System-level approaches for fixed-point refinement of signal processing algorithms - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2012

System-level approaches for fixed-point refinement of signal processing algorithms

Optimisations de niveau système pour les algorithmes de traitement du signal utilisant l'arithmétique virgule fixe

Résumé

The fixed-point refinement problem is a combinatorial optimization problem whose search space grows exponentially. It is known to be NP-hard in complexity. Scalability issues involved in performing fixed-point refinement are the central theme of this thesis. A divide-and-conquer technique, where a given system is decimated to smaller sub-systems organized in a hierarchy is at the heart of this approach. This paves way for fast accuracy evaluation and the proposed hierarchical word-length optimization problem. Due to the reduction in number of variables, the convergence of hierarchical optimization problem to a solution is much faster than in the classical case. The single noise source (SNS) model has been proposed to study the quantization error statistics. Instead of just focusing on the average noise-power and mean of the errors due to quantization, it also provides analytical formulae for deriving statistical parameters of the random process generating quantization errors due to fixed-point simulation. In the presence of un-smooth operations such as QAM-slicing, Min() or Max() etc., it is inevitable to use fixed-point simulation. A technique for analytical evaluation of quantization error statistics in the presence of un-smooth quantizers applicable for feed-forward networks is also proposed. In order to address systems with feedback involving un-smooth operations, a hybrid technique that makes use of the SNS model to accelerate fixed-point simulation is proposed. A convex-optimization framework is proposed as an improved heuristic to solve the word-length optimization problem. This not only improves the quality of the solution but also solves the problem much faster than classical iterative approaches. Application of the proposed techniques has resulted in improved reduction in system costs even and a reduction of several orders of magnitude in the over all time required for fixed-point refinement.
Le problème de l'optimisation des systèmes utilisant l'arithmétique virgule fixe est un problème d'optimisation combinatoire de complexité NP-difficile. Savoir analyser et optimiser des applications complexes et de taille réelle est le thème central de cette thèse. Une technique de type diviser-pour-régner, où un système donné est décomposé en plusieurs petits sous-systèmes organisés selon une hiérarchie est au cœur de cette approche. Cette décomposition ouvre la voie à l'évaluation rapide de la précision et au problème d'optimisation hiérarchique de la largeur des données et des opérations du système. En raison de la réduction du nombre de variables, la convergence du problème d'optimisation hiérarchique vers une solution est beaucoup plus rapide que dans le cas classique. Le modèle "Single Noise Source" (SNS) est proposé pour étudier les statistiques des erreurs de quantification. Au lieu de simplement se concentrer sur la moyenne et la variance du bruit des erreurs dues à la quantification, il fournit également des formules analytiques pour dériver les paramètres statistiques des processus aléatoires produisant les erreurs de quantification équivalentes à une simulation en virgule fixe. En présence des opérations " non-lisses " (un- smooth) telles que la décision dans les modulations QAM, les fonctions Min() ou Max(), etc., il est pour l'instant inévitable d'utiliser la simulation en virgule fixe. Une technique pour l'évaluation analytique des statistiques des erreurs de quantification en présence d'opérateurs non-lisses dans les graphes ne contenant pas de rebouclage est également proposée. Afin de tenir compte également des systèmes ayant des rebouclages, une technique hybride qui utilise le modèle SNS pour accélérer les simulations en virgule fixe est de plus proposée. Un cadre d'utilisation de l'optimisation convexe est proposé comme heuristique pour résoudre le problème d'optimisation des largeurs. Cette nouvelle technique améliore non seulement la qualité de la solution, mais permet de résoudre le problème plus rapidement que les approches itératives classiques. L'application des techniques proposées permet non seulement de réduire les coûts du système mais aussi une réduction de plusieurs ordres de grandeur dans le temps nécessaire pour optimiser les systèmes utilisant l'arithmétique virgule fixe.
Fichier principal
Vignette du fichier
Thesis_KarthickParashar.pdf (3.3 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00783806 , version 1 (01-02-2013)

Identifiants

  • HAL Id : tel-00783806 , version 1

Citer

Karthick Parashar. System-level approaches for fixed-point refinement of signal processing algorithms. Signal and Image processing. Université Rennes 1, 2012. English. ⟨NNT : ⟩. ⟨tel-00783806⟩
369 Consultations
1461 Téléchargements

Partager

Gmail Facebook X LinkedIn More