洪欽智，王志君，郭一凡，梁利平

(1.中國科學(xué)院微電子研究所，北京 100029；2.中國科學(xué)院大學(xué) 集成電路學(xué)院，北京 100049；3.北京郵電大學(xué) 集成電路學(xué)院，北京 100876)

快速傅里葉變換(Fast Fourier Transform，F(xiàn)FT)是一種用來實現(xiàn)時域到頻域轉(zhuǎn)換的計算方法，被廣泛應(yīng)用于各種通信系統(tǒng)中。當(dāng)前許多基于正交頻分復(fù)用技術(shù)(Orthogonal Frequency Division Multiplexing，OFDM)的通信系統(tǒng)，如4G LTE(Long Term Evolution)/LTE-A[1]、無線本地局域網(wǎng)(Wireless Local Area Network，WLAN)[2]，以及正在推廣的5G NR(New Radio)系統(tǒng)[3]，都使用了FFT技術(shù)。隨著無線通信標(biāo)準的演進，通信系統(tǒng)對FFT技術(shù)的要求也越來越高[4-5]。未來的高質(zhì)量多模通信系統(tǒng)[6-8]要求FFT處理器適配多種點數(shù)模式的FFT處理和離散傅里葉變換(Discrete Fourier Transform，DFT)處理，并且能夠達到極高的吞吐率和處理效率。

傳統(tǒng)的FFT處理器主要包括流水線型和存儲器型兩種實現(xiàn)結(jié)構(gòu)，流水線型結(jié)構(gòu)較難同時滿足高吞吐率和較多點數(shù)模式的支持[9]，而面向多模通信應(yīng)用的FFT處理器主要采用存儲器型結(jié)構(gòu)[10-13]。文獻[11]采用素因子算法實現(xiàn)了128～2 048點FFT處理和12～1 296點DFT處理。文獻[12]提出了一種針對任意點數(shù)的無沖突地址策略，并通過高基底的方式來減少運算周期。文獻[13]通過設(shè)計高效的并行運算部件及改進數(shù)據(jù)并行訪問策略等方法有效地支持了多點數(shù)處理(54種模式)和較高的1R(基1歸一化)吞吐率。但是這些設(shè)計依然存在不同模式下吞吐率不均衡、絕對吞吐率較低等問題。

面向以4G/5G為代表的高性能多模通信應(yīng)用，筆者通過有效的優(yōu)化設(shè)計實現(xiàn)了一種支持60種點數(shù)模式的高性能FFT處理器。設(shè)計了一種基于WFTA(Winograd Fourier Transform Algorithm)算法的深度流水蝶形運算單元，支持1個基9/ 2個基8/ 3個基5/ 4個基4/ 5個基3的高吞吐率蝶形運算；提出了一種支持多FFT數(shù)據(jù)塊混合處理的計算方法(REPEAT模式)，有效解決了深度流水線氣泡導(dǎo)致的吞吐率降低問題，實現(xiàn)了各種點數(shù)模式下的吞吐率均衡；還完成了支持多FFT數(shù)據(jù)塊混合處理的塊浮點處理電路的設(shè)計，并以此為基礎(chǔ)完成了多模高性能FFT處理器的實現(xiàn)。相比現(xiàn)有的設(shè)計，筆者設(shè)計的FFT處理器實現(xiàn)了更多點數(shù)模式的支持，并且在增加有限資源的情況下較大幅度提高了處理器性能。

1 設(shè)計思路與理論分析

面向4G/5G小基站芯片中的FFT/DFT運算加速需求，以及需要支持64～4 096點的FFT/IFFT(Inverse FFT，快速傅里葉逆變換)和12～3 240點的DFT/IDFT(Inverse DFT，離散傅里葉逆變換)的運算需求(共計60種點數(shù)模式)；同時，4G/5G小基站的基帶信號處理需要滿足極高的吞吐率要求?？紤]到需要同時滿足高吞吐率和對多種點數(shù)模式的支持，筆者設(shè)計采用基于存儲器的實現(xiàn)結(jié)構(gòu)。

