通信系统的设计与验证——LTE与WiMAX物理层设计工具选择.pdf

，P一一 一 一 一 一 1【日【l】国 集 成电 路 企 业与 产品j 一 C h in a In te g ra te d C irc u it 通信系统的设计与验证 L T E 与 W i M A X物理层设计工具选择 Mar k us Wi 1 l e ms，P h D，H ol g e r K e di n g，P h D S y no p s ys，I n c 1 引言 如今，3 G无线网络和手持终端设备 已经开始大 规模部署，下一代无线通信协议标准，俗称 4 G，也已 经基本制定完成。3 G P P的长期演进(L T E)被大多 数国家接受为 4 G标准。L T E的支持者宣称只需对 现有的网络基础设施更新部分关键部件就可以完成 升级，因此 L T E得到 了业界的广泛认同。2 0 0 8 年 l 2 月 1 1日，3 G P P批准并冻结 了 L T E R e l e a s e 8，这一里 程碑式 的事件开启 了研发兼容新协议 的产 品 的大 幕。移动 Wi MA X(8 0 2 1 6)作 为 4 G的另一个候选 方案，与 L T E在物理层应用上有许多相同的概念，只是实现细节上存在不 同。这也为开发 同时支持 Wi MA X和 L T E方案 的产品提供了可能。在物理层 设计上，L T E和 Wi MA X的复杂度相差不多。对 L T E 的研究为我们重提调制解调算法设计和验证过程的 重要性提供 了机会。在算法设计阶段犯下的错误很 难在硬件设计或者嵌入式软件开发阶段弥补 回来。对算法的验证是为了检测设计能否满足协议标准的 要求。例如，需要检测不同信道环境下的最大误包 率。协议标准 的很大一部分内容都被用来定义测试 环境。当选择某种工具或者方法来进行有效的算法 设计时，工程设计者需要从整个设计流程 的角度来 考虑算法复杂度的要求。针对一些简单设计的解决 h+n I l l ；，、方案对更大更复杂的系统来说可能完全不适用。而 如果每一个项 目都采用独特的工具和方法，项 目的 维护就会成为噩梦。一些表面上看成本很小 的解决 方案，后续可能需要购买其他昂贵的工具。而如果工 具某些基础功能缺失，也会耗费工程师更多的时间 和精力。本文主要探讨从 3 G转向 4 G的物理层设计 过程 中的仿真工具效率问题。这些关 于效率的准则 也可 以用于其他信号处理领域。2 L T E和 W i M A X：物理层关键技术 L T E 和 Wi MA X 都 是 基 于 正 交 频 分 复 用(O F D M)的多载波调制方案，通过多输入输出天线(MI MO)进行信号传输。这与 3 G基于码分复用(C D MA)的概念有很大不同。3 G与 4 G系统的物 理层基带处理算法有着本质区别。物理层概念的不 同直接导致了仿真复杂度的增 加。相 比 3 G而言，4 G系统 的物理层仿真复杂度大 概有 1 0 0 倍的增长。部分原因在于 4 G系统中，每个 数据采样点都需要更多 的操作：更复杂的编码 解 码算法，需要同时在平行的多个信道上传输，采用了 更复杂 的信道均衡技术。针对不 同频带上 的不同信 道模 型，还有 多输人 多输 出(MI MO)的不 同配 置(见 图 1)，需要增加大量的测试方案。在此基础上，图 1 N发送天线 一 M接收天线 的 M l M 0 0 F D M发送接收链路 系统框图 还需要考虑不同量化精度对系统性能的影响。因此 算法的验证工作越来越艰巨也就不足为奇了。下文的例子都会以 L T E为基础。所有的结论也 适用于 Wi M A X和其他需要大规模仿真的信号处理 系统。3 设计和验 证流程 制定一个新的通信协议标准的目的，是以最小 的成本实现用户和网络运营商对高速信号传输的要 求，同时也要符合市场化 的预期。