本发明属于片上网络领域，具体涉及一种基于有限数目温度传感器的三维片上网络温度重建系统。
背景技术：
三维片上网络系统相较于二维片上网络系统具有更高的吞吐率，更低的平均延时，但是由于三维芯片堆叠的原因，单位面积上的功耗也更高，从而导致三维片上网络面临着严峻的温度问题。在许多多核或者众核芯片中，温度控制都是设计中需要考虑的问题，而温度传感器是开展温度控制的基础。但是，由于温度传感器带来的成本、面积、功耗等开销，一般而言，一个芯片上可以部署的温度传感器的数目是受限的。
对于一个温度传感器数目受限的系统来说，温度重建技术是必需的，因为它保证了能够根据温度传感器的观测值实时对整个芯片的温度进行重建。温度重建技术应用中存在一个问题，就是温度传感器测量噪声的问题，噪声显然对重建精度有着重要的影响。在实际情况中，温度传感器测量噪声的精度受到诸多因素的影响，比如制程的差异、量化误差、供电电压的波动等等。在已有的文献中，测量噪声通常假设为高斯噪声，这种假设尽管简单但是在大多数情况中会引入不精确性，因为真实的测量噪声很有可能受到异常因素的干扰而呈现非高斯性。因此，对于设计人员而言，在非高斯噪声下如何精确重建温度是一个大的挑战。
技术实现要素：
为了解决上述问题，本发明提供一种非高斯噪声下基于有限数目温度传感器的三维片上网络温度重建架构，该架构可以有效解决温度传感器数目有限且测量噪声为非高斯的情况下，三维片上网络的温度重建问题；本发明另一目的是提供一种高能效的非高斯噪声下基于有限数目温度传感器的三维片上网络温度重建硬件架构，具体由以下技术方案实现：
基于有限数目温度传感器的三维片上网络温度重建系统，所述系统通过高斯和滤波器重建三维片上网络芯片的温度，高斯和滤波器将若干高斯项滤波结果合并成一个等效高斯项，包括三个阶段：预测阶段、更新阶段、权重更新阶段，该系统具体包括如下三个部分：
可重用控制器，配置计算单元之间的互连以及控制高斯和滤波器的进程；
存储资源，由常数存储器和数据存储器组成；
计算单元阵列，由常用浮点运算单元组成，所述运算单元通过交叉开关连接
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，在高斯和滤波器的预测阶段，所述系统根据上一时刻温度状态估计值预测温度并求出对应的误差协方差，计算过程如式(1)：
其中，a,b分别是基于状态空间的三维片上网络热模型的状态转移矩阵和输入矩阵，a(k,k-1)t是a(k,k-1)的转置，w是基于状态空间的热模型中过程噪声的协方差矩阵，u是各节点的功耗，是该模型的输入，
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，在高斯和滤波器的更新阶段，所述系统将一个新的观测值与上一次预测值相结合得到一个改进的后验估计值，计算过程如式(2)：
其中，i是单位矩阵，k(k)是k时刻的卡尔曼增益，s是观测值，h(k)是k时刻的输出矩阵，其非零元素所在位置表示该节点可测，即该点存在温度传感器。
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，在高斯和滤波器的权重更新阶段，所述系统对高斯项的权重ωi进行更新，过程如式(3)：
其中|·|是矩阵的行列式，ai是初始化的权重因子，c(k)是所有高斯项的和，
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，根据式(4)设定任意非高斯分布通过有限个高斯和进行近似，
其中v(k)是k时刻的非高斯分布，n(μi,ri),ai分别是均值为i的、协方差为ri的高斯项以及其对应的权重，其中权重之和为1；
所述系统对每个高斯项展开滤波，并将这l个高斯项滤波结果归并得到状态估计和误差协方差，如式(5)：
psi(k|k-1)＝h(k)p(k|k-1)ht(k)+ri
(5)
其中，ri是高斯项i的测量噪声的协方差，ωi是对应高斯项的权重，
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，所述可重用高斯和滤波器硬件模块对外与动态温度管理控制器、温度传感器和功耗估计器连接。
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，所述可重用高斯和滤波器的常数存储器由4个bank组成，用于存储矩阵参数a,b,h。
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，数据存储器由12个bank组成，存储在计算过程中的中间矩阵、作为输入数据的温度传感器读数和功耗估计值、作为输出数据的温度估计值，存储器bank宽度为32位，存储器bank深度取决于系统的阶数。
所述基于有限数目温度传感器的三维片上网络温度重建系统的进一步设计在于，所述可重用高斯和滤波器的计算单元阵列由常用浮点运算单元组成，包括4个加法器、4个乘法器、1个除法器和1个指数单元，所述4个加法器、4个乘法器、1个除法器和1个指数单元通过交叉开关连接。
本发明的优点为：
1)该架构可以有效解决温度传感器数目有限且测量噪声为非高斯的情况下，三维片上网络的温度重建的问题。
2)本发明述及的可重用高斯和滤波器硬件架构可以提高计算资源和存储资源的利用率，同时减少面积、降低功耗。