基于存儲器結(jié)構(gòu)的FFT處理器在完成一個N點FFT的運算過程中，總的周期數(shù)由運算周期和數(shù)據(jù)搬運周期構(gòu)成，數(shù)據(jù)搬運周期包括數(shù)據(jù)搬入(存儲器)周期和數(shù)據(jù)輸出(存儲器)周期。當(dāng)存儲器采用2N的乒乓結(jié)構(gòu)時，數(shù)據(jù)輸入、數(shù)據(jù)輸出可以流水執(zhí)行。假設(shè)數(shù)據(jù)輸入、輸出和運算的存儲器訪問并行度為s，則對于一個N點FFT運算，輸入周期和輸出周期為N/s。對于2N結(jié)構(gòu)，數(shù)據(jù)輸入和數(shù)據(jù)輸出可以流水執(zhí)行，總的輸入輸出周期C0=N/s。對于采用混合基算法的FFT運算，N點FFT可以分解成k級的混合基運算L0×L1×…×Lk-1，其中第i級的運算需要執(zhí)行基為Li的蝶形運算，運算個數(shù)為L0×L1×…×Li-1×Li+1×…×Lk-1。假設(shè)各級運算過程中，從存儲器中讀出的數(shù)據(jù)都可以進行蝶形運算，則第i級每個周期可以執(zhí)行基Li蝶形運算的個數(shù)為s/Li。完成第i級所需的周期數(shù)如式(1)所示，完成各級運算的總周期為kN/s。

(1)

考慮到蝶形運算單元并不能保證每個周期都滿負荷地完成并行度s的點數(shù)計算，假設(shè)運算單元的平均資源利用率為p1，則實際的運算并行度為p1s，完成各級的總運算周期C1=kN/(p1s)。另一方面，處理流程中還有許多因素會消耗額外的周期，包括為了確保處理器能在一定的頻率下，數(shù)據(jù)通路需要插入一定流水級引入的流水周期和在不同的尋址方式下存儲器訪存需要引入的調(diào)度周期等。假設(shè)每級運算額外引入的周期開銷為Cp，則k級運算引入的額外周期數(shù)為C2=kCp。定義額外消耗周期與運算周期比p2=C2/C1，則總周期數(shù)為

(2)

FFT處理器的性能指標(biāo)主要包括吞吐率和1R吞吐率，其中吞吐率表示單位時間可以完成FFT計算的點數(shù)，1R吞吐率則是表征電路工作在1 Hz下的吞吐率。由式(2)可得吞吐率的計算公式為

(3)

由式(3)可知，F(xiàn)FT處理器的吞吐率與并行度、運算頻率成正比，還受混合基的分解級數(shù)、運算部件的資源利用率p1和表征時序周期效率的因子p2影響。

2 一種支持多數(shù)據(jù)混合運算的可配置高性能FFT處理器

基于前述對影響FFT處理器性能的因素進行的建模與分析，筆者以面向4G/5G小基站基帶處理的FFT運算加速為目標(biāo)，通過優(yōu)化設(shè)計提高FFT處理過程的資源利用效率和時序利用效率來優(yōu)化處理器性能。

設(shè)計的FFT處理器整體架構(gòu)如圖1所示，采用并行度為16的存儲器架構(gòu)，計算位寬為16I+16Q。FFT運算數(shù)據(jù)和相應(yīng)的配置參數(shù)通過數(shù)據(jù)接口進行傳輸。控制通道根據(jù)接收到的配置參數(shù)來控制FFT運算的整體流程。FFT運算數(shù)據(jù)首先存入PPmem中(PPmem0/PPmem1，乒乓存儲器)，而后根據(jù)執(zhí)行的FFT運算模式從PPmem中尋址出數(shù)據(jù)并送入蝶形運算單元進行運算。旋轉(zhuǎn)因子生成模塊根據(jù)配置信息尋址出對應(yīng)的旋轉(zhuǎn)因子來參與運算。蝶形運算單元基于當(dāng)前的控制信息配置成相應(yīng)的運算模式。在完成相應(yīng)的蝶形運算后，數(shù)據(jù)通過乒乓選通邏輯寫回到PPmem中。與此同時，塊浮點處理單元用來完成運算過程中FFT指數(shù)的更新操作。