一个 L T E调制解 调系统往往 同时包含 了 A S I C和 D S P或者微控制 器，整个工程需要实现复杂的硬件设计和软件算法。因此，制定一个覆盖算法设计、软硬件实现、以及 系 统验证的高效流程显得尤为重要。算法设计的初始阶段，一般都需要首先为算法 创建一个浮点模型。一旦这个浮点模型验证通过，下一步就会开始对算法的定点转换，最后再移植到 硬件及软件平台上进行验证。3 1算法的浮点模型 在设计 目标确定以后，系统工程师就需要针对 几种备选算法进行测试和优化，然后在蒙特卡洛仿 真结果的基础上确定最优的算法。图 2给出了以误 比特率(B E R)或者误块率(B L E R)为指标，进行性 能仿真的蒙特卡洛仿真平台框 图(蒙特卡洛仿真是 指激励信号由随机或者伪随机数据源产生的一类仿 真)。此时仿真模型并不需要考虑最后的实现细节，所有的算法都可 以用浮点模型来表示。建模效率是反映创建仿真平 台难易程度的一个 概念。决定建模效率的一个关键 因素就是可重用的 模型数量。这些可重用的模型可能来 自厂商提供的 库，也可能是从 以前的项 目继承得来(也称 为重用 效率)。当然并不是所有的模型都能从库里面找到，有些模型也需要用户 自己开发。开发的模式有多种，比如可以由一些基本的模型组合成一个复杂的模型(分层设计)，或者从零开始，根据新的功能需求创 建新的模型。仿真时还需要考虑的一个因素是仿真效率。以 前面提到的 L T E和 Wi MA X为例，由于涉及到许多 设计参数，因此为了得到最优的算法，就需要仿真大 量的参数组合。仿真效率成为制约整个过程的关键。3 2从浮点算法到定点算法的转换 考虑到成本的因素，算法的主要部分最后都需 要以定点而不是浮点来实现，除非选择浮点 D S P。因 此，当算法从设计到应用 的转换过程中，需要分析量 化精度的影响。字长的选择直接关系到实现的性能，字长太短会使系统质量有很大损失。算法本身可能 h什n I h A AA AA I ；，、m 一 nm 【l】国 集 成 电 路 企 业 与 产 品 一 C h in a In te g ra te d C irc u it 图 2基 于 B E R B L E R性能指标 的蒙特 卡洛仿真平 台框 图 很好理解，但是量化噪声对算法的影响可能很难评 估，因此需要小心对待。一般来说，对算法进行定点转换是一个递归的 过程。首先需要创建一个浮点模型，然后将变量逐 个进行转换。每个变量定点化后，都需要将仿真结 果与浮点模型进行 比较。仿真工具应该仅仅通过修 改模型参数就实现这一过程，而不需要每次都重写 模型。另外，工具对常用的定点数据类型的支持也 很重要。因为如果仅仅依靠 以整型位移来实现定点，调试 的时候会非常麻烦。仿真工具的选择应该在项 目的初期就考虑好。如果在项 目开始几个月后才意 识到问题，此 时要更换工具几乎是不可能的。人们往往会低估定点化过程需要的时间。定点 转换其实非常繁琐，花费的时间可能并不比算法设 计来得短。因此选择合适的仿真工具显得尤其重要。3 3软硬件 实现和 验证 当算法的定点转换完成 以后，定点模型就是系 统实现的参考模型，因为它定义 了系统的算法性能。一般来说，从算法模型到硬件实现的过程会出现很 多错误。这是因为算法开发和硬件实现所遵循 的设 计原则是不同的，使用 的工具也做不到紧密结合。算法工程师往往需要 给硬件工程 师提供激励信号，作为 H D L仿真的输入，然后将 H D L仿真的结果与 算法仿真做比较。这种方法实现起来会有许多困难：针对每一组参数配置和测试方案都会有一个 仿真结果，为了比较所有的这些参数组合，需要保存 大量的激励信号和参考结果文件，既费时又费力 每一个新创建的 H D L测试案例都需要算法 工程师和硬件工程师一起进行验证，工作量很大 h什n，I，r ie r n n m 当 H D L仿真和参考仿真结果不同时，很难确 定错误发生的位置和原因 这种方法已经逐渐被淘汰。