本文對多媒體中視頻應用的編碼特征以及負載特性進行分析，從系統設計及優化的層次，將功率管理模塊嵌入至多媒體SOC系統中。同時，將系統的運行狀態按不同的IP配置情況組合成一系列微狀態，在前人所做工作的基礎上，利用F-ARIMA模型預測負載，同時利用多媒體應用中衡量服務質量的重要指標——最后期限缺失率(deadline miss rate，DMR)作為反饋控制信息，兩者相結合的方式，實時調整多媒體SOC系統的運行狀態，實現移動多媒體SOC設計過程中的功耗優化。

在SOC設計中，設計者大量重用現有經過驗證的成熟IP核，對于設計一個復雜系統并保證其上市時間的意義重大。如何找到能量效率和服務質量之間的平衡點，已成為當前SOC系統設計中的一個熱點問題。當前，很多專業的IP供應商提供了大量可供設計者選用的IP核，設計者們需要根據應用需求，選出合適的IP核，并確定每種IP核對應的配置。對于移動多媒體SOC的設計，為了實現系統級的優化，SOC系統設計者的核心目標之一即是在保證多媒體服務質量的同時使得系統代價(芯片面積和功耗)最小化。

1? 常用視頻編碼標準以及負載分析

在所有的視頻壓縮算法中，MPEG-x和H．26y標準正逐漸占據主導地位。這些視頻壓縮算法，帶來更高傳輸效率的同時，也帶來了終端更大的運算量。根據多媒體應用的特征及其編碼標準，不難發現，并非所有多媒體視頻幀所需要的解碼時間都是一致的。以MPEG標準壓縮的幀為例，其總共由三種類型的幀構成，分別為：內部幀(intra)，雙向幀(bidirectional)和可預測幀(predictive)。這三種不同類型的幀，具有不同的解碼復雜度。即使是同一種類型的幀內部，其解碼復雜度也有較大差異。顯而易見，將所有的解碼任務的實時性約束都設置為同一個標準將會導致系統始終工作于最差分支下，從而付出不必要的功耗開銷。

目前，在多媒體SOC設計過程中，針對其重要的視頻應用的負載特性進行功耗優化是一個非常熱點的研究問題。常見的低功耗設計技巧主要有動態電壓調整(dynamic voltage scale，DVS)和動態功率管理(dynamic power management，DPM)技術。在DVS技術中，在保證服務質量的同時，讓不同計算量的任務運行在不同的工作電壓和頻率；而DPM技術則在運行過程中，動態關閉系統某些空閑模塊。在眾多針對多媒體應用進行低功耗設計的研究中，其主要思路可分為兩類。一種是將多媒體應用的負載當作一個隨機過程，然后采用馬爾可夫或者半馬爾可夫模型預測負載，再根據預測結果調整當前系統運行狀態。如在文獻[4]中，提出了一種基于回歸方程的方式，通過系統當前“工作”和“空閑”時間預測即將到來的“工作”和“空閑”時間。文獻[5]中分別利用離散馬爾可夫時間序列和連續馬爾可夫序列算法預測系統負載。以上這些方式都有效地降低了系統功耗開銷，但是其最大不足之處在于多媒體應用的編碼方式和內容多種多樣，無法找到一種合適的模型來適應所有多媒體應用。另外一方面，也有研究利用實時反饋控制的方式，來調整當前系統運行狀態的方式來降低多媒體系統的功耗。如文獻[6]，作者提出了一種根據顯示緩存占用率作為反饋控制信息，來降低功耗的方法。

目前，使用最廣泛的視頻壓縮標準為MPEG-x(x=1，2，4)系列和H．26y，(y=1，2，3，4)系列。一般地，視頻編碼器將連續的圖像壓縮成I，B，P三種不同的幀類型。I幀的壓縮率大于P幀，P幀的壓縮率大于B幀。連續的兩個I幀之間的所有幀(不包括后一個I幀)構成一個圖像分組(GOP)。一個GOP由I幀幀間間隔N，以及P幀幀間間隔M兩個參數決定。與此對應，對于解碼器的解碼負載而言則有I>P>B這個規律。

