储性能指标、数字信号处理性能指标、信号处理性能指标、控制与显示性能指标等8个指标。
1、处理器性能指标方法。
处理器性能指标包括定点指令操作性能和浮点指令操作性能。定点性能主要通过MIPS体现,浮点性能通过MFLOPS体现。MIPS是最能体现定点指令操作的指标,即单字长定点指令平均执行速度,所谓单字长定点指令,指的是指令长度为一个字长且用来处理定点数的指令,MIPS也可以理解为每秒处理的百万级的机器语言指令数。MIPS的指令格式只有3种:R指令、I指令以及J指令。相关的指令包括:算术运算、逻辑运算、数据传送、条件转移、特殊指令、例外指令等。首先,获取当前系统时间time;随后,进入循环体开始执行。得到的MIPS为
MIPS=Num1/time (1)
MFLOPS,指每秒百万个浮点操作,这也是衡量计算机系统的重要技术指标之一。相同的程序在不同的计算机系统上运行,往往会执行不同数量的指令数,但是却会处理相同个数的浮点数,因此,选用这个指标是有一定的可靠性的。
根据此定义,本文测量MFLOPS的方法如下
MFLOPS=Num2/(time2-time1) (2)
首先获得当前获取当前系统时间time1;依次对所有数据进行相应指令操作数量为Num2;最后,获取当前系统时间time2;
2、I/O性能测试方法。
I/O性能指标主要针对读写磁盘的速率。数据块的大小对数据传输速率及硬盘性能的影响、文件大小在缓存模式下对数据传输速率及硬盘性能的影响、数据的延迟写对测试结果的影响、传输大量小文件时,小文件数量及大小的变化对数据传输速率及硬盘性能的影响等等。在不改变其它变量因子(例如小文件数量、小文件大小等)的前提下,改变指定的变量,分别测试顺序读/写速度。根据参数指定数据块的大小并创建指定大小的大文件并设置为非缓存模式。获取当前系统时间,计算数据块数量,并开始执行写入文件操作,直至大文件都已被写入,再次获取当前系统时间,计算得到写入操作耗费总时间。删除测试过程中新创建的大文件,释放资源并计算得到该次测试中得到的顺序读/写速度。接着计算随机读/随机写速度,测试中应采用非缓存模式,因为缓存模式下进行随机读/写操作时,可能会先将相关存储数据放在缓冲区中,这将导致测得的结果与实际不符。其次,进行随机读/写,需要随机数的介入,为了保证结果的真实性,每次采用的随机数应该没有相关性,本方法通过C语言中的srand函数,以系统当前时间作为随机种子产生随机数保证获取随机数的真实有效性。另外,数据块的大小对随机读/写速度指标也会产生影响,因此针对不同的数据块大小分别进行测试很有必要。
3、同步性能测试方法。
同步机制在飞控嵌入式计算机中有很重要的作用。特别是在多余度飞控嵌入式计算机中,同步机制用来保持多通道数据一致以及任务周期同步等。主要有3种同步方式:紧密同步、帧同步以及异步运行方式。其中,帧同步在飞控嵌入式计算机应用最为广泛。因此,针对飞控嵌入式计算机的同步机制测试主要有2个基准指标:两次握手同步平均时间以及失步处理平均时间。在实际运作过程中,这三个指标的浮动性比较大。因此,只能采用多次测量取平均值的测试方法。同时三者与同步处理整体时间是有一定逻辑关系的。两次握手同步平均时间直接决定同步处理过程的基准时间,失步概率与失步处理平均时间则决定了整个同步处理过程除去基准处理时间之外的额外处理时间。本方法把整个任务周期开始时需要进行的同步处理过程整体时间作为一个性能指标,其值为:任务周期同步平均时间=两次握手同步平均时间+失步概率*失步处理平均时间。
4、应用与逻辑运算性能测试方法。
插值法根据相关数学函数特性,可分为线性内插、非线性内插等,其中最基本的是线性函数的内插法。在飞控嵌入式计算机中,为了控制飞行姿态,会涉及到大量的矩阵运算。矩阵相关的运算很多,但其基本运算有如下几种:矩阵初始化、矩阵乘法、矩阵的转置、矩阵相加、矩阵相减等等。飞控嵌入式计算机在控制飞行姿态过程中,涉及到空间方位矩阵等大部分三阶矩阵,因此设计测试指标时选用三阶矩阵进行测试。调用矩阵运算函数、进行矩阵运算、返回结果。测试过程中,首先创建两个包含90000个元素的数组,之后每次执行原语操作时,运算指针向后偏移9个元素,依次进行矩阵运算,最后,取均值,得测评结果。
5、存储性能测试方法。