现在流行的方法是 不同部门之间通过一个可执行平台来传递设计定 义。算法部门、R T L硬件部门、以及采用虚拟平台做 软件开发的部门可以共享一个仿真平台。算法部门 创建的浮点或定点模型作为一个可执行的参考模型 文件，可以直接用到 HD L代码和软件验证 中去。实现这种设计共享存在两种途径。第一，在算法 设计工具中直接导入 R T L代码，实现 R T L和算法模 型的联合仿真。第二，由算法设计工具导 出算法模 型，以标准库 的形式集成到硬件验证工具中去。硬件 验证工程师往往更愿意采用熟悉的工作环境，所以 第二种途径更为常用。S y s t e m C是大多数 H D L 仿真 工具都能识别 的种标准接 口，因此算法设计 工具 导 出 的模 型一 般 会 采 用 S y s t e mC的格 式。这 些 S y s t e m C模型也可以直接在虚拟平 台中表示一个硬 件模型或者激励信号源，对开发的软件进行验证。S y s t e m C模型是在软硬件开发中实现算法模 型重用 的关键。图 3 给 出了利用算法设计工具导 出的模型来验 证接收机实现模块的一个例子。信号源与传输信道 模 型封装 了 S y s t e m C接 口，产生的激励信号作为定 点算法参考模型 和实现模型(也采用 S y s t e m C封 装)的输入。4 算法设计效率 上述的例子表明，从算法设计的角度来看，工具 效率是由多个方面组成的。从算法构思到最后的软 I L企业与产 品【l】国集成电路 C hina I nt egr at ed C i r cui t 图 3在实现工具中重用算法设计工具产生的模型，完成软硬件的验证 硬件实现，效率的提升需要工具的各个方面紧密结 合，共 同完成。效率包括多个方面：建模效率 仿真效率 重用效率 验证效率 在设计的开始 阶段，选择工具时常犯 的错误是 只注重某一个方面的影 响，而忽视了其他。这并不 奇怪。首先，面对复杂的应用环境，传统的思维方式 往往只考虑设计环节，即创建浮点模型。其次，项 目 的压力使得人们急于看到成果，迫使工程师们追求 尽快获得一个初步 的模型。这些 因素导致 了大家更 倾 向于选择浮点优化能力强的工具，因为只有这样 才能更快 的完成一个设计雏形。而当项 目逐渐深入，实现变得越来越重要的时候，这种工具选择的短视 才会显现 出来。4 1建模效 率 建模效率是反 映创建模 型难易程度 的一个概 念，这其 中既包含了创建浮点算法模型，也包含从浮 点到定点的转换。算法的最初形式是一些数学表达 式，把这些抽象的表达式转换成仿真模型的过程应 该是越简单越好。利用标准接 口以及遵循一定的代 码规则可以提高模型的互操作性。如果工具有好的 调试和分析能力，也能改善建模的效率。建模效率是衡量浮点到定点转换过程的一个关 键因素。浮点到定点的转换要求尽可能的保留设计 的关键部分，不对代码做大的改动。因此，工具需要 支持一些特殊的数据类型、常用运算符、模板、以及 运算符重载等。4 2仿真效率 工具的仿真效率主要体现在仿真速度上。仿真 平台的运行速度对项 目周期的每一个阶段都有很大 影响。比如在算法设计 阶段，需要反复测试算法的有 效性，而在定点转换过程中，需要不断调整量化字 长。这些都需要很高的仿真速度支持，否则整个项 目周期会拉长。在诸如 L T E之类的通信系统接收机设计 中，利 用接收机算法模型得到衰落信道下的一个误比特率 值可能需要好几个小时，有时甚至是几天的仿真时 间。而不同的仿真工具之间也可能存在 l O O x的速度 差异。如今，通信标准越来越多的采用复杂算法模 块，比如多天线发送接收，t u r b o编解码等等，需要做 的一致性测试也大量增加。为了避免项 目延迟，保 证设计符合预期，我们应该在设计和验证的每一个 阶段都仔细考虑工具的仿真效率问题。仿真效率的提高还体现在工具的批处理能力和 平行仿真能力上。