基于PowerPC架构的数字化模型研究与实现

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:tianzhiziyao
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
随着物联网产业的迅速发展,嵌入式系统逐渐成为了当前的最热门的技术之一。而基于应用的So C芯片和嵌入式程序更是嵌入式技术未来发展的重点。嵌入式系统在通信、国防、航空航天、工业控制等方面有着广泛的应用,在这些领域,Power PC嵌入式芯片凭借强大的综合性能表现和开源指令集架构的特点成为了主力。由于高端嵌入式计算机结构复杂且要求较高,其研制过程需要反复研究论证,所以嵌入式软件的开发工作在硬件交付之前都难以展开。再加上实际的Power PC芯片价格高昂,基于真实硬件环境进行开发成本极高。本文针对上述问题,在已有技术研究的基础上,选取当前主流的QEMU虚拟化平台对基于Power PC架构的高性能嵌入式开发板进行了数字化建模与实现。研究Power PC架构下的嵌入式虚拟化技术对实现高端嵌入式芯片的国产化具有重要意义。本文的主要研究工作如下:首先,结合现有的各种虚拟化技术,对当前主流的各虚拟化平台的应用领域及优缺点进行分析,选择QEMU作为本文的虚拟化平台。基于Power PC高性能嵌入式开发板的应用场景和功能,分析了Power PC数字化模型的功能需求和性能需求。在前人研究的基础上,对数字化模型进行模块划分与功能规划,从而完成总体方案和各模块方案的设计。其次,根据需求分析以及设计方案,对整个数字模型的框架进行构建。由于QEMU中基于Power PC架构的嵌入式处理器和指令集并不完善,需要结合QEMU运行机制和Power PC编程框架,对CPU核心结构和Power PC指令集翻译进行建模实现。数字化模型的运行还需要内存设备和中断控制器、定时器、串口等外围设备的支持,按照各模块的设计要求,完成数字化模型所需内存设备与外围设备的虚拟化实现。最后,利用交叉编译工具链构建系统开发及测试环境,依据数字化模型的硬件手册,针对不同的模块采用合适的方法,完成了Power PC数字化模型的处理器、指令集、内存设备以及各个外围设备的功能测试。基于已完成的数字化模型,编写测试用例调用定时器的功能保持指令执行状态,采集模型运行数据完成数字化模型的性能测试。本文最终使用QEMU虚拟化平台实现了基于Power PC架构的高性能嵌入式开发板的数字化模型。经过功能测试和性能测试,数字化模型满足各项功能和性能需求,可以用来进行嵌入式软件的开发。在高端嵌入式系统研发中使用Power PC数字化模型可以使开发人员在缺少真实硬件环境的条件下进行嵌入式软件和硬件的协同开发以及模型验证,大大节省了研发所需时间和成本。并且通过本文中Power PC数字化模型的构建,完善了QEMU中应用于Power PC嵌入式处理器的实现模型。
其他文献
目的:探讨CH25H在结核分枝杆菌(Mycobacterium tuberculosis,Mtb)感染的RAW264.7巨噬细胞中的表达;探讨CH25H对巨噬细胞内及小鼠体内Mtb存活的影响及可能机制。方法:体外实验
随着互联网技术的出现及其飞速发展,极大地改变了人们的生活方式、工作内容和学习途径,并对人们的世界观、人生观和价值观产生了深刻的影响。目前,中国很多高等院校及其研究机构越来越关注互联网的发展对思想政治教育工作产生的影响,并利用网络丰富了高校思想政治教育的内容,更新了教学手段。专科院校思想政治教育是高校思想政治教育的一个重要组成部分,因此必然要关注互联网发展对专科院校思想政治教育工作的影响。所以,加深
遥感影像融合旨在将空间对应的多幅遥感影像进行融合以获得信息更加丰富的高质量遥感影像。其中高光谱影像与多光谱影像由于其信息高度互补,成为遥感影像融合研究的重点对象。近年来高光谱遥感的发展如火如荼,但受制于硬件的限制,高空间分辨率的高光谱影像难以直接获取,因此需要使用软件方法将低空间分辨率的高光谱影像和低光谱分辨率的多光谱影像的信息进行融合,从而得到更加精准的遥感图像。传统的融合方法基于手工设计的数据
学位
学位
城镇化建设是我国发展的一项重大战略任务。推进城镇化建设是“十二五”的主要内容和任务,是全面建设和谐社会的关键举措。小城镇建设作为城镇化的重要组成部分,对于我国城镇
本研究主要通过口头模仿测试以及元语言知识测试两种方法调查和研究显性知识和隐性知识的关系,尤其是二者之间的转换情况。调查对象为福建某高中50名高三学生,调查和研究内容
近年来,深度神经网络在机器翻译、对话系统和文本摘要等文本生成领域取得了重大进展。传统文本生成使用基于序列到序列架构去训练一个端到端模型,但随着预训练模型在自然语言处理中的发展,越来越多的研究者关注使用预训练模型去生成文本。然而,在神经网络对话领域,大部分的模型只在对话历史的条件下生成回复,这使得生成的回复普遍缺乏个性化。针对这样的问题,本文提出了一个基于人物属性个性化对话生成模型,该模型使用包含人
目的:以mPEG-b-PAsp(DA)为载体,以具有近红外荧光成像[1]和光热治疗特性[2]的诊疗分子吲哚菁绿(~800 nm)和化疗药物阿霉素为模型药物,制备具有近红外荧光成像,光热治疗和化学
学位