数据传输速率,决定了存储器模块与飞行控制计算机分系统中其它模块通信的速度;存储器延迟决定了飞行控制计算机分系统的反应速度。在传输不同大小的文件时,其数据传输速率是变化的。另外,数据块的大小也将影响数据传输速率。因此,本测试方法针对该指标,分为传输大文件和小文件的情况,且分别设置不同的数据块大小进行测试。
除了存储器的数据传输速率,还有存储器延迟指标,它是指处理器向存储器发出相关指令后,存储器在真正执行相关操作之前需要等待的时间。在实际测试过程中,很难直接得到存储器延迟时间,本文采用测试两次传输时间差的方法来测试传输延迟时间。在一次测试过程中,传输两个大文件file1和file2,其中file2的大小是file1的两倍,且其中的内容也是file1中内容的两份拷贝,并且令file1和file2均刚刚占满整数个数据块。假设file1传输时间为time1,file2传输时间为time2,两个文件的传输过程中,time2只比time1多了一部分无需延迟的file1文件的数据传输时间。则单次测得的传输延迟为:
T=2*time1-time2 (3)
为了保证结果的准确性,在复制文件时,复制程序中有限速项,确保在传输这两个文件时,实际传输过程中的传输速度是一致的。
6、数字信号处理性能测试方法。
传感器分系统需要对大量的连续模拟信号进行测量或滤波,即数字信号处理。首先通过模数转换器将信号从模拟域转换至数字域,交由数字信号处理器进行处理,之后其输出结果通过数模转换器从数字域转换至模拟域。本方法通过选取以下几种飞控嵌入式计算机中常用到的数字信号处理算法来对数字信号处理器的性能进行测评:sinc插值运算、递归滤波运算、离散余弦变换运算、快速傅里叶变换运算。
7、飞控信号处理性能测试方法。
飞控嵌入式计算机中,在进行信号采集时,涉及到很多信号处理。另外,根据典型软件组成及其容量比例可知,测试与表决软件占飞控嵌入式计算机中总软件存储需求的20%,可见,信号处理相关性能指标在飞控计算机中的重要性。本方法主要根据数字量和离散量的信号监控来进行信号处理相关性能的测评。
分别选取数字量和离散量信号监控平均时间作为信号监控相关性能指标。根据数字量和离散量信号监控算法,对信号进行监控所需要的时间取决于有效信号的个数。必须在大量测试的基础上,根据有效信号个数来计算信号监控平均时间。
数字量信号监控的处理过程中,共有7种情况的出现,在飞控嵌入式计算机运行过程中,这7种情况分别对应各自出现的概率:P1、P2、P3、P4、P5、P6、P7。各种情况下所需要的数字量信号监控时间不一致。
数字量信号监控平均时间
Time1=∑(Pi*timei/m),i∈[1,7](4)
离散量信号监控平均时间测试方法与上述测试方法类似。离散量信号监控的处理过程中,共有6种情况的出现,在飞控嵌入式计算机运行过程中,这6种情况分别对应各自出现的概率:Q1、Q2、Q3、Q4、Q5、Q6。各种情况下所需要的离散量信号监控时间不一致。
离散量信号监控平均时间
Time2=∑(Qk*timek/n),k∈[1,6](5)
8、控制/显示相关性能测试方法。
在飞控嵌入式计算机中,要显示和控制飞行姿态,必须选用具备3D显示性能的显卡,因此,本文选用三角形填充速率性能指标。本方法采用的三角形填充率测评算法是通过在绘图窗口中绘制图形,并使用三角形填充图形,根据需要的填充三角形数量和绘图所用时间计算填充速率。用函数绘制一个长矩形条,矩形条按照设定角度进行旋转;用单位三角形去填充长矩形条,从而获得单位时间填充的三角形生成数量,而每个三角形所占用的像素大小已知,得到飞控嵌入式计算机系统的像素填充率。显存带宽指显示芯片与显存之间的数据传输速率,最基本的单位是字节/秒。飞控嵌入式计算机的控制/显示分系统中,显存带宽直接决定了人机交互界面中机器对人反馈信息以及该分系统与存储器之间数据交换的速度。我们将显存带宽性能指标进一步划分为显存读速度指标与显存写速度指标。颜色空间也称彩色模型,它的用途是在某些标准下用通常可接受的方式对颜色加以说明,实际应用中,大多数彩色模型都是面向硬件或面向应用的。从提出颜色空间的概念到有上百种不同的彩色模型,其中的大多数专用于某一领域。本方法将RGB颜色空间的数据转换为彩印使用的CMY(K)颜色空间、XYZ颜色空间和HSL颜色空间的数据,统计上述转换过程所需时间来评价嵌入式计算机的图像颜色空间转换性能。图像旋转一般以其中心为原点进行旋转,即将所有像素点旋转相等的角度。因此,旋转过程中,随着所有像素点位置的变化,图像的大小、长宽等也会发生相应变化,假设原图像中某像素点坐标为(x0,y0),经过旋转之后,该像素点坐标变为(x1,y1),同时设原图像中,该像素点与原点之间连线与水平轴的夹角为b,图像旋转角度为a,则该像素点的新位置坐标为
