論文の概要: A DSEL for High Throughput and Low Latency Software-Defined Radio on Multicore CPUs

• arxiv url: http://arxiv.org/abs/2206.06147v1
• Date: Mon, 13 Jun 2022 13:30:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-14 17:04:03.987428
• Title: A DSEL for High Throughput and Low Latency Software-Defined Radio on Multicore CPUs
• Title（参考訳）: マルチコアCPUにおける高スループット・低レイテンシソフトウェア定義無線用DSEL
• Authors: Adrien Cassagne (ALSOC, SU), Romain Tajan (IMS, Bordeaux INP), Olivier Aumage (STORM), Camille Leroux (IMS, Bordeaux INP), Denis Barthou (STORM, Bordeaux INP), Christophe J\'ego (IMS, Bordeaux INP)
• Abstract要約: Software-Defined Radio (SDR) 専用のドメイン固有組込み言語(DSEL) 提案されたDSELは、パイプライニングとシーケンシャル複製技術の組み合わせを可能にする。 提案したソフトウェアDVB-S2トランシーバが,最新のハイエンドマルチコアCPUターゲットを最大限に活用できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article presents a new Domain Specific Embedded Language (DSEL) dedicated to Software-Defined Radio (SDR). From a set of carefully designed components, it enables to build efficient software digital communication systems, able to take advantage of the parallelism of modern processor architectures, in a straightforward and safe manner for the programmer. In particular, proposed DSEL enables the combination of pipelining and sequence duplication techniques to extract both temporal and spatial parallelism from digital communication systems. We leverage the DSEL capabilities on a real use case: a fully digital transceiver for the widely used DVB-S2 standard designed entirely in software. Through evaluation, we show how proposed software DVB-S2 transceiver is able to get the most from modern, high-end multicore CPU targets.
• Abstract（参考訳）: 本稿では、Software-Defined Radio(SDR)専用の新しいDomain Specific Embedded Language(DSEL)について述べる。 注意深く設計されたコンポーネントセットから、効率的なソフトウェアデジタル通信システムを構築することができ、プログラマにとって簡単で安全な方法で、現代のプロセッサアーキテクチャの並列性を活用することができる。 特に,提案するDSELは,パイプライニングとシーケンス複製を併用して,ディジタル通信システムから時間的および空間的並列性を抽出することができる。 DSELの機能は、ソフトウェアで完全に設計された広く使われているDVB-S2標準のための完全なデジタルトランスシーバーである。 評価により,提案したソフトウェアDVB-S2トランシーバが,最新のハイエンドマルチコアCPUターゲットを最大限に活用できることを示す。

関連論文リスト

• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングでは、スパイクニューラルネットワーク(SNN)が推論タスクを実行し、シーケンシャルデータを含むワークロードの大幅な効率向上を提供する。 ハードウェアとソフトウェアの最近の進歩は、スパイクニューロン間で交換された各スパイクに数ビットのペイロードを埋め込むことにより、推論精度をさらに高めることを示した。 本稿では,マルチレベルSNNを用いた無線ニューロモルフィック分割計算アーキテクチャについて検討する。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• SPAIC: A sub-$\mu$W/Channel, 16-Channel General-Purpose Event-Based Analog Front-End with Dual-Mode Encoders [6.6017549029623535]
  低消費電力イベントベースのアナログフロントエンドは、効率的なニューロモルフィック処理システムを構築するために不可欠である。 我々は、SPAIC(Signal-to-Spike converter for analog AI computing)と呼ばれる新しい、非常にアナログなフロントエンドチップを提案する。 デルタ変調とパルス周波数変調を備えた汎用的なデュアルモードアナログ信号対スパイク符号化と可変周波数帯域を提供する。
  論文  参考訳（メタデータ） (2023-08-31T19:53:04Z)
• A Classical Architecture For Digital Quantum Computers [21.99729700579818]
  ボトルネックのスケーリング デジタル量子コンピュータの作成は、量子計算と古典的コンポーネントの両方の課題を引き起こす。 我々は,古典的なアーキテクチャを提示し,後者の課題の包括的リストに一度に対処し,それをエンドツーエンドシステムで完全に実装する。 我々のアーキテクチャは、大規模量子プロセッサのスケーラブルで高精度な制御を可能にし、量子ハードウェアの進化する要求に対応する。
  論文  参考訳（メタデータ） (2023-05-23T17:44:06Z)
• ProgSG: Cross-Modality Representation Learning for Programs in Electronic Design Automation [38.023395256208055]
  高レベル合成(HLS)により、開発者はCとC++のソフトウェアコード形式で高レベルな記述をコンパイルできる。 HLSツールは相変わらず、プラグマで表されるマイクロアーキテクチャの決定を必要とする。 本稿では,ソースコードシーケンスのモダリティとグラフのモダリティを深く,きめ細かな方法で相互に相互作用させることができるProgSGを提案する。
  論文  参考訳（メタデータ） (2023-05-18T09:44:18Z)
• Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
  この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。 1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。 我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-25T05:04:44Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Efficient VVC Intra Prediction Based on Deep Feature Fusion and Probability Estimation [57.66773945887832]
  本稿では,フレーム内予測におけるVersatile Video Coding (VVC) の複雑性を,深層融合と確率推定の2段階のフレームワークを用いて最適化することを提案する。 特に高精細度(HD)および超高精細度(UHD)ビデオシーケンスにおいて,提案手法の優位性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2022-05-07T08:01:32Z)
• Applications of Deep Learning to the Design of Enhanced Wireless Communication Systems [0.0]
  ディープラーニング(DL)ベースのシステムは、抽出可能なモデルが存在しないような、ますます複雑なタスクを処理できる。 この論文は、物理層におけるDLの潜在能力を解き放つための様々なアプローチを比較することを目的としている。
  論文  参考訳（メタデータ） (2022-05-02T21:02:14Z)
• Two-Timescale End-to-End Learning for Channel Acquisition and Hybrid Precoding [94.40747235081466]
  本研究では,ミリ波(mmWave)大規模マルチインプット多重出力(MIMO)システムのためのエンドツーエンドの深層学習に基づくジョイントトランスシーバ設計アルゴリズムを提案する。 我々は受信したパイロットを受信機でフィードバックビットにマッピングし、さらに送信機でハイブリッドプリコーダにフィードバックビットをマッピングするDNNアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2021-10-22T20:49:02Z)
• Deep Learning-based Resource Allocation For Device-to-Device Communication [66.74874646973593]
  デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。 任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。 シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
  論文  参考訳（メタデータ） (2020-11-25T14:19:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。