圖1 FFT處理器結(jié)構(gòu)圖

2.1 基于WFTA算法的可配置蝶形處理單元

通過對所需支持的60種點數(shù)進行分解，需要至少支持基3、基4、基5的蝶形運算，并且對出現(xiàn)較多的多級基3和基4進行合并，通過支持基8、基9來減少級數(shù)。WFTA算法[14]是一種能有效控制蝶形運算資源的算法，筆者以統(tǒng)一的WFTA分解來完成基3、基4、基5、基8、基9蝶形運算單元的設(shè)計。

根據(jù)各種基下的WFTA算法運算流程，抽象出蝶形運算電路的基本結(jié)構(gòu)，如圖2所示，該結(jié)構(gòu)包含了前級加法運算，中間級常數(shù)乘法運算和后級加法運算。以級聯(lián)計算最復(fù)雜的基9 WFTA運算為例，包含了9個輸入數(shù)據(jù)，前級加法進行了3輪加法運算，中間級進行常數(shù)乘法運算，后級加法進行了3輪加法運算，而后并行輸出9個運算結(jié)果數(shù)據(jù)。其它的基8、基5、基4、基3 WFTA蝶形運算的整體運算流程類似，通過控制相應(yīng)的數(shù)據(jù)選通，蝶形運算單元將復(fù)用這些運算器重構(gòu)成相應(yīng)基的WFTA蝶形運算電路。

圖2 WFTA蝶形單元結(jié)構(gòu)圖

表1 不同基底運算器資源占用

基于統(tǒng)一的WFTA算法，各種基底下的運算流程統(tǒng)一，實現(xiàn)的電路結(jié)構(gòu)化，可以很好地進行復(fù)用和流水化處理。單元電路在復(fù)用的運算部件上完成了一路基9、兩路基8、三路基5、四路基4、五路基3的功能實現(xiàn)，并根據(jù)延時數(shù)據(jù)進行較為均衡的流水線化處理，在55 nm工藝下運算電路工作頻率達到500 MHz，確保了較高的運算性能。不同基底(Radix-X表示基X)占用的運算資源如表1所示。從表1可以看出，采用這樣的復(fù)用關(guān)系，在運算器配置成不同基底的運算模式時，所需的運算資源比較接近。因此，采用這樣的復(fù)用結(jié)構(gòu)，可以確保在不同的運算模式下，空間效率因子保持較高的值。表2給出與其它文獻的蝶形單元完成一次蝶形運算(各種基)所需的周期對比。

表2 蝶形單元計算周期對比

2.2 一種支持多數(shù)據(jù)塊混合運算的FFT計算方法

為了提高處理器的吞吐率性能，通過對蝶形單元數(shù)據(jù)通路進行流水線化操作來提高整體電路的運行頻率。但是基于混合基算法的FFT處理各級蝶形運算之間存在數(shù)據(jù)相關(guān)性，即后級的蝶形運算需在前一級蝶形運算全部完成后才能進行，這種數(shù)據(jù)相關(guān)性會降低基于存儲結(jié)構(gòu)的FFT處理器運算器的時間利用率，特別是當(dāng)數(shù)據(jù)通路的流水級數(shù)較多時會引入較多的流水線氣泡而降低處理器性能。