x1=d cos(b-a)=d cos b cos a+d sin b sin a=x0 cos a+y0 sin a (6)
y1=d sin(b-a)=d sin b cos a-d cos b sin a=-x0 sin a+y0 cos a (7)
结合上述公式,通过对某标准bmp图像进行旋转,可得图像旋转变换性能指标。
9、综合评价方法。
综合评价模块主要通过综合评价体系对飞控嵌入式计算机性能进行整体评价。其核心为两部分,分别是二次评价权重分配法和限界极差变换法。
1)二次评价权重分配法。首先n位专家针对各个性能模块:CPU模块、控制/显示分系统模块、DSP模块、存储器模块、I/O模块、应用与逻辑运算模块、同步处理模块、信号处理模块等8个模块在互不干扰的前提下,以100为总权重,分别给出8个模块在系统中占据的指标权重值,即每位专家给出的权重值相加,值为100。例如第i位专家可以给出这样的评估数组:
(Ai,Bi,Ci,Di,Ei,Fi,Gi,Hi)=(20,16,8,11,8,11,11,15)
所有专家对各性能模块进行评估之后,对所有性能模块进行如下处理:从第j个性能模块对应的n位专家给出的n个评估值中剔除掉最小值与最大值,将剩下的n-2个评估值的期望值作为该性能模块的待定权重值。
得到所有模块的待定权重值之后,无法确保各性能模块的待定权重值相加之后值为100,因此需要对各模块的待定权重值进行规范化。规范化是通过各性能模块与总权重值之间的等比例转化完成的,假设第j个性能模块的待定权重值为Wj,各个性能模块的待定权重值之和为Wsum,则在确保二者之间比值不变的前提下,将Wsum转换到100,得到的新的权重值即为该模块的最终权重值。求得第j个性能模块中所有性能权重值之和,即该模块的最终权重值。
确定每个模块的最终权重值之后,需要确定各模块内部各个性能指标的权重。采用的方法与上述过程类似:每个专家针对每个模块的各个性能在互不干扰的前提下进行评估,且各专家对单个模块内所有性能给出的权重评估值之和为1。例如,第i个专家对某个具有三个性能指标的模块的权重评估值为
(ai,bi,ci,)=(0.5,0.2,0.3)
接着从n位专家对某性能指标做出的权重评估值数组中,剔除最小值和最大值,剩下n-2个权重评估值的期望值即为该性能指标在该模块内部的权重值wj
其中,表示第i位专家给出的第j个性能指标在其所在模块内部所占的权重评估值。在飞控嵌入式计算机系统中,第i个模块的第j个性能指标在整体系统中的最终权重值hij可由wj和Hi相乘得到。
hij=wj×Hi (11)
2)在对各性能指标分配权重之后,各性能指标单位不统一,无法直接对飞控嵌入式计算机系统进行综合评价。需要进行指标无量纲化,把所有性能指标值规划到0到1之间。本方法通过n位专家根据历史经验对各性能指标的最优值做出的评估值,构建决策矩阵,这样各性能模块中每一个性能指标均对应一个具有n个元素的一位数组。假设第i个模块中第j个性能对应的数组表示为Mij[n]。针对该数组,剔除掉最小值Mij[0]和最大值Mij[n-1]之后,剩余的值的期望值即为该性能的最优参考值。针对n-2个评估值,采用限界极差变换法对该指标进行指标无量纲化。
对于正向指标,实际测量值x'ij越大,经过极差变换法进行初步指标无量纲化之后,其值newij越接近1。另外,本方法规定如果正向指标的实际测量值大于或者等于其最期望,则需要对该值进行二次指标无量纲化,经过指标无量纲化之后,其值newij为1。关于正向指标,其总的指标无量纲化为
对于逆向指标,实际测量值xij越小,经过极差变换法进行初步指标无量纲化之后,其值newij越接近1。另外,本文中规定如果逆向指标的实际测量值小于或者等于其期望值,则需要对该值进行二次指标无量纲化,使其值为1。关于逆向指标,其总的指标无量纲化过程为
3)对各模块中各性能指标进行多次测试,取均值,之后对其无量纲化。最终将各性能指标进行指标无量纲化之后得到的值newij与该指标对应的权重值hij相乘得到的结果相加,即为单次对飞控嵌入式计算机进行综合评价所得结果Score为

