Сравнительный анализ сложности реализации быстрых цифровых преобразований на RISC-процессорах Текст научной статьи по специальности «Компьютерные и информационные науки»

ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА

УДК 621.391

Е. П. Овсянников, С. Е. Петров, К. В. Юрков

СРАВНИТЕЛЬНЫЙ АНАЛИЗ СЛОЖНОСТИ РЕАЛИЗАЦИИ БЫСТРЫХ ЦИФРОВЫХ ПРЕОБРАЗОВАНИЙ НА RISC-ПРОЦЕССОРАХ

Рассматриваются некоторые известные алгоритмы быстрого преобразования Фурье, перенесенные на RISC-платформу. Показано, что оптимизированный алгоритм radix-2 преобразования Фурье обладает наименьшей вычислительной сложностью, измеренной в процессорных тактах.

Ключевые слова: быстрое преобразование Фурье, RISC-платформа, сложность алгоритма.

Введение. Дискретное преобразование Фурье (ДПФ) — одна из основных операций при цифровой обработке сигналов и в алгоритмах сжатия видео- и аудиоданных. Широко известные методы быстрого преобразования Фурье (БПФ) позволяют существенно снизить сложность вычисления ДПФ. Для задач, связанных с обработкой звука, как правило, используются ДПФ длиной от 64 до 16 384. Цель настоящей статьи — сравнительный анализ вычислительной сложности известных методов БПФ применительно к RISC-платформам.

Исторически сложилось так, что для оценивания сложности различных реализаций БПФ используются так называемые флопы — операции над вещественными числами. Сложность БПФ

для последовательности длиной N = 2m пропорциональна Nlog2 N флопам [1—3]. Разные алгоритмы имеют разные коэффициенты пропорциональности. Самыми быстрыми из известных методов являются алгоритм split-radix БПФ [2], а также его более поздняя модификация [3], число флопов в которой уменьшено приблизительно на 3 % за счет усложнения алгоритма.

С развитием вычислительной техники приобрел актуальность вопрос, насколько корректной в настоящее время является оценка сложности, измеренная во флопах. При появлении первых алгоритмов БПФ выполнение одной операции с вещественными числами занимало в десятки, а то и в сотни раз больше процессорного времени, чем операция с целочисленными данными. Разработка сопроцессоров, выполняющих операции с плавающей точкой за один цикл, привела к тому, что при оценивании сложности алгоритма следует учитывать и такие факторы, как затраты на реализацию циклов и ветвлений, а также время доступа к памяти и т. д.

Особо следует отметить проблему, связанную с переносом алгоритмов на RISC-платформы. Благодаря низкой стоимости, малому энергопотреблению и способности оперировать с 32-разрядными числами они являются основными процессорами в таких портативных устройствах, как мобильные телефоны, коммуникаторы и карманные компьютеры. Перенос алгоритмов на RISC-процессоры подразумевает переход к целочисленным операциям с фиксированной точкой, поскольку эмуляция операций с плавающей точкой приводит к катастрофическому замедлению вычислений. В этих условиях правомерность оценивания сложности во флопах нецелесообразна.

В настоящей статье рассматриваются результаты сравнительного анализа сложности реализации различных алгоритмов БПФ на RISC-процессоре ARM9E. Естественно, для других процессоров статистика может быть иной, но можно ожидать, что общие соотношения сложности алгоритмов сохранятся для всего семейства ARM, а также для близкого к ним по архитектуре семейства MARVEL PXA27x и PXA3xx.

Условия сравнения алгоритмов БПФ. Выберем для сравнения три алгоритма БПФ:

1 — алгоритм radix-2 БПФ с прореживанием по времени [1];

2 — алгоритм split-radix [2];

3 — алгоритм Кули — Тьюки (Cooley — Tukey) radix-O [4].

Алгоритм 1 реализует классическую схему вычислений, пример которой для восьми точек представлен на рисунке. Множители WП являются комплексными числами.

х[0]

х[4]

х[2]

х[6]

х[1] х[5]

х[3] х[7]

W0

wo

wo

, A ,

wo

-I

Алгоритм 2 — нерекурсивная реализация алгоритма, первоначально предложенного в работе [2] в виде рекурсивной функции splitfft:

function yk = 0..N -1 ^ splitfftN (Xn ) :

itfftN/2 (X2n2 )

SplitfftN / 4 (x4n4 +1) SplitfftN / 4 (x4n4 -1)

u

k2 =0..N /2-1 '

k4 = 0..N/ 4-1

k4 = 0..N/ 4-1

for k=0 to N/4 - 1 do

yk ^ uk + (

yk + N / 2 ^ uk + (

Uk + (k + ®Nzk

k)

Uk + [®NZk + ®NZk

k )

yk + N / 4 yk+3N/4

u

■k + N / 4

u

■k + N / 4

k -k ' \

- 1 (°h,zk + " ® N Zk)

, ■ / k -k '

+ 1 [°h,zk + ® N Zk

end for

36

Е. П. Овсянников, С. Е. Петров, К. В. Юрков

_2ni

где ®n = е N — поворачивающий множитель, x_k = Xn_k — способ пересчета отрицательных индексов; в теле функции использованы следующие обозначения индексов: 2»2 — все четные индексы, 4^ — все индексы, кратные 4.