虽然工具仿真效率的重要性不言 而喻，但是 由于在设计开始阶段往往只有一些简单 的测试案例，工具效率的差别无法充分体现，从而导 致选择工具时不够嗔重。随着项 目 深入，设计越来越 复杂，效率的瓶颈会变得 1 3 益明显。所 以我们需要在 k，；一 C hi I H巾国集成电路 l-，t=岔 口 J 一n a I n t eg r a t ed Ci r c u i t 一开始就仔细考虑仿真效率的问题。4 3重用效率 在通信系统 的开发过程 中，我们可以重用一些 以前的设计。这些设计可能来 自其他设计部 门。为 了能有效的将它们整合到现有的系统 中，工具需要 提供版本控制、标准接 口、以及 自动管理设计文档的 特性。4 4验证效率 从算法设计的角度来讲，验证效率是指算法模 型能否直接集成进软硬件架构的验证流程 中。理想 情况下，算法设计工具应该是从系统到芯片的验证 流程中的一个组成部分。这要求设计工具能将算法 模型导出为 S y s t e m C模型，在 HD L仿真器和虚拟平 台中重用。5 仿真技术 如今市面上存在很多设计工具，但是所使用的 仿真技术可以归为以下三类：时间驱动的仿真 事件驱动的仿真 数据流驱动的仿真 这些仿真技术的主要差别在于顶层模块是如何 调用子模块与子函数的。在数字通信和信号处理系 统中，不同的仿真技术将导致仿真速度的巨大差异。在数字通信和信号处理系统中，信号可以分为 数据信号和控制信号，也称为数据流和控制流。数字通信接收机 利用数据信号来检测 和解调发 送 的符 号。这些数据信号承载着 有用信息，数值在每 个采样时间点是变化 的。数据信号既可 以 用无限精度(实数)h 什n，ww i m an f f l m 的离散时间信号来表示，也可 以看作有 限精度的数 字信号。任何一种表示方法都可以附带离散时间索 引作为参量。这个参 量也可以忽略，因为它仅仅表 示信号在时间轴上的位置关系。位置关 系要么是 已 知的，要么可以随时重建。因此离散时间数据信号可 以看作是由采样点组成 的数据流。控制信号则是一些逻辑值或者标志，用来对通 信或者信号处理系统中的数据链路进行控制和配 置。例如，控制信号可以指示信道解码器采用什么样 的码表。控制信号的值一般很少改变。因此控制信号 可以看作是低速数据流或者离散的事件。在算法设 计的开始 阶段，控制信号可以首先以参数 的形式存 在。在后续过程 中，比如架构设计 阶段，再重新 以信 号的形式建模(参看 图 5的例子)。数据流和控制流在系统的设计验证 中发挥 了重 要作用，系统设计工具需要提供对其建模的要求。下 文将对三种建模技术做一个比较。5 1时 间驱 动的仿真 固定步长的时问驱动仿真技术最简单。全局仿 真时钟在固定的时间间隔更新，仿真器跟踪全局时 钟，在每一次时钟更新后调用模 块，读取输入，更新 内部状态，计算输出信号。这种方法对所有的模块使 用了相同的采样速率。然而，即使在同一个通信系统 中，不同信号的带宽也有可能是不同的，扩频系统就 是一个例子。此时仿真器需要对低速信号做过采样，这将带来极大 的开销，仿真效率也很低。所以固定采 用率的仿真方法不适合对通信系统的仿真。也有一些改进的措施，比如可以对每个模块都 图 4对模拟信号采样，得到的离散时间信号可以看作是采样点组成的数据流 标注采样时间，当全局仿真时钟等于采样时间的某 个倍数时，才调用该模块。但是这种方法存在很大 的局限性，例如当模块的几个输入或者输 出信号采 样时间不一致时，就无法实现。因此，利用该方法不 能建模既有数据输入又有控制输入的模型。其他的改进方法包括 以帧为单位来处理信号，这也称为 向量化 的处理，就是将顺序的采样值用 向 量来表示。但是这种方法提高了对 内存 的要求，也 不能用于反馈环路。向量化操作是导致仿真死锁的 主要原因，而且一旦发生很难定位错误。总之，时间 驱动的仿真方法通常很慢，对通信系统中的数据流 和控制流建模效率不高。