[發明專利]一種基于改進神經網絡的嵌入式軟件能耗測試方法

有效

• 申請號: 201410669007.2
• 申請日: 2014-11-21
• 公開（公告）號: CN104407972B
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 張晶;陳沫良;嚴涵;沈江炎;潘有順;薛冷;王彬
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種基于改進神經網絡的嵌入式軟件能耗測試方法，屬于嵌入式技術領域。

背景技術

嵌入式軟件能耗是當前嵌入式領域研究的熱點問題之一，為了優化軟件能耗，已經出現了很多測試和優化的方法。通常基于指令層分析或者算法和軟件體系結構層中進行能耗分析。

然而通過神經網絡訓練進行的能耗測試，人們只是用傳統的神經網絡模型訓練軟件中的特征量，但這些特征量不能很準確的分析軟件能耗，只是從某一方面進行了嵌入式軟件能耗的分析與研究。一種改進神經網絡的嵌入式軟件能耗測試方法，分析嵌入式軟件程序中的節點關系圖，通過改進神經網絡模型，優化節點的聚類關系、出入度，改善代碼的復用率，實現嵌入式軟件能耗優化。

發明內容

本發明提供了一種基于改進神經網絡的嵌入式軟件能耗測試方法及其安裝方法，通過分析嵌入式軟件程序中的節點關系圖，得出各個節點的聚類關系、聚類關系平均值、出度、入度值，改進神經網絡模型且在MATLAB中進行數據訓練，優化節點的聚類關系、聚類關系平均值、出入度，改善代碼復用率，實現能耗優化。

本發明的技術方案是：一種基于改進神經網絡的嵌入式軟件能耗測試方法，首先分析引入的嵌入式軟件，得到節點關系圖；接著根據節點關系圖，分析每個節點的聚類關系、出度、入度，根據每個節點的聚類關系得到聚類關系平均值；然后將輸入節點的聚類關系、出度、入度值，每個輸入節點的聚類關系得到的聚類關系平均值代入改進的神經網絡模型；再根據每個輸出節點的輸出值與設定的每個輸出節點的訓練目標值，計算每個節點輸出值的誤差；最后在Linux系統中，將優化后的節點個數對應的嵌入式軟件，采用功耗仿真器進行能耗測試，得到優化后的能耗值。

所述方法的具體步驟如下：

Step1、分析引入的嵌入式軟件，得到節點關系圖：

首先確定嵌入式軟件系統中涉及的各個模塊，將系統模塊分解成每個簡單的子系統模塊；然后分析每個模塊函數體之間的變量關系，將每個模塊作為一個節點，通過模塊之間的變量關系連接每個節點，最后得到節點關系圖；

Step2、根據節點關系圖，分析每個節點的聚類關系、出度、入度，根據每個節點的聚類關系得到聚類關系平均值：

聚類關系C_i＝2E_i/N_i(N_i-1)；其中，E_i為N_i個節點之間實際存在的邊數，N_i為與節點i相連的邊數；

出度x_-i為從節點i流出的邊的數目，入度x_i為流入節點i的邊的數目；

聚類關系平均值其中，L為節點總數；

Step3、將輸入節點的聚類關系、出度、入度值，每個輸入節點的聚類關系得到的聚類關系平均值代入改進的神經網絡模型：

將輸入節點的聚類關系、出度、入度值代入改進的神經網絡模型隱節點的輸出模型i＝1,…L；將每個輸入節點的聚類關系得到的聚類關系平均值代入改進的神經網絡模型輸出節點的輸出模型Y_i＝f(T×O_i×C-q)，i＝1,…L；其中f為訓練函數，w、T為連接權向量，s為隱節點的個數，q為隱節點或者輸出節點的輸出模型的神經單元閥值，O_i為第i個隱節點輸出值，Y_i為第i個輸出節點輸出值；其中隱藏節點的個數與輸入節點的個數相等，輸出節點的個數與隱藏節點的個數相等；

Step4、根據每個輸出節點的輸出值與設定的每個輸出節點的訓練目標值，計算每個節點輸出值的誤差：

若存在輸出節點的輸出值誤差小于輸出節點的最小誤差E^s，則對該輸出節點進行優化，得到優化后的節點個數，接著根據優化后的節點個數直接改善優化代碼，再得到節點關系圖，接著重復執行步驟Step2-步驟Step4；

當每個輸出節點的輸出值誤差都大于輸出節點的最小誤差E^s，則執行步驟Step5；

其中，

Step5、在Linux系統中，將優化后的節點個數對應的嵌入式軟件，采用功耗仿真器進行能耗測試，得到優化后的能耗值。