2.11 小波变换算法验证
GS1011 是GainSpan 公司的两核MPSoC,该芯片内核基于ARM Cortex M3架构,120 MHz时频。本书在GS1011 平台上搭建了测试环境,对32 个数据单元的数据片段进行三层小波变换,其运算操作数据分析如表2-7 所示。
表2-7 经典并行小波变换与改进的并行小波变换效率比较

从表2-7 可见,FFT矩阵算法对比于经典FFT算法,当数据规模为16 时,乘法操作数减少56.25%;当数据规模为32 时,乘法操作数减少25%;当数据规模为64 时,乘法操作数增加29%。可见FFT矩阵算法适用于短数据分段,如果数据长度大于32,则没有性能优势。如果数据段长度为64,虽然增加了操作数,但是降低了并行运算的耦合度,提高了并行性能。
本书分别在GS1011 和Snapdragon 801 两个平台上搭建测试环境进行了对比测试,Snapdragon 801 是高通骁龙四核801 芯片,单核2.5 GHz时频,配置Android 5.0 移动操作系统。在测试过程中屏蔽了外部中断以阻断外部干扰因素,关掉了部分系统进程,以阻断内部干扰。每组测试都分别用5 段、10 段数据进行对比测试。表2-8 是测试结果。
表2-8 两核与四核嵌入式平台并行计算效率比较

从表2-8 数据对比可以看出,采用FFT矩阵进行快速小波变换优势明显。对于四核CPU并行运算而言,采用FFT矩阵方法的小波变换运行耗时只有经典FFT的43.8%,同时加速比也提高了27%。(https://www.daowen.com)
表2-9 16units数据段与32units数据段并行计算效率比较

从表2-9 中的数据可以看出,数据规模对加速比有一定影响。在两核GS1011 平台上,32 个数据单元的加速比要比16 个数据单元的加速比高0.108;在四核中处理32 个数据单元的加速比要比处理16 个数据单元的加速比高0.241。图2-9 是16 units为一个数据分段进行小波变换的实际运行情况,采用多项式进行并行小波变换,平均运行效率提高了一倍,在四核平台上的表现尤其明显。图2-10 是32 units为一个数据分段进行小波变换的实际运行情况,虽然加速效果明显,但相对16 units分段并行增速效果有明显减弱。

图2-9 16 units数据分段小波变换运行效果比较

图2-10 32 units数据分段小波变换运行效果比较