基于OpTiMSoC的超高清HEVC视频实时解码众核处理器设计

来源 :山东科技大学 | 被引量 : 0次 | 上传用户:mengwb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
HEVC(High Efficiency Video Coding,高效视频编码)是当前最热门的视频编码标准,以上一代编码标准H.264为基础。在保持相同视频图像质量的条件下,将视频流的码率降低50%。但是HEVC的计算复杂度提升约2-4倍。多核处理器的研究起源于20世纪九十年代,历经二十余年的发展,多核处理器已经步入大规模应用阶段,并逐渐向众核阶段过渡。在不久的将来,众核处理器取代多核处理器将是必然趋势。OpTiMSoC(Open Tiled Manycore System-on-Chip,开放平铺式众核片上系统)是一个基于库的平台架构,允许用户面向不同应用,按照自己的需求构建专用众核处理器,为众核处理器设计研究提供了良好平台。本文重点研究HEVC解码过程中各模块计算复杂度,分析解码性能瓶颈,以此为依据利用OpTiMSoC平台构建专用众核处理器,使用多种测试序列进行仿真解码测试,并与单核处理器仿真解码性能、所设计的众核处理器适配到DE3开发板众核解码性能进行对比,从而对所设计的众核处理器性能进行了验证。具体研究内容如下:(1)对HEVC编码标准的编码关键技术及解码流程进行研究,通过多种测试序列的解码,分析各模块解码计算量比重,得出解码性能瓶颈所在,为后续专用众核处理器的设计提供依据。(2)利用OpTiMSoC平台构建8×8结构的众核处理器,并采用基于蒙特卡洛方法的积分算法对所设计的众核处理器进行测试,测试结果表明构建的众核处理器结构完整、功能正确,与单核处理器相比具有一定的加速效果。(3)使用多种测试序列在基于OpTiMSoC平台的众核处理器进行众核仿真解码,并将众核处理器适配到硬件平台DE3开发板进行众核解码,与HEVC官方测试模型HM16.5仿真解码性能对比,得出两组加速比例。经过实际验证,所设计的众核处理器的对多种测试序列的仿真解码加速比均可达到20以上,验证了所设计的众核处理器的优良性能。
其他文献
随着GPU等硬件设备的发展和大型标注数据集的公开,深度学习在计算机视觉领域展现了突出的性能。通过层层堆叠神经元,深度学习构建包含大量可训练参数的深度神经网络模型,并利
注意的空间-数字联合效应(Attention Spatial-Numerical Association of Response Codes Effect,简称注意SNARC效应)是指个体对数字进行较浅的知觉加工时,也能够自动激活相应的空间表征。注意SNARC效应具体表现为当小数作为线索时,被试对左侧目标的反应更快;当大数作为线索时,被试对右侧目标的反应更快。近年来,注意SNARC效应受到越来越多
手指动作识别是实现基于手势的人机交互的关键技术之一,目前主要有两类识别方法,其一是基于视觉传感器的手指动作识别,另一种则是基于运动传感器的手指动作识别。这两种方法
高精度二维角度传感器是三坐标测量机(CMMs)、探头、原子力显微镜和精密加工等仪器的重要组成部分,其测量稳定性是仪器测量精度的重要一环。环境中存在的温度、振动等干扰因
在商品检测与识别任务中,数据的采集与标注非常耗时耗力。商品种类繁多、新旧商品的不断更新换代、不同商品间差异性参差不齐,以及拍摄角度、光照、遮挡等各种不确定性因素的
基于IP网络技术,由电池供电,资源严格受限且要求低功耗的无线嵌入式设备是物联网发展的趋势之一。这些无线嵌入式设备采用分布式的方式大量部署,组成无线传感网络(WSN)。目前
由于相机的光学镜头景深往往有限,导致使用这些设备采集的图像无法对场景中所有物体做到清晰成像。为了获取整个场景中对每个物体都清晰成像的全聚焦图像,多聚焦图像融合是一种常用技术。它通过融合同一场景中两幅或多幅部分聚焦图像,来生成一幅全聚焦图像。该任务的核心是源图像间聚焦区域的精确检测。为此,本文基于深度神经网络,对多聚焦图像融合问题进行了深入研究。在此基础上,提出两种新算法。论文主要工作如下:首先,针
在工业生产中,数控机床处在生产线的关键位置,其正常、高效的加工是生产线正常运行的重要保证。数控机床的精度,决定了产品的精度。热误差极大地影响了机床的精度,占据机床总
在MBR(膜生物反应器)系统处理污水时,膜污染现象不仅会缩短膜组件的使用寿命,同时会增加系统的运行费用。而污泥产量和系统产水量是衡量MBR膜污染的重要参数,本文通过建立智
大量的研究表明,代码坏味道的存在对于软件质量有极大的影响,甚至会导致软件系统失败。所以,如何发现代码中的坏味道吸引了大量研究者和实践者的注意力,成为软件工程的研究热点之一。研究者们已提出了一系列代码坏味道检测方法,但这些方法仅仅基于从源代码中所提取的静态结构化信息。本文观察发现,有一些代码坏味道具有能够从软件演化的变更历史特征来进行检测的特性;还有一些代码坏味道,在以往使用的是代码结构信息进行静态