Provas de Agregação

12 dezembro 2012, 17:27 - Lucília Abreu

Candidato : Professor Doutor José Carlos Alves Pereira Monteiro

Relatório da Unidade Curricular: “Arquitectura de Computadores”

Sumário da Lição: “Optimização de Circuitos para Processamento Digital de Sinais”

Local da Prova : Anfiteatro PA-3 (Piso -1 do Pavilhão de Matemática do IST)

Data: 13/12/2012 e 14/12/2012, Hora: 14h00

Resumo: As necessidades de processamento digital de sinais (DSP, do inglês, Digital Signal Processing) em sistemas electrónicos tem crescido significamente, nomeadamente com o aumento da sofisticação das interfaces multimedia e com a digitalização das telecomunicações. Em muitos casos, o nível de desempenho exigido só é possível pela implementação deste processamento em hardware dedicado. Esta é também a forma preferida em sistemas portáteis devido a ser a implementação mais eficiente em termos de consumo.
Em muitas das operações em processamento digital de sinal um sinal à entrada é multiplicado por um conjunto de coeficientes fixos, uma operação conhecida pela sigla MCM (do inglês, Multiple Constant Multiplication. Um exemplo paradigmático são os filtros digitais com resposta finita a um impulso (designados por FIR, do inglês, Finite Impulse Response), elemento básico desses sistemas.
Quando um dos operandos é constante e conhecido, é possível uma grande simplificação do multiplicador, que pode ser reduzido a um conjunto de operações de soma e deslocamento. Quando um mesmo valor necessita ser multiplicado por um conjunto de coeficientes constantes, reduções significativas de hardware, e, consequentemente, de energia consumida,  podem ser obtidas através da partilha de termos parciais entre o conjunto de multiplicações.
Nesta lição, será apresentada e discutida uma técnica para a maximização da partilha dos termos parciais, levando assim a uma implementação óptima das arquitecturas MCM. Serão abordados conceitos como diferentes códigos para representar valores numéricos, mapeamento deste problema de optimização para uma rede Booleana, e sua conversão para um problema de programação linear inteira. Será também discutido como definir funções de custo para se conseguirem diferentes objectivos de optimização, nomeadamente, área, desempenho ou consumo de energia. Embora este problema tenha sido provado ser NP-difícil,  muitas instâncias práticas têm uma dimensão que permite obter a solução exacta pelos resolvedores de problemas de satisfabilidade  (SAT).