即便采用同一種編碼格式，面向不同的應用場景，多媒體應用的負載情況也有很大區別，下面以H．264．視頻壓縮標準為例，給出一些常見格式的視頻應用的負載情況，見表1。



根據表1的實驗結果，圖l將更形象地描述解碼器的工作過程。從圖1中可以看出，解碼器僅有兩種狀態，即高速工作狀態和空閑狀態。由于解碼器運行狀態下的能量消耗計算方式為



式中：T為工作時間；C是與系統負載電容相關的系數；Vdd和f分別為供電電壓和運行頻率。對于同樣的負載，根據式(1)，很容易推導出，當負載均勻分布于時間間隔T內時，能量效率是最優的。所以，對于面向多媒體應用的SOC低功耗系統級優化而言，其主要思想就是如何根據具體應用的需要，在當前可用的IP及其配置中，尋求一套最優化的組合，使得系統負載能均勻分布在給定的時間約束內。圖2給出的則是設計者進行系統級功耗優化的理想狀態，雖然在實際應用中該狀態永遠無法達到，但是可以在設計過程中無限逼近這一狀態。



2? 系統實現

在多媒體SOC中，為了保證服務質量，系統的設計目標必須是面向最高負載情況。然而在實際運行過程中，視頻解碼器、中央處理器以及一些外設經常處于不活動或者低負載狀態，這無疑白白消耗了一些能量。為解決該問題，EDA公司對Multi-Vt以及Muhi-Vdd等低功耗設計技術提供更有力的支持，IP供應商對同一IP核也提供了豐富配置以滿足不同應用需求，同時Foundry也提供了更豐富的標準單元庫以及工藝。在進行低功耗多媒體SOC設計的過程中，設計者所要做的就是充分利用這些技術優勢，盡可能地去開發可利用的低功耗設計空間。

圖3給出了一個多媒體SOC目標系統的基本架構圖，該系統和當前多媒體SOC系統最大的差異在于增加了一個功率控制模塊(PCM)。該模塊的實現方式可以靈活多樣，對于某些對實時性要求較高的功能塊(如負載預測)，可以采用硬件加速的方式實現。而對于實時性要求不高的功能塊，則可以利用中央處理器的軟件資源來實現。在設計過程中，先將構成系統的各個IP核按其配置和對應的性能，同時結合多媒體SOC的應用需求，組合成一系列的微狀態，然后將這些狀態構成一個查找表，存儲于功率控制模塊。系統在運行過程中，控制模塊會根據當前負載情況，實時調整整個系統的運行狀態，通過配置寄存器的方式，讓系統在各個不同微狀態之間切換，從而盡量使負載能均勻分布于整個運行過程中，達到降低功耗的目的。在功率控制模塊的核心算法中，本文采用了反饋控制和負載預測相結合的方式，以此來彌補彼此的不足之處。對于負載預測而言，預測模型的準確性直接關系到多媒體的服務質量。研究表明，多媒體視頻幀長的統計特征表現出了很強的長相關性(longterm dependency，IRD)，而多媒體SOC的系統負載又和幀長有著直接關系，所以在功率控制模塊中，采用F-ARIMA模型來進行負載預測。該模型是一種典型的自相似模型，能很好地反映時間序列的LRD特性，從而能比較準確地進行多媒體視頻應用的負載預測。而對于反饋控制機制，本文采用了跟視頻服務質量密切相關的最后期限缺失率(DMR)作為反饋標準。具體方法是：首先系統運行于缺省狀態，通常是性能相應功耗都最高的狀態。然后系統根據性能檢測模塊，并從預測模型庫中選擇預測模型對負載進行預測，然后根據預測結果實時調整當前系統的微狀態。當系統性能檢測模塊監測到DMR高于某一預先設定的門限，則系統反饋控制模塊負責調整預測模型的參數或者徹底更新預測模型，直至DMR值低于預先設定的門限值。



3? 結論

本文針對移動多媒體SOC設計中的功耗問題，提出了一種系統級低功耗設計方法。該方法的核心是利用各種IP所提供的配置空間，將多媒體SOC系統細分為不同的微狀態。同時結合傳統的DVS以及DPM思想，利用反饋控制和負載預測相結合的方式，實時調整系統運行過程中的微狀態，從而在保證多媒體服務質量的基礎上，讓系統負載盡可能均勻分布于整個運行期間，達到降低功耗的目的。通過系統級的仿真和評估，該算法相對傳統方法而言，進一步有效地降低了系統功耗，平均約能降低40%左右。同時，由于該方法采用了與服務質量直接相關的DMR作為反饋控制信號，故在降低功耗的同時，能保證多媒體視頻DMR在9%以下，均值在5%以下。