5 2事件驱动 的仿真 事件驱动的仿真是指调度算法根据事件序列的 发生顺序来指示状态更新 的一种仿真技术。当事件 发生时，只有那些与事件相关的模块会被调用。对 一个事件的处理可能会触发其他的事件，因此事件 序列在仿真过程中需要不断调整。当事件的发生在 时间轴上分布不均匀时，比如像网络之类的异步系 统或者逻辑系统，事件驱动的仿真效率优势才能体 现出来。因此这种方法主要用于针对控制流的仿真。如果是同步系统，比如基于数据流的通信或者信号 处理系统，每产生一个采样点都对应发生一个事件，需要更新事件队列，这在运行时的开销就非常大。因此，基于事件驱动的仿真技术不适用于针对数字 通信系统之类的系统级设计工具。5 3数据流驱动 的仿真 模块的调度由输入端口的采样数据数量决定，这就是数据流驱动的仿真技术特性。模块被调用时，会从输入端 口读取一定数量 的采样数据，同时将一 定数量的数据输出。消耗和产生的采样点个数分别 对应输入输出端口的速率。当输入端口累积的数据 量超过端 口速率时，模块就会被调用。模块的各个端 口速率不要求一致，因此建模多 速率系统和模块都很方便。模块调度的顺序又称为调度算法。如果端口速率恒 定，或者说端 口速率在仿真时间内不变，调度算法就 可以在仿真开始之前确定。这称为静态调度，也叫同 步数据流。如果模块的端口速率不是常数，而是在每 一次调用时都不相同，调度算法就无法预先确定，需 要在仿真运行时动态的调整。这称为动态调度或者 动态数据流。动态调度会增加额外 的运行时开销，但 是 比起静态调度更灵活。而且在某些数字信号接收 机算法 中，比如定时恢复或者不固定的采样速率转 换模块，只能采用动态数据流来建模。信号的传输 可 以用带方向的线 网来表示。模块的输 出端 口会与 其他模块的输入端口相连。有些端口连接需要特别 关注，因为如果端 口速率不匹配，可能会造成调度算 法的内存 问题。另外，反馈环路中需要包含延迟模 块。需要特别说明的是，这些 问题并不是数据流驱 动的仿真造成的，而是离散信号系统本身不可避免 的。比如两个离散信号的加法或者乘法操作需要信 号有相同的采样速率，而离散信号系统中的反馈环 路必须包含延迟。只有遵循了特定 的规则，对离散信 号系统的仿真才能保证内存不会溢 出。而仿真工具 应该提供帮助用户定位速率不匹配和死锁的功能。由于离散时间数字信号可以用数据流和多速率模块 来表示，因此采用数据流驱动的仿真器对数据信号 和控制信号流建模就有很高的效率。图 5给出了数 据流驱动的仿真模型的例子。图的上半部分是动态 多速率模型，带有高速端 口的模块主要用来处理数 据链路。图的下半部分是低速的控制模块，用来指示 每一帧的符号数或者比特数。由此可见，数据流驱动 的仿真是数字通信系统中最常用，也是最有效的仿 真方法。6 优化的系统级设计解决方案 对于物理层算法的仿真，我们有多种方案可以 选择。包括直接利用 c，C+编译信号处理函数库，以及采用商业化工具提供的建模和仿真模式。本节 以 S y n o p s y s S y s t e m S t u d i o为例，说 明在无线设计领 hI-I-n，-A A!t i pI Tt a，1，、nm 图 5数据流驱动 的信道编码仿真模型，包括数据流、控制流，支持动态数据速率 域，商业化工具相 比 C C+在各方面的优势。6 1仿真模式 上文提及，S y n o p s y s S y s t e m S t u d i o 采用 了数据流 驱动的仿真模式，能够 自动处理静态和动态数据流，特别适合针对复杂通信系统的设计需求。时间驱动的仿真技术需要在仿真性能(使用 向 量处 理)和仿真灵活性(反馈 回路，时域和频域切 换)之 间取得折中，而且对动态系统模 型仿真 的支 持不够。C C+没有专门的仿真模式，开发者需要 自己 设计调度算法。因此在 C C+中可以使用数据流驱 动的概念。S y s t e m C仿真器采用事件驱动的方式，考 虑到对仿真性能的影响，应该尽量避免使用。