综上所述，本发明可以有效地解决非高斯噪声下基于有限数目温度传感器的三维片上网络的温度重建问题，有着良好的实际应用价值。
附图说明
图1是本发明的高斯和滤波器结构示意图。
图2是本发明的高斯和滤波过程及对应计算单元。
图3是本发明的可重用高斯和滤波器硬件架构示意图。
图4是本发明的可重用高斯和滤波器硬件架构中计算单元阵列的内部架构示意图。
具体实施方式
下面结合附图对本发明方案进行详细说明。
本发明的高斯和滤波器结构示意图如图1所示。高斯和滤波器是一个递归的过程，具体可以分为三个阶段：预测阶段、更新阶段、权重更新阶段。图中①、②和③的结构与卡尔曼滤波器的结构完全一样，分别对应预测过程、观测值估计过程和更新过程。图中除①、②和③之外的部分是本发明的高斯和滤波器与卡尔曼滤波器不同的地方，该部分主要是将l个高斯项合并成一个等效高斯项的过程。
本发明的高斯和滤波过程及对应计算单元如图2所示。高斯和滤波过程可以按照数据相关性分为7个步骤(括号内是发明内容中等式的编号)，每一步骤与前面的步骤都存在数据依赖关系，而在同一步骤中各计算式之间则没有数据相关性，因此可以并行处理。图2的右边列出了与图左边计算步骤对应的所需计算单元。可以发现，所有步骤都用到了乘法器和加法器，而除法器在第三步和第六步中用到，因此这些运算单元可以实现计算步骤之间的共享。
进一步的，在高斯和滤波器的预测阶段，该系统根据上一时刻温度状态估计值预测温度并求出对应的误差协方差，计算过程如式(1)：
其中，a,b分别是基于状态空间的三维片上网络热模型的状态转移矩阵和输入矩阵，a(k,k-1)t是a(k,k-1)的转置，w是基于状态空间的热模型中过程噪声的协方差矩阵，u是各节点的功耗，是该模型的输入，
进一步的，在高斯和滤波器的更新阶段，所述系统将一个新的观测值与上一次预测值相结合得到一个改进的后验估计值，计算过程如式(2)：
其中，i是单位矩阵，k(k)是k时刻的卡尔曼增益，s是观测值，h(k)是k时刻的输出矩阵，其非零元素所在位置表示该节点可测，即该点存在温度传感器。
进一步的，在高斯和滤波器的权重更新阶段，所述系统对高斯项的权重ωi进行更新，过程如式(3)：
其中|·|是矩阵的行列式，ai是初始化的权重因子，c(k)是所有高斯项的和，
根据式(4)设定任意非高斯分布通过有限个高斯和进行近似，
其中v(k)是k时刻的非高斯分布，n(μi,ri),ai分别是均值为i的、协方差为ri的高斯项以及其对应的权重，其中权重之和为1；
所述系统对每个高斯项展开滤波，并将这l个高斯项滤波结果归并得到状态估计和误差协方差，如式(5)：
psi(k|k-1)＝h(k)p(k|k-1)ht(k)+ri
(5)
其中，ri是高斯项i的测量噪声的协方差，ωi是对应高斯项的权重，
本发明的可重用高斯和滤波器硬件架构得益于高斯和滤波过程顺序执行的要求以及计算单元可共享的特点。本实施例的可重用高斯和滤波器硬件架构如图3所示，该架构包含以下三个部分：可重用控制器、存储资源、计算单元阵列。可重用高斯和滤波器硬件模块对外与动态温度管理控制器、温度传感器和功耗估计器连接。在芯片运行过程中，当每个温度采样周期开始后，即传感器读数和功耗估计值写入到存储器之后，动态温度管理控制器会发送开始信号给可重用控制器，可重用控制器收到后，进入内部状态机，配置运算单元进行高斯和滤波过程的运算，最终计算得到的温度估计值写入存储器，待计算完成，可重用控制器发送结束信号给动态温度管理控制器，动态温度管理控制器从存储器固定位置读出计算得到的温度估计值。
可重用控制器负责配置计算单元之间的互连以及控制高斯和滤波器的进程，是可重用高斯和滤波器硬件架构的核心。
可重用高斯和滤波器硬件架构的存储资源由常数存储器和数据存储器组成，其中常数存储器由4个bank构成，数据存储器由12个bank构成。可重用高斯和滤波器的常数存储器存储参数矩阵a,b,h，数据存储器存储在计算过程中的中间矩阵、输入数据(温度传感器读数、功耗估计值)和输出数据(温度估计值)。存储器bank宽度为32位，深度取决于系统的阶数。
可重用高斯和滤波器硬件架构的计算单元阵列由一些常用浮点运算单元组成，包括4个加法器、4个乘法器、1个除法器和1个指数单元，这些运算单元通过交叉开关连接。可重用高斯和滤波器的计算单元阵列可根据需要重构成一些复杂的模块，如图4所示是通过交叉开关用乘法器和加法器搭建的一个乘累加模块(mac)，其中交叉开关的连接是由可重用控制器控制的。
为了评估本发明的有益效果，对一规模为4×4×3的三维片上网络系统的温度传感器施加非高斯噪声(等效方差约为16摄氏度)，该非高斯噪声通过高斯噪声和拉普拉斯噪声的加权和构造，并通过调整拉普拉斯噪声在非高斯噪声中所占比重构造与高斯噪声相比具有不同偏离程度的非高斯噪声。在4×4×3的三维片上网络系统中温度传感器的数目少于需要监测的模块数，传感器数目设置为14、15、16和17四种情况。应用本发明架构之后，144个温度重建值与真实值的均方根误差(rmse)和最大误差(maxerror)如
表1所示。本发明与传统的kalman滤波器相比均方根误差下降29.27％～35％，最大误差下降33.26％～40.6％。
表1非高斯噪声下温度重建均方根误差和最大误差
本发明的技术性范围并不局限于说明书上的内容，凡在本发明的精神和原则范围之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。