طراحی جمع کننده و ضرب کننده تقریبی مناسب برای کاربردهای پردازش تصویر

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 545

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIAE-18-4_004

تاریخ نمایه سازی: 27 مهر 1400

چکیده مقاله:

با توجه به استفاده روزافزون از وسیله های همراه، معیار توان مصرفی به دلیل نیاز به کارکرد طولانی این دستگاه ها در کنار دو معیار سنتی کارآیی و هزینه به یک فاکتور مهم در طراحی سیستم های دیجیتال تبدیل شده است. با توجه به اینکه بلوک های محاسباتی تقریبی با صرف نظر کردن از مقدار قابل قبولی از دقت، تاثیر مثبتی بر روی هر سه معیار هزینه، توان مصرفی و هزینه دارند؛ محاسبات تقریبی یا غیر دقیق به عنوان یک رویکرد جدید در طراحی سیستم های دیجیتال مطرح شده است. در این مقاله یک جمع کننده ی تقریبی طراحی شده و میزان خطای آن مورد ارزیابی قرار گرفته است. سپس با استفاده از این جمع کننده، یک ضرب کننده ی تقریبی نیز پیشنهاد شده است. در ادامه، از این ضرب کننده برای پیاده سازی دو کاربرد نرم سازی و تیزسازی که در پردازش تصاویر به کار گرفته می شوند، استفاده شده است. استفاده از این بلوک های محاسباتی منجر به ۶۳% صرفه جویی در توان مصرفی پویا، ۷۰% صرفه جویی در توان مصرفی ایستا، کاهش ۲۵% در مساحت طرح و همچنین ۳۳% بهبود در تاخیر آن شده است. همچنین میزان خطای وارد شده به سیستم به دلیل استفاده از محاسبات تقریبی به طور متوسط ۳۳% می باشد که تاثیر مخرب در کارکرد کاربردهای نرم سازی و تیزسازی ندارد و خروجی های این دو کاربرد با استفاده از بلوک های محاسبات تقریبی خللی در درستی پردازش تصویر وارد نمی کنند.

کلیدواژه ها:

نویسندگان

سکینه صیدی

University of Zanjan

علی آذرپیوند

University of Zanjan

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • K. J. Kuhn, “Moore’s law past ۳۲nm: Future challenges in ...
  • W. Liu, T. Zhang, E. McLarnon, M. Oneill, P. Montuschi, ...
  • J. Han and M. Orshansky, “Approximate computing: An emerging paradigm ...
  • S. Mittal, “A survey of techniques for approximate computing,” ACM ...
  • R. Ye, T. Wang, F. Yuan, R. Kumar, and Q. ...
  • J. Liang, J. Han, and F. Lombardi, “New metrics for ...
  • H. R. Mahdiani, A. Ahmadi, S. M. Fakhraie, and C. ...
  • A. Dalloo, A. Najafi, and A. Garcia-Ortiz, “Systematic design of ...
  • R. Hegde and N. R. Shanbhag, “Soft digital signal processing,” ...
  • Z. Yang, A. Jain, J. Liang, J. Han, and F. ...
  • B. Garg and G. K. Sharma, “Low power signal processing ...
  • C. H. Lin and I. C. Lin, “High accuracy approximate ...
  • Y. Guo, H. Sun, L. Guo, and S. Kimura, “Low-Cost ...
  • K. Manikantta Reddy, M. H. Vasantha, Y. B. Nithin Kumar, ...
  • M. Navin Kumar, R. S. Adithyaa, D. Bhavan Kumar, and ...
  • Z. Wang and H. Wang, “Image smoothing with generalized random ...
  • M. Dhanushree, R. Priyadharsini, and T. Sree Sharmila, “Acoustic image ...
  • C. Pérez-Benito, C. Jordán, J. A. Conejero, and S. Morillas, ...
  • O. Akbari, M. Kamal, A. Afzali-Kusha, and M. Pedram, “Dual-Quality ...
  • S. Mazahir, O. Hasan, … R. H.-I. T. on, and ...
  • M. S. K. Lau, K. V. Ling, and Y. C. ...
  • Z. Wang, A. C. Bovik, H. R. Sheikh, and E. ...
  • K. J. Kuhn, “Moore’s law past ۳۲nm: Future challenges in ...
  • W. Liu, T. Zhang, E. McLarnon, M. Oneill, P. Montuschi, ...
  • J. Han and M. Orshansky, “Approximate computing: An emerging paradigm ...
  • S. Mittal, “A survey of techniques for approximate computing,” ACM ...
  • R. Ye, T. Wang, F. Yuan, R. Kumar, and Q. ...
  • J. Liang, J. Han, and F. Lombardi, “New metrics for ...
  • H. R. Mahdiani, A. Ahmadi, S. M. Fakhraie, and C. ...
  • A. Dalloo, A. Najafi, and A. Garcia-Ortiz, “Systematic design of ...
  • R. Hegde and N. R. Shanbhag, “Soft digital signal processing,” ...
  • Z. Yang, A. Jain, J. Liang, J. Han, and F. ...
  • B. Garg and G. K. Sharma, “Low power signal processing ...
  • C. H. Lin and I. C. Lin, “High accuracy approximate ...
  • Y. Guo, H. Sun, L. Guo, and S. Kimura, “Low-Cost ...
  • K. Manikantta Reddy, M. H. Vasantha, Y. B. Nithin Kumar, ...
  • M. Navin Kumar, R. S. Adithyaa, D. Bhavan Kumar, and ...
  • Z. Wang and H. Wang, “Image smoothing with generalized random ...
  • M. Dhanushree, R. Priyadharsini, and T. Sree Sharmila, “Acoustic image ...
  • C. Pérez-Benito, C. Jordán, J. A. Conejero, and S. Morillas, ...
  • O. Akbari, M. Kamal, A. Afzali-Kusha, and M. Pedram, “Dual-Quality ...
  • S. Mazahir, O. Hasan, … R. H.-I. T. on, and ...
  • M. S. K. Lau, K. V. Ling, and Y. C. ...
  • Z. Wang, A. C. Bovik, H. R. Sheikh, and E. ...
  • نمایش کامل مراجع