6 2建模效率 S y s t e m S t u d i o对模型接 口有严格的定义，支持 基于模块的设计方法(见图 6)，对模型的使用简单 明 了，文 档 管 理 也 很 清 晰。S y s t e m S t u d i o支 持 S y s t e mC定点数据类型，允许数据类 型重载，从 而大 大简化了浮点到定点的转换过程。对于商业化的工 具，我们需要 了解它们的发展历程。一般来说，每种 工具及其建模方式都有各 自的应用范嗣。比如针对 h什 n，l ，i m 叠，1，nm 控制信号的建模方式并不适合通信系统中常见 的数 据流模型。在浮点到定点的转换过程中，应该避免重 复建模，而应采用支持参数的模 型，通过参数修改来 逐步转换。C C+的建模效率很低，因为除 了需要设计功 能模块，还需要同时开发专门的调度算法来管理这 些模块。一旦修改了设计，调度算法也需要做相应 的调整。这不但要求所有的研发人员都遵循严格的 代码风格，也加大 了项 目维护的难度。S y s t e m C建模 也存在同样 的问题，仅有的改进包括增加了对定点 数据类型的支持，模型间可以利用 F I F O完成数据 交换 6 3仿真效率 S y s t e m S t u d i o采用 了优化 的数据流驱 动概 念，支持 自动分析和产生静态调度算法，必要 的时候又 保持 了动态 调度 的灵 活性，因此仿 真效率 很高。S y s t e m S t u d i o 针对定点仿真还采用 了特殊 的优化技 术，使得包含 S y s t e mC定点数据类型的仿真平台有 接近浮点平台的运算速度。对定点算法的建模与仿真有两种常用的模式。一种是高建模效率(使用一些通用的定点数据类 型)加低仿真速度，另一种是低建模效率(使用整型 L 一 企 业 与 产品 巾 国 集 成 电 路 C hi na I nt egr at ed C i r cui t 图 6 S y s t e m S t u d i 0 基于模型的设计方法：支持图形输 入，强大的管理功 能 数据类型、移位及与或操作)加高仿真速度。如果选 择了适 当的调度算法，使用 固有的数据类型，C C+的仿真效率是很高的。从设计复杂度 的角度来讲，C C+仿真 的主要工作是设计 一个有效 的调度算 法。商业化 的工具 由于 内置了优化的调度算法，在 仿真效率上的优势明显。S y s t e m C仿真内核采用了 基于事件驱动的仿真技术，不适用于通信系统的仿 真。采用 C C+仿真还需要额外开发的分布式仿真 模式和增加数据管理功能，这本身也是一项艰巨的 任务。6 4重用效率 S y s t e m S t u d i o极高的重用效率得益于其严格定 义的接 口规范，这保证了不 同来 源的模型可以有效 整合在一起。而基 于模块 的设计输 入和 自动生成 H T ML格式文档 的能力也使得模型重用效率极大提 高。C C+模型接 口没有严格的规范，接 口定义有很 大 的自由度，不支持图形设计界面，也不支持文档生 成和管理，因此重用效率很低。6 5验 证效 率 S y s te m S t u d i o 的验证效率很高，内置的 H D L导 入特性支持所有主流的H D L 仿真器。同时 S y s t e m S t u d i o 可以导出 S y s t e mC模型，因此 S y s t e m S t u d i o 开 发的模型可以在 S y s t e mC仿真环境中使用。其他的商业化的解决方案多数不提供硬件仿真 的接 口，或者需要额外购买昂贵的工具。C，C+的验 证效率很不错，因为 C C+函数可以与 H D L 仿真平 台或虚拟平台进行集成。S y s t e m C的验证效率也很 高，S y s t e mC模 型 可 以直 接 在 H D L仿 真 器 以 及 S y s t e mC兼容的虚拟平台中使用。