筆者提出了一種新的FFT計算方法，采用多FFT數(shù)據(jù)塊混合運算來提高FFT處理器的時間利用效率，稱這種計算方法為REPEAT模式。該模式通過實現(xiàn)多個FFT數(shù)據(jù)的混合計算，解決了傳統(tǒng)計算方法下基于存儲器結(jié)構(gòu)的FFT處理器因為混合基算法不同級間數(shù)據(jù)運算相關(guān)和流水線氣泡導(dǎo)致的吞吐率下降問題。

圖3為REPEAT模式的執(zhí)行流程，通過同時將多個相同點數(shù)的FFT數(shù)據(jù)塊存入存儲器中，并且順序地完成不同F(xiàn)FT數(shù)據(jù)塊的混合基中相同級的蝶形運算，解決同一個FFT數(shù)據(jù)塊不同級間的數(shù)據(jù)相關(guān)導(dǎo)致的流水線氣泡問題。為了支持REPEAT模式，F(xiàn)FT處理器需要對多個FFT數(shù)據(jù)進行混合蝶形運算。筆者充分利用所支持最大點數(shù)(4 096)對應(yīng)的存儲器MEM空間來提供不同的并行度支持。表3為筆者設(shè)計支持的60種模式的點數(shù)列表以及相應(yīng)的REPEAT模式并行度。基于此設(shè)計，支持REPEAT模式的FFT處理器不需要增加額外的存儲器MEM空間和運算資源，只需要通過尋址控制來選通相應(yīng)的數(shù)據(jù)。

圖3 REPEAT模式執(zhí)行流程

表3 FFT處理器支持點數(shù)及REPEAT模式并行度

以12點FFT運算為例來闡述REPEAT模式的優(yōu)化過程。圖4(a)為12點FFT數(shù)據(jù)從MEM讀出，通過數(shù)據(jù)通路再寫回MEM的流水線圖。12點FFT根據(jù)混合基算法分解為基3和基4兩級運算，其中第1級包含了4個基3運算，第2級包含了3個基4運算。蝶形運算單元可以支持5個基3或4個基4的并行運算，因此12點FFT的第1級運算和第2級運算都只需1個計算周期完成。如圖4(a)所示，第1個周期從存儲器取出12個點FFT數(shù)據(jù)并進行第1級4個基3運算，由于深度流水線的影響，需等到第10個周期，數(shù)據(jù)才能寫回存儲器，而后數(shù)據(jù)再次從存儲器讀出，進行第2級的3個基4運算。

從圖4(a)可以看出運算單元的利用率很低，10級流水中只有1個周期處于有效運算狀態(tài)，其他周期都處于空閑狀態(tài)?；诖鎯ζ鹘Y(jié)構(gòu)的FFT處理器，在進行混合基算法處理時，每級運算都需等待上一級運算完成后才能開始；這種數(shù)據(jù)依賴關(guān)系導(dǎo)致了運算單元無法被充分利用，數(shù)據(jù)通路流水線引入氣泡。

圖4(b)為REPEAT模式的處理流程。在第1個周期讀取第1個FFT數(shù)據(jù)塊進行第1級蝶形運算后，第2個周期讀取第2個FFT數(shù)據(jù)塊進行第1級蝶形運算，同樣，順序讀取不同F(xiàn)FT數(shù)據(jù)塊進行第1級蝶形運算，直到完成所有FFT數(shù)據(jù)塊的第1級蝶形運算；以此類推，順序讀取不同F(xiàn)FT數(shù)據(jù)塊進行第2級蝶形運算，以此順序完成所有FFT數(shù)據(jù)塊的各級蝶形運算。對比圖4(a)的單個點數(shù)FFT處理，圖4(b)的REPEAT模式流水線中有效運算周期的占比明顯提升。

(a) 單數(shù)據(jù)模式

結(jié)合式(2)、式(3)推導(dǎo)可以分析各種點數(shù)模式下的普遍情況。對時間效率因子進行分析，p2=C2/C1。對于12點FFT運算，當(dāng)p1/p2都為最高效率時(p1=1，p2=0)，吞吐率為5.3R，而當(dāng)p2下降到9時(p1=1)，吞吐率下降為0.76R?；谑?3)考慮p2對吞吐率的一般性影響，假設(shè)p1=1(即空間資源利用率最高)，可得