Claims (1)

1.一种飞控嵌入式计算机性能测评方法,其特征在于包括以下步骤:
步骤一、针对处理器性能指标,测试CPU的MIPS和MFLOPS值;
MIPS=Num1/time (1)
MFLOPS=Num2/(time2-time1) (2)
式中,MIPS表示每秒处理的百万级的机器语言指令数,Num1表示测试程序执行指令数,time表示MIPS测试程序函数体执行时间;MFLOPS表示每秒百万个浮点操作,Num2表示测试程序浮点指令执行数,(time2-time1)表示测试程序执行时间;
步骤二、进行I/O性能测试,通过改变文件的大小和数量,测试数据的传输读/写速率以及读/写传输延迟;
步骤三、进行包括紧密同步、帧同步以及异步运行三种方式的同步性能测试,将整个任务周期开始时需要进行的同步处理过程整体时间作为一个性能指标,其值为:任务周期同步平均时间=两次握手同步平均时间+失步概率*失步处理平均时间;
步骤四、应用与逻辑运算性能测试,包括插值计算和矩阵运算;插值计算分为线性内插和非线性内插,矩阵运算分为初始化、矩阵乘法、矩阵的转置和矩阵相加减;
步骤五、存储器性能测试包括速率测试和传输时延测试;在测试时分别传输大文件和小文件,并且分别设置不同的数据块大小进行测试;传输时延测试采用两次传输时间差的方法:
T=2*time1-time2 (3)
式中,T表示存储器传输时延,time1为file1传输时间,time2为file2传输时间,其中file2的大小是file1的两倍,且其中的内容也是file1中内容的两份拷贝,并且令file1和file2均刚刚占满整个数据块;
步骤六、进行数字信号处理,首先通过模数转换器将信号从模拟域转换至数字域,交由数字信号处理器进行处理,之后其输出结果通过数模转换器从数字域转换至模拟域;选取以下数字信号处理算法对数字信号处理器的性能进行测评:sinc插值运算、递归滤波运算、离散余弦变换运算和快速傅里叶变换运算;
步骤七、飞控系统信号处理,包括数字量和离散量的信号监控;计算数字量信号监控平均时间:
Time1=∑(Pi*timei/m),i∈[1,7] (4)
及离散量信号监控平均时间:
Time2=∑(Qk*timek/n),k∈[1,6] (5)
式中,Time1表示数字量信号监控平均时间,Pi表示7种类别的输入信号分别对应的出现概率,m=7表示数字量信号监控处理有7个类别;Time2表示离散量信号监控平均时间,Qk表示6种类别的离散量输入信号分别对应的出现概率,n=6表示离散量信号监控处理中的6个类别;
步骤八、进行飞控嵌入式计算机控制/显示相关性能测试,包括三角形填充率、像素填充率、显存读速度/写速度、颜色空间变换、图像旋转变换5个测试项;使用三角形填充图形,根据需要的填充三角形数量和绘图所用时间计算填充速率;利用函数绘制一个长矩形条,矩形条按照设定角度进行旋转;用单位三角形去填充长矩形条,从而获得单位时间填充的三角形生成数量,而每个三角形所占用的像素大小已知,得到飞控嵌入式计算机系统的像素填充率;接着测试显存的读速度和写速度;将RGB颜色空间的数据转换为彩印使用的CMYK颜色空间、XYZ颜色空间和HSL颜色空间,计算得到色彩空间变换时间;计算图像中各个像素点旋转后坐标,通过这种方法对标准bmp图像进行旋转,得到旋转一次的时间