S y s t e mC模型还可 以利用时钟和并发的概念来创建适配器，这一点与 h n J J t，、；m一，r一一一。I【日【日【l】国 集 成 电 路 企 业 与 产品 C h in a In te g ra te d C irc u it 。C C+不同。7 总结 对 于 现 代 通 信 系 统 的 开 发，比 如 L T E 和 Wi MA X，算法设计验证工具的选择对设计质量和能 否早 日实现商用都有着非 常重要 的影响。L T E和 Wi M A X系统都需要支持极高的数据速率，同时也要 满足频谱效率的要求，这些都会导致非常复杂的信 号处理算法。4 G标准定义了很 多应用场景，要求 系 统在这些场景中都能很好 的工作，因此在算法设计 阶段需要仿真大量的测试案例。复杂度和项 目周期 的压力要求算法与结构设计能与软硬件实现工作完 全整合在一起。因此，系统设计变成了一项更宽泛 的工程，不止需要工程师之间横 向的合作，也需要按 照项 目进展的情况纵向的管理。设计流程或者方法 的选择对设计效率有很大 的 影响。对于算法工程师来讲，效率体现在使用的工 具上，具体包括四个方面的因素：建模效率，仿真效 率，重用效率和验证效率。当选择某种工具或者方法 来进行有效的算法设计时，工程设计者需要从整个 设计流程的角度来考虑算法复杂度的要求。针对一 些简单设计的解决方案对更大更复杂 的系统来说可 能完全不适用。而如果每一个项 目都采用独特 的工 具和方法，项 目的维护就会成为噩梦。一些表面上看 成本很小的解决方案，后续可能需要购买其他昂贵 的工具。而如果工具某些基础功能缺失，也会耗费工 程师更多的时间和精力。S y n o p s y s的 S y s t e m S t u d i o 作为业界领先的仿真 工具，针对通信系统设计者面临的挑战给出了完善 的解决方案。S y s t e m S t u d i o的特点包括：支持算法设计的标准化流程：标准模型接 口、自动生成和管理文档、代码检查、版本控制系统接 口。极高的仿真性能：数据流驱动的仿真调度内 核，支持静态和动态数据流，针对定点仿真的优化。与实现工具 的整合：支持模型导入和导出。四 上接第 7 O页 文章从 T C S 2 3 0的结构特点和应用领域 出发，结合 A T 8 9 C 5 1 单片机，实现了能够同时测量和辨别 光线 中所含三基色亮度的便携式数字亮度计。简述 了利用软件对 T C S 2 3 0的实际颜色测量值进行校正 的处理办法，大大提高了系统对颜 色的辨识精度。给出了相应的硬件设计 电路、软件流程 图和测试程 序清单。电路具有成本低、测量速度快、精确高、便 携等特点，可广泛应用 于各种需要对光色成分进行 测量、分析与识别的行业。四 l 46 一l 4 9 3 郑喜凤，黄娉，刘贵华 三基色亮度计的设计和应 用 J J 微计算机信息，2 0 0 9，2 5(2-2)：6 2 6 4 4 丁茹，李刚 可编程 彩色光 频转换器 T C S 2 3 0及 其应用 国外电子元器件f J ，2 0 0 5，1：5 9 6 2 【5 卢川英，于浩成，孙敬辉，孟 中 基于 T C S 2 3 0传感器 的颜色检 测系统 吉林大学 学报 J ，2 0 0 8，2 6(2 6)：621-6 26 6】T A O S公 司 T C S 2 3 0技 术说 明书 Z】德 拉 瓦：T A O S公 司，2 0 0 6 参考文献 1 梁冀 基于三基色反射光的颜色识别系统设计 作者简介 J 大众科技，2 0 0 8，1 l 1(1 1)：4 3+3 1 邓知辉，助教，研究方向：单片机系统开发及应用、智 2 1龚向东，曾振兴，林丹，基于 S P C E O 6 1 A单片机的 能移动机器人开发。颜色检测系统的设计【J 1 电子测量技术，2 0 0 8，3 1(4)：h什n，A A A ,A I i，、m l tl，、