(4)

根據(jù)式(4)，當(dāng)p2=0時可得各點數(shù)下的理想吞吐率。考慮實際p2值可得p2影響下的吞吐率。如圖5(a)對不同點數(shù)的理想吞吐率和受p2影響得到的1R吞吐率進行比較(橫坐標(biāo)為60種點數(shù)，由小到大排列)。可以看出流水線氣泡導(dǎo)致的吞吐率下降，這也是許多已有研究里不同點數(shù)吞吐率不均衡，一些點數(shù)的吞吐率存在明顯短板的主要原因。并且，隨著流水線深度的加深，流水線氣泡導(dǎo)致的吞吐率下降會越發(fā)明顯，導(dǎo)致了基于存儲器結(jié)構(gòu)的FFT處理器難以提升工作頻率。圖5(b)為REPEAT模式和單數(shù)據(jù)模式下，60種點數(shù)FFT運算的1R吞吐率對比；可以明顯看出，REPEAT模式可以很好地均衡各點數(shù)下的吞吐率，確保在所有點數(shù)模式下硬件處理都具有較高的效率。

(a) p2對吞吐率的影響

2.3 支持REPEAT模式的快浮點處理電路架構(gòu)

當(dāng)前的FFT處理器往往采用塊浮點處理，可以在不需過多增加硬件資源的情況下提高FFT處理的精度。傳統(tǒng)的塊浮點處理系統(tǒng)只能處理同一個FFT數(shù)據(jù)。筆者提出了一種可以支持不同F(xiàn)FT數(shù)據(jù)混合運算的塊浮點處理電路架構(gòu)，以支持REPEAT模式的混合數(shù)據(jù)處理。

FFT數(shù)據(jù)從存儲模塊中取出進入蝶形運算單元，完成蝶形運算后寫回存儲模塊。塊浮點處理單元偵測每周期蝶形運算單元的計算結(jié)果并進行塊浮點的定標(biāo)移位值計算，在完成某FFT數(shù)據(jù)的某級蝶形運算后，塊浮點處理單元將最終計算的定標(biāo)移位值存入移位值寄存器堆，同時塊浮點處理單元利用計算完成的定標(biāo)移位值來同步更新指數(shù)值，并存入指數(shù)寄存器堆。由于塊浮點處理的指數(shù)是共用的，只有當(dāng)完成某個FFT的一級蝶形運算后才能得到該FFT數(shù)據(jù)的共同移位值(對應(yīng)指數(shù)的更新值)，中間的蝶形運算結(jié)果直接寫回存儲模塊，只在下一級蝶形運算取數(shù)時進行移位處理。基于圖3所示REPEAT模式的執(zhí)行時序，當(dāng)采用不同F(xiàn)FT數(shù)據(jù)進行混合運算時，在同一級FFT運算時會順序地執(zhí)行各個FFT數(shù)據(jù)在該級的蝶形運算。筆者設(shè)計了相應(yīng)的移位值更新電路和指數(shù)值更新電路來實現(xiàn)FFT數(shù)據(jù)混合運算下的塊浮點處理

(a) 移位值更新電路結(jié)構(gòu)

如圖6(a)所示，移位值更新電路在混合基運算的每級蝶形運算內(nèi)，根據(jù)當(dāng)前處理的是第幾個FFT數(shù)據(jù)來使能移位值寄存器堆中對應(yīng)的移位值寄存器，并按照更新規(guī)則進行移位值運算和更新。每次FFT數(shù)據(jù)切換時產(chǎn)生相應(yīng)的片選信號來切換對應(yīng)的移位值寄存器。在蝶形運算讀數(shù)階段，控制單元會根據(jù)當(dāng)前讀取的是第幾個FFT數(shù)據(jù)來生成蝶形輸入指針，移位值更新電路根據(jù)蝶形輸入指針輸出所需移位值。

