2.5 FFT算法验证
表2-4、表2-5 对规模分别为64,32 长度数据进行三层FFT变换运算操作数据分析。
表2-4 N=64时三层FFT变换运算规模

表2-5 N=32时三层FFT变换运算规模

在两个平台上搭建测试环境,一个是GainSpan 公司的两核MPSoC,该芯片内核基于ARM Cortex M3 架构,120 MHz时频,强实时两核嵌入式微操作系统zOS1.0。一个是高通骁龙四核801 芯片,单核2.5 GHz时频,Android 5.0 移动操作系统。为确保测试不被中断干扰,屏蔽了外部中断,并关掉了部分系统进程。针对长度为32 与64 的数据段测试,每组测试都分别用5 段与10 段数据进行测试。表2-6 是测试结果。
表2-6 两核与四核嵌入式平台并行计算效率比较

从表2-6 中的数据可以看出,两核GS2000 平台上平均加速比为1.775,四核Snapdragon 801 平台上的平均加速比为3.252。影响加速比的因素有两个方面:一是小波变换过程不能完全并行化处理,中间结果必须同步等待;二是操作系统原因,Android 5.0 虽然任务调度和系统运行高效低耗,但是由于系统庞大且功能复杂,导致单核加速比要比功能简单的嵌入式zOS 的加速比低。(https://www.daowen.com)
本书在GS1011 ARM Cortex M3 两核平台上进行小波变换压力测试,分两种数据封装,一是每段32 个单位的数据包,另一种是64 个单位的数据包。对比图2-3 与图2-5 可以看出,多项式FFT算法对比经典小波变换算法,在双核平台上变换的速度都有显著提升,双核平均提升31%。多项式直接代入FFT算法对比经典小波变换算法,在并行加速比上也有稳定的提升;从图2-4 与图2-6 可以看出,经典小波算法两核加速比均值为1.521,而多项式FFT小波变换达到了1.7915,并行加速效率十分显著[24]。

图2-3 小波变换分别在单核与双核平台耗时

图2-4 经典FFT变换在双核平台上的加速比

图2-5 多项式FFT小波变换分别在单核与双核平台耗时

图2-6 多项式FFT变换在双核平台上的加速比