Parallel Algorithms and Architectures for DSP Applications

در طول چند سال گذشته، تقاضا برای صدای پردازش سیگنال دیجیتال با سرعت بالا (DSP) به طور چشمگیری افزایش یافته است. کاربردهای جدید در پردازش تصویر بلادرنگ، ارتباطات ماهواره‌ای، پردازش سیگنال رادار، تشخیص الگو، و تشخیص و تخمین سیگنال بلادرنگ نیازمند پیشرفت‌های عمده در سطوح مختلف است. الگوریتمی، معماری و پیاده سازی این الزامات عملکرد را می توان با استفاده از پردازش موازی در همه سطوح به دست آورد. فناوری ادغام در مقیاس بسیار بزرگ (VLSI) از موازی سازی پشتیبانی می کند و راه خوبی را فراهم می کند. موازی سازی راهکارهای کارآمدی را برای مشکلات متعددی ارائه می دهد که می توانند در معماری های VLSI DSP ایجاد شوند، مانند: 1. ارتباطات و مسیریابی داده های میانی: چندین الگوریتم DSP، مانند FFT، شامل مسیریابی و مرتب سازی مجدد داده ها هستند. موازی سازی یک مکانیسم کارآمد برای به حداقل رساندن هزینه سیلیکون و سرعت بخشیدن به زمان پردازش مراحل میانی میانی است. 2. برنامه های پیچیده DSP: محاسبات مورد نیاز تقریبا دو برابر شده است. موازی سازی امکان پردازش همزمان دو کانال مشابه را فراهم می کند. ارتباط بین دو کانال باید به حداقل برسد. 3. سیستم های کاربردی کاربردی: این رویکرد نوظهور باید به عملکردی در زمان واقعی به روشی مقرون به صرفه دست یابد. 4. تست پذیری و تحمل خطا: قابلیت اطمینان در اکثر سیستم های DSP به یک ویژگی مورد نیاز تبدیل شده است. برای دستیابی به چنین ویژگی، سربار زمان درگیر قابل توجه است. موازی سازی ممکن است راه حلی برای حفظ عملکرد قابل قبول سرعت باشد.

Over the past few years, the demand for high speed Digital Signal Proces­ sing (DSP) has increased dramatically. New applications in real-time image processing, satellite communications, radar signal processing, pattern recogni­ tion, and real-time signal detection and estimation require major improvements at several levels; algorithmic, architectural, and implementation. These perfor­ mance requirements can be achieved by employing parallel processing at all levels. Very Large Scale Integration (VLSI) technology supports and provides a good avenue for parallelism. Parallelism offers efficient sohitions to several problems which can arise in VLSI DSP architectures such as: 1. Intermediate data communication and routing: several DSP algorithms, such as FFT, involve excessive data routing and reordering. Parallelism is an efficient mechanism to minimize the silicon cost and speed up the pro­ cessing time of the intermediate middle stages. 2. Complex DSP applications: the required computation is almost doubled. Parallelism will allow two similar channels processing at the same time. The communication between the two channels has to be minimized. 3. Applicatilm specific systems: this emerging approach should achieve real-time performance in a cost-effective way. 4. Testability and fault tolerance: reliability has become a required feature in most of DSP systems. To achieve such property, the involved time overhead is significant. Parallelism may be the solution to maintain ac­ ceptable speed performance.