x1=dcos(b-a)=dcosbcosa+dsinbsina=x0cosa+y0sina (6)
y1=dsin(b-a)=dsinbcosa-dcosbsina=-x0sina+y0cosa (7)
式中,(x0,y0)为像素点原始坐标,(x1,y1)为像素点旋转后坐标,该像素点与原点之间连线与水平轴的夹角为b,图像旋转角度为a,d表示该像素点距离图像中心的距离;
步骤九、将步骤一至步骤八得到的测试结果放入综合评价体系中并应用限界极差变换法;权重总和为100,从第j个性能模块对应的n位专家给出的n个评估值中剔除掉最小值与最大值,将剩下的n-2个评估值的期望值作为该性能模块的待定权重Wj值为:
以及各性能模块所有性能权重值之和Hj为:
接着从n位专家对某性能指标做出的权重评估值数组中,剔除最小值和最大值,剩下n-2个权重评估值的期望值即为该性能指标在该模块内部的权重值wj为:
在整个飞控嵌入式系统中,第i个模块的第j个性能指标在整体系统中的最终权重值hij可由wj和Hi相乘得到:
hij=wj×Hi (11)
式中,Xj表示所有专家针对第j个性能模块进行评估的评估值构成的已从小到大排序的数组,由于最小值Xj[0]与最大值Xj[n-1]已经被剔除,因此只需通过剩余n-2个评估值求得第j个性能模块的待定权重值;第j个性能模块的待定权重值为Wj;接着从n位专家对某性能指标做出的权重评估值数组中,剔除最小值和最大值,剩下n-2个权重评估值的期望值即为该性能指标在该模块内部的权重值wj,xj[i]表示第i位专家给出的第j个性能指标在其所在模块内部所占的权重评估值;
步骤十、根据得到的权重,通过限界极差变换法进行无量纲化;关于正向指标,其无量纲化过程为
以及负向指标,其无量纲化过程为:
通过newij和hij相乘得到飞控嵌入式计算机进行综合评价所得结果Score:
式中,numi表示第i个模块中的性能指标的个数,newij表示第i个模块中第j个性能指标经测试之后,再经过指标无量纲化转换成的测量值,hij表示第i个模块中第j个性能指标在系统中占据的权重值。
CN201611230312.7A 2016-12-28 2016-12-28 飞控嵌入式计算机性能测评方法 Active CN106648941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611230312.7A CN106648941B (zh) 2016-12-28 2016-12-28 飞控嵌入式计算机性能测评方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611230312.7A CN106648941B (zh) 2016-12-28 2016-12-28 飞控嵌入式计算机性能测评方法