Как показал сравнительный анализ, рекурсивная форма алгоритма split-radix существенно превосходит нерекурсивную форму по быстродействию, притом что количество вещественных операций у них одинаково. Поэтому в дальнейшем будем рассматривать именно нерекурсивную реализацию алгоритма.

Алгоритм 3 является реализацией общей идеи Кули — Тьюки о том, что если длина L преобразования может быть представлена в виде произведения L = MN, то вычисление ДПФ может быть сведено к M преобразованиям длиной N и N преобразованиям длиной M [1, 4]. Суть метода заключается в том, что последовательность представляется в виде прямоугольной матрицы M на N . К каждому столбцу применяется короткое преобразование Фурье длиной N. Затем элементы матрицы умножаются на соответствующие поворачивающие множители, и короткое преобразование Фурье длиной M применяется к каждой строке. В качестве короткого преобразования Фурье используется алгоритм split-radix. По количеству вещественных операций алгоритм 3 должен проигрывать алгоритму 2, но его преимуществом является то, что циклы коротких преобразований могут быть расписаны в виде линейного алгоритма для фиксированного набора длин. В этом случае ожидается выигрыш по быстродействию, во-первых, за счет отказа от организации циклов и, во-вторых, за счет того, что параметры алгоритма будут вычислены на этапе компиляции.

Поскольку в статье рассматриваются преобразования длиной от 64 до 16 384, то для реализации алгоритма 3 потребуется набор коротких преобразований длиной 8, 16, 32, 64 и 128.

Все тестируемые алгоритмы были реализованы в виде вычислений с фиксированной точкой. Точность представления данных и тригонометрических констант была выбрана таким образом, чтобы результат обратного преобразования целочисленных алгоритмов отличался от результата обратного преобразования вещественных алгоритмов не более чем по двум младшим знакам.

В качестве меры сложности тестируемых алгоритмов выбрано количество тактов процессора, затраченных для вычисления преобразования, при условии, что доступ к памяти требует 0 тактов.

Все тестируемые алгоритмы реализованы на языке С и оптимизированы по быстродействию для процессора ARM9E. Оптимизация представляла собой итеративную процедуру, при которой фрагменты функций переписывались, после чего анализировался построенный ассемблерный код. Основная стратегия состояла в том, чтобы минимизировать число переменных, одновременно вовлеченных в вычисления. Это позволяло компилятору расположить данные в регистрах, что обеспечивало наиболее быстрый доступ.

Анализ результатов. Оценим сложность тестируемых алгоритмов. В табл. 1 приведено общее число вещественных операций Ntotal, а также число сложений Nadd и умножений Nmul в зависимости от длины L преобразования. Очевидно, что алгоритм 2 (split-radix БПФ) имеет существенно меньшую сложность, чем алгоритм 1 (radix-2 БПФ), выигрывая до 13 % по общему числу операций и до 30 % по числу умножений. Последнее обстоятельство особенно важно, поскольку, как правило, именно операция умножения является наиболее медленной в RISC-процессорах. Алгоритм 3 (radix-N БПФ) уступает менее 1 % алгоритму 2, при этом предполагается, что вычисления коротких БПФ для него будут выполнены в виде

линейного алгоритма с заранее вычисленными его параметрами. Таким образом, алгоритм 3 можно априори считать наиболее предпочтительным среди тестируемых алгоритмов БПФ.

Таблица 1

L Алгоритм 1 Алгоритм 2 Алгоритм 3

^add Nmul N 1 v total Nadd Nmui N 1 v total Nadd Nmul N 1 v total

64 844 344 1188 912 248 1160 930 260 1190

128 2060 920 2980 2164 660 2824 2194 676 2870

256 4876 2328 7204 5008 1656 6664 5058 1668 6726

512 11276 5656 16932 11380 3988 15368 11490 3972 15462

1024 25612 13336 38968 25488 9336 34824 25730 9220 34950

2048 57356 30744 88100 56436 21396 77832 56898 21124 78022

4096 126988 69656 196644 123792 48248 172040 124674 47620 172294

8192 278540 155672 434212 269428 107412 376840 271234 105988 377222

16384 606220 344088 950308 582544 236664 819208 586242 233476 819718

После адаптации к математическим операциям с фиксированной точкой и оптимизации по быстродействию сложность алгоритмов была исследована для вычислительного комплекса на базе ЫБС-процессора АКМ9Е. Результаты оценивания сложности алгоритмов, вычисленной в процессорных тактах, представлены в табл. 2.

Таблица 2

L Алгоритм 1 Алгоритм 2 Алгоритм 3

64 6107 7954 7089

128 14393 18070 16272

256 33334 41232 36752

512 76020 92433 82256

1024 171058 205911 182128

2048 380528 453093 396400

4096 838318 990790 857200

8192 1831660 2148765 1866608

16384 3973930 4635694 4037744

Как оказалось, вопреки априорным представлениям о сложности, наилучшим быстродействием обладает алгоритм 1 (radix-2 БПФ), при реализации которого требуется на 14 % меньше процессорных тактов, чем при реализации алгоритма 2 (split-radix БПФ). Это объясняется тем, что radix-2 БПФ имеет существенно более регулярную структуру, чем split-radix БПФ. Несмотря на то, что операций умножения выполняется намного больше, загрузка процессора данными осуществляется более эффективно. Ниже приведено отношение среднего числа процессорных тактов к числу вещественных операций для L = 16 384.

Алгоритм 1 Алгоритм 2 Алгоритм 3

4,1 5,6 4,9

Сравнение алгоритмов 2 и 3 демонстрирует предсказуемое преимущество последнего за счет того, что при вычислении коротких БПФ, реализованных в виде линейных алгоритмов, на организацию циклов и вычисление параметров алгоритмов процессорное время не затрачивается.

Поскольку основной областью применения ШБС-процессоров являются мобильные устройства, то наряду с быстродействием алгоритма важной характеристикой является размер исполняемого кода. Данные о длине кода преобразования (в килобайтах) для процессора АРМ9Е приведены ниже._

Алгоритм 1 Алгоритм 2 Алгоритм 3

1,9 5,2 64,5

38 С. В. Савков, В. М. Шишкин

Таким образом, можно утверждать, что наиболее пригодным для реализации на RISC-платформе является традиционный алгоритм radix-2 БПФ, который обеспечивает наилучшее быстродействие при наименьшей длине кода.

список литературы

1. Cooley J. W., Tukey J. W. An algorithm for the machine computation of the complex Fourier series // Math. Computation. 1965. Vol. 19. P.297—301.

2. Yavne R. An economical method for calculating the discrete Fourier transform // Proc. AFIPS Fall Joint Computer Conf. 1968. Vol. 33. P. 115—125.

3. Johnson S. G., Frigo M. A modified split-radix FFT with fewer arithmetic operations // IEEE Trans. Signal Processing. 2007. Vol. 55. P. 111—119.

4. Blahut R. E. Fast Algorithms for Digital Signal Processing. Reading, MA: Addison Wesley, 1985.

Сведения об авторах

Евгений Порфирьевич Овсянников — канд. техн. наук, доцент; Санкт-Петербургский государственный

университет авиационного приборостроения, кафедра информационных систем; E-mail: eovs@mail.ru Сергей Евгеньевич Петров — Санкт-Петербургский государственный университет информацион-

ных технологий, механики и оптики, НИИ наукоемких компьютерных технологий; мл. науч. сотрудник; E-mail: petrovse@mail.ru Кирилл Валерьевич Юрков — канд. техн. наук; ЗАО „Интел", Санкт-Петербург; науч. сотрудник;

E-mail: yourkovkirill@mail.ru

Рекомендована кафедрой Поступила в редакцию

информационных систем СПбГУАП 28.09.10 г.

УДК 004.413.4

С. В. Савков, В. М. Шишкин

РАЗРАБОТКА СИСТЕМЫ ИНТЕРВАЛЬНОГО ОЦЕНИВАНИЯ ИНФОРМАЦИОННЫХ РИСКОВ

Представлена система интервального оценивания информационных рисков на основе разнородных и неполных исходных данных. Показана необходимость распараллеливания вычислений и описана реализация разработанной системы на вычислительном кластере.

Ключевые слова: безопасность, оценка рисков, гетерогенность информации, параллельные вычисления.

Введение. Для решения задач анализа и оценивания информационных рисков используются различные экспертные системы [1, 2], обладающие достаточно широкими функциональными возможностями и удобством в эксплуатации, что обусловливает привлекательность использования таких систем на практике [3]. В то же время они имеют существенные недостатки, характерные для многих прикладных систем экспертного оценивания: сомнительность выбора исходных данных и отсутствие характеристик рассеяния рассчитываемых показателей, что снижает достоверность оценок и доверие к результатам анализа.

В реальных условиях исходная информация плохо структурирована, неполна, неточна, часто имеет нечисловой характер, все первичные данные, по сути, являются случайными величинами. Следовательно, чтобы повысить достоверность оценок необходимо, во-первых,