圖6(b)為指數(shù)值更新電路，用來更新和存儲不同F(xiàn)FT數(shù)據(jù)相對應(yīng)的指數(shù)值。在FFT數(shù)據(jù)輸入階段，各FFT數(shù)據(jù)相應(yīng)的指數(shù)值按順序?qū)懭氲街笖?shù)值寄存器堆中。在進行FFT運算過程中，當(dāng)每次完成一個FFT數(shù)據(jù)的移位值更新時，相應(yīng)從指數(shù)值寄存器堆中取出該FFT數(shù)據(jù)對應(yīng)的指數(shù)值，與當(dāng)前移位值進行運算，而后將運算結(jié)果寫回指數(shù)值寄存器中。

3 實現(xiàn)結(jié)果和討論

采用中芯國際55 nm CMOS工藝對設(shè)計進行了流片驗證，圖7為設(shè)計實現(xiàn)的物理版圖。FFT處理器的內(nèi)核面積為1.59 mm2。最高工作頻率達到500 MHz。此外，提出的優(yōu)化方法已經(jīng)應(yīng)用在最新的4G/5G小基站基帶SoC芯片中。

圖7 FFT處理器版圖

筆者對提出的設(shè)計在各種點數(shù)模式下進行了仿真實驗，收集了執(zhí)行各種點數(shù)FFT運算的周期數(shù)，表4給出了典型點數(shù)下文中設(shè)計與文獻[11]、文獻[13]的周期數(shù)對比。從表4中可以看出，文中設(shè)計大部分點數(shù)所需的計算周期都更少。當(dāng)采用REPEAT模式進行FFT計算時，等效總周期數(shù)明顯降低，特別是對于運算周期數(shù)占比較小的點數(shù)，性能可以獲得數(shù)倍的提升，與理論分析和設(shè)計考量一致。表5給出了在典型點數(shù)下文中設(shè)計的FFT吞吐率與文獻[11]、文獻[13]的對比，可以看出文中設(shè)計的吞吐率性能有較大提升，REPEAT模式下各種點數(shù)的吞吐率也更為均衡。

表4 典型點數(shù)下FFT處理周期比較

表5 典型點數(shù)下FFT吞吐率對比

為了對不同工藝、計算位寬、電壓、運行頻率下的處理器進行對比，筆者采用文獻[13]給出的歸一化方法對吞吐率進行面積、功耗層面上的歸一化處理，分別如式(5)、式(6)：

(5)

(6)

表6是文中設(shè)計各項指標(biāo)與文獻[11-13]的設(shè)計進行的對比。從表6可以看出，基于筆者提出的優(yōu)化方法設(shè)計的FFT處理器在增加有限資源開銷的情況下，能夠支持更多的計算模式，吞吐率也有較大的提升，且1R吞吐率在各種點數(shù)模式下也更為均衡。

表6 FFT處理器實現(xiàn)指標(biāo)對比

4 總 結(jié)

面向4G/5G基帶處理對FFT計算提出的高吞吐率、多模式的應(yīng)用需求，提出了一種可以同時支持多個FFT數(shù)據(jù)混合處理的優(yōu)化方法。該方法可以有效解決基于存儲器架構(gòu)的FFT處理器因為計算通路流水線氣泡而導(dǎo)致的性能損失以及由此帶來的不同點數(shù)的吞吐率均衡問題。在設(shè)計了一種高效的深度流水線可配置蝶形處理單元和支持REPEAT模式的塊浮點處理電路的基礎(chǔ)上，實現(xiàn)了一種高性能多模式FFT處理器。在增加較少資源的情況下，比起其他文獻只能在部分模式下達到較高的歸一化性能。筆者設(shè)計的FFT處理器實現(xiàn)了各種點數(shù)模式下較為均衡的歸一化性能，并且在相同工藝條件下較大幅度提高了吞吐率性能，同時支持更多的點數(shù)模式。