Publications (2)

Publication Number Publication Date
CN106648941A CN106648941A (zh) 2017-05-10
CN106648941B true CN106648941B (zh) 2019-09-24

Family

ID=58832781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611230312.7A Active CN106648941B (zh) 2016-12-28 2016-12-28 飞控嵌入式计算机性能测评方法

Country Status (1)

Country Link
CN (1) CN106648941B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110321272B (zh) * 2019-06-24 2023-01-06 西北工业大学 一种高安全高可靠民机飞控计算机性能评测方法
CN112198887B (zh) * 2019-12-31 2022-04-01 北京理工大学 一种多旋翼无人机机载计算机性能评估系统方法
CN115858380A (zh) * 2022-03-07 2023-03-28 乐鑫信息科技(上海)股份有限公司 使用网页浏览器评估嵌入式项目的方法、系统以及开发机

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810050A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 基于ahp的灰局势决策的嵌入式计算机性能评价方法
CN103810082A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 多属性群决策专家权重调整的嵌入式计算机性能评价算法
CN105573898A (zh) * 2015-12-11 2016-05-11 中国航空工业集团公司西安航空计算技术研究所 一种机载计算机综合性能自动测评方法
CN105740126A (zh) * 2016-03-08 2016-07-06 西北工业大学 基于五种能力的嵌入式系统性能评价方法
CN105760285A (zh) * 2016-02-02 2016-07-13 中国航天科技集团公司第九研究院第七七研究所 一种典型的嵌入式计算机体系结构效能评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6768968B2 (en) * 2002-04-18 2004-07-27 International Business Machines Corporation Method and system of an integrated simulation tool using business patterns and scripts

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810050A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 基于ahp的灰局势决策的嵌入式计算机性能评价方法
CN103810082A (zh) * 2012-11-06 2014-05-21 西安元朔科技有限公司 多属性群决策专家权重调整的嵌入式计算机性能评价算法
CN105573898A (zh) * 2015-12-11 2016-05-11 中国航空工业集团公司西安航空计算技术研究所 一种机载计算机综合性能自动测评方法
CN105760285A (zh) * 2016-02-02 2016-07-13 中国航天科技集团公司第九研究院第七七研究所 一种典型的嵌入式计算机体系结构效能评价方法
CN105740126A (zh) * 2016-03-08 2016-07-06 西北工业大学 基于五种能力的嵌入式系统性能评价方法

Also Published As

Publication number Publication date
CN106648941A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106648941B (zh) 飞控嵌入式计算机性能测评方法
JP5788344B2 (ja) プログラム、分析方法、および情報処理装置
CN102063330B (zh) 一种大规模并行程序性能数据采集方法
CN110764714B (zh) 一种数据处理方法、装置、设备及可读存储介质
Zhao et al. Recursive nonparametric identification of nonlinear systems with adaptive binary sensors
Inoue et al. Bivariate change-point modeling for software reliability assessment with uncertainty of testing-environment factor
CN102375721A (zh) 一种矩阵乘法运算方法、图形处理器和电子设备
CN115686828A (zh) 一种混合云环境中微服务工作负载扩缩容方法及其系统
CN108694472B (zh) 预测误差极值分析方法、装置、计算机设备和存储介质
CN113465734B (zh) 一种结构振动的实时估计方法
CN106597095B (zh) 一种双cpu等间隔采样的频率跟踪实现方法
WO2012093469A1 (ja) 性能評価装置及び性能評価方法
WO2009086326A1 (en) Evaluating and predicting computer system performance using kneepoint analysis
Marques et al. Efficient quadrature rules for illumination integrals: From quasi Monte Carlo to Bayesian Monte Carlo
JP5277781B2 (ja) 消費電力見積プログラム、該プログラムを記録したコンピュータに読み取り可能な記録媒体、消費電力見積装置、および消費電力見積方法
CN114491699A (zh) 基于拓展区间数的三维cad软件易用性量化方法及装置
Munson A functional approach to software reliability modeling
Kaur et al. Comparative analysis of the software effort estimation models
Han et al. Virtual Machine Allocation Strategy Based on Statistical Machine Learning
CN117560110B (zh) 一种用于高访问请求下的ntp授时方法及系统
CN114693002B (zh) 潮位预测方法、装置、电子设备及计算机存储介质
Li et al. An exploration of the uncertainty relation satisfied by BP network learning ability and generalization ability
Henning Scalability benchmarking of cloud-native applications applied to event-driven microservices
Raffeiner et al. Precise Energy Consumption Measurements of Heterogeneous Artificial Intelligence Workloads
CN116737400B (zh) 一种队列数据处理方法、装置及相关设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant