新一代5G系統(tǒng)的設(shè)計十分復雜，而UltraScale器件內(nèi)置的相關(guān)功能，能讓這項工作變得更加簡單。

Michel Pecot 賽靈思公司無線系統(tǒng)架構(gòu)師

即將到來的5G無線通信系統(tǒng)似乎需要支持比目前使用的4G系統(tǒng)更大的帶寬(200 MHz及以上)，以及大型的天線陣列，以實現(xiàn)更高的載波頻率，從而有可能構(gòu)建小得多的天線元。這些所謂的大規(guī)模多輸入多輸出(MIMO)應用連同更加迫切的延遲需求可將設(shè)計復雜度提高一個數(shù)量級。

去年年底，賽靈思宣布推出20nmUltraScaleTM系列，目前第一款器件已在運輸途中[1,2,3]。這項新技術(shù)與之前的28nm7 系列相比具有眾多優(yōu)勢，尤其是在無線通信方面。確實，這款新型芯片與賽靈思Vivado®設(shè)計套件[4,5]工具的結(jié)合完美適用于新一代無線電應用等高性能信號處理設(shè)計。

我們來看看針對這類設(shè)計UltraScale器件有哪些優(yōu)勢，著重觀察架構(gòu)方面——尤其是當實現(xiàn)一些用于無線數(shù)字前端(DFE)應用的最常見功能時，這種增強功能會給DSP48Slice和Block RAM帶來哪些優(yōu)勢。與7 系列相比，UltraScale系列可提供更加密集的布線和時鐘資源，能夠?qū)崿F(xiàn)更高的設(shè)備利用率，尤其針對高速設(shè)計。但是，這些特性通常不能對設(shè)計架構(gòu)產(chǎn)生直接影響，因此我們在這里不做討論。

UltraScale架構(gòu)增強功能簡介

UltraScale 20nm架構(gòu)不僅能隨著幾何節(jié)點的遷移提高集成能力，提升架構(gòu)性能以及降低功率消耗，還包括一些顯著增強的全新功能，可直接支持DFE應用。而這些功能對UltraScale Kintex®器件而言尤其重要，為此賽靈思已根據(jù)此類設(shè)計的需求進行了重大調(diào)整。

首先，這些器件包含多達5,520個DSP48Slice，這幾乎是7 系列FPGA的最大數(shù)量(1,920)的三倍(Zynq® - 700 All Programmable SoC為2,020)，因此，它可以實現(xiàn)高集成度。比如，一個中型UltraScale FPGA的瞬時帶寬就能達到80到100 MHz，您可以利用這一帶寬實現(xiàn)完整的8Tx/8Rx DFE系統(tǒng)，而在7 系列架構(gòu)中，必須使用雙芯片解決方案才能實現(xiàn)，因為每個芯片只能有效支持一個4x4系統(tǒng)。如欲了解有關(guān)這類設(shè)計各項功能的詳細信息，敬請參閱賽靈思白皮書WP445“采用賽靈思All Programmable FPGAs以及SoC實現(xiàn)高速無線電設(shè)計”[6]。

SerDes可在最低速度等級器件上支持12.5 Gbps流量，實現(xiàn)最大JESD204B接口連接速度。

由于被動冷卻的無線電施加了熱限制，因此將復雜設(shè)計集成到單個器件要求大幅降低功耗，以散發(fā)熱量。UltraScale系列在提供這項功能時，其靜態(tài)功耗比同等規(guī)模的7 系列器件低10%-15%，動態(tài)功耗比類似設(shè)計低20%-25%。此外，賽靈思還大幅降低了UltraScale產(chǎn)品線的SerDes功耗。

此外，它還存在性能優(yōu)勢。最低速度等級UltraScale器件支持時鐘速率高于500MHz的設(shè)計，而7 系列器件則要求達到中速等級。然而，即使這樣，Block RAM從計時角度來看要求仍然嚴苛，并且必須選擇WRITE_FIRST或NO_CHANGE模式以達到這種性能。不能使用READ_FIRST，因為它的限值在470MHz左右，而另外兩種模式可達到530MHz。無論何時NO_CHANGE總是您的最佳選擇，因為它同時還能實現(xiàn)最低功耗。

同樣，SerDes可在最低UltraScale速度等級上支持高達12.5 Gbps流量，從而實現(xiàn)最大JESD204B接口連接速度，其應很快可在大多數(shù)DAC和ADC上實現(xiàn)。同樣，最低的UltraScale速度等級還可支持兩個最高CPRI等級(7級和8級，其流量分別為9.8304和10.1376Gbps)以及10GE接口，通常用于DFE系統(tǒng)。

此外，UltraScale Kintex資源組合更適合無線電應用，它能夠?qū)崿F(xiàn)邏輯資源的最佳用法。該DSP邏輯比尤其符合DFE設(shè)計的典型需求。確切地說，UltraScale Kintex器件擁有每千查找表(LUTs)8-8.5個DSP48Slice，而7 系列器件只有大概6個。

賽靈思還大幅增加了UltraScale架構(gòu)的時鐘和布線資源。這項增加提高了器件利用率，尤其針對高時鐘速率設(shè)計。實際上，這樣做減少了布線擁塞，設(shè)計人員可以實現(xiàn)更好的設(shè)計封裝和LUT利用率，尤其是使LUT/SRL壓縮變得更為高效。用戶可以利用這項有意思的架構(gòu)特性更好地打包設(shè)計，從而優(yōu)化資源利用率以及動態(tài)功耗，其中相關(guān)邏輯的動態(tài)功耗下降系數(shù)可達1.7。LUT/SRL的壓縮原理包括采用LUT6的兩個輸出在單個LUT內(nèi)打包兩個不同函數(shù)。這樣，如果兩個LUT5共享相同的輸出或內(nèi)存讀取/寫入地址，您可以將實現(xiàn)邏輯函數(shù)或內(nèi)存的兩個LUT5打包到一個LUT6中。同樣，也可以將兩個SRL16打包到一個LUT6中。

該特性對于數(shù)字無線電設(shè)計非常實用，該設(shè)計通常將共享同一地址的多個小內(nèi)存(例如儲存過濾系數(shù)的ROM)和很多短延遲線(不到16圈)集成到按時間排列的不同信號路徑中。數(shù)據(jù)復用功能，尤其是雙輸入復用器，也將受益于這項特性。但是要想獲得較高的時鐘速率，必須謹慎使用LUT/SRL壓縮。首先，必須用連接到O6/O5 LUT輸出的兩個觸發(fā)器以避免發(fā)生任何計時問題。基于相同的原因，建議僅對相關(guān)邏輯使用這項功能，該策略還能起到限制布線擁塞的作用。

在UltraScale器件中，時鐘架構(gòu)和可配置邏輯塊均有助于更好地利用器件。盡管CLB仍然以7 系列架構(gòu)為基礎(chǔ)，但現(xiàn)在每個CLB擁有單個Slice(而非兩個)，其中集成了8個6輸入LUT和16個觸發(fā)器。因此進位鏈有8位長，且提供更寬的輸出復用器。另外，賽靈思還增加了控制集資源(也就是時鐘，時鐘使能和復位信號均共享于CLB中的存儲組件)。

然而，從本質(zhì)上來講，還是DSP48 Slice和Block RAM的改進對無線電設(shè)計架構(gòu)的影響最大。我們來詳細了解一下。

UltraScale DSP48Slice架構(gòu)的優(yōu)勢

圖1給出了UltraScale DSP48Slice(DSP48E2)的視圖。上面的原理圖(圖表“a”)顯示了詳細架構(gòu)，下面的原理圖(“b”)強調(diào)了與7 系列Slice(DSP48E1)相比增強的功能。

*這些信號是專用于DSP48E2列的內(nèi)部布線路徑，其不可通過通用布線資源進行訪問。

(a)詳細的DSP48E2架構(gòu)

預加法器輸入端上的A/B多路復用器

方形多路復用器

寬XOR

增加的乘法器寬度

W-多路復用器

(b)DSP48E2高層次功能視圖

圖1 – UltraScale DSP48Slice架構(gòu)

賽靈思用戶指南UG579全面介紹了DSP48E2功能[7]。UltraScale架構(gòu)的主要增強功能為：

賽靈思將乘法器的寬度從25×18增加到27×18，預加法器寬度也相應增加到27位。

您可以選擇預加法器輸入端為A或B，輸出端集成了一些多路復用器邏輯，從而允許在任意乘法器輸入端上(27位或18位輸入)饋送D±A或D±B。

預加法器輸出端可饋送兩個乘法器輸入(在18位輸入端上有適當?shù)腗SB截斷)，因此允許計算高達18位數(shù)據(jù)的(D±A)²或(D±B)²。

通過額外的W-mux多路復用器在算術(shù)邏輯單元(ALU)中添加了第四個操作數(shù)，可將其看作輸入端C、P或一個常量值(在FPGA配置時定義)。這樣，使用乘法器時便可以執(zhí)行一個三輸入操作，如A*B+C+P或A*B+P+PCIN。值得注意的是，只能在ALU中添加W-mux輸出(不允許減少)。

賽靈思集成了其它邏輯，從而可在X、Y或Z多路復用器輸出端中的任意兩個之間執(zhí)行96位寬XOR。實際上此處可提供四個不同模式，1x96位、2x48位、4x24位或8x12位XOR操作。

將乘法器尺寸從25×18擴大到27×18，這對DSP48Slice芯片面積的影響極小，但會顯著提高對浮點運算的支持。首先，需要指出的是，DSP48E2可有效支持高達28×18位或27×19位符號乘法運算。其可以通過用輸入端C處理其它位元的形式來實現(xiàn)，如圖2，顯示了28位操作數(shù)X和18位操作數(shù)Y之間的乘法運算。

46位輸出端的45個最高有效位(MSBs)的計算方式為：

Z[45:1]=X[27:1]*Y[17:0]+X[0]*Y[17:1]

X的27個最高有效位和Y的18位可直接饋送到DSP48E2乘法器輸入端，而X[0]*Y[17:1]源自外部17位AND運算符，并在一個流水線步驟后被發(fā)送到輸入端C以匹配DSP48E2延遲。事實上AND運算符可通過由X[0]控制的復位引腳將Y[17:1]直接饋送到寄存器中。同樣，外部1位AND運算符和用于實現(xiàn)延遲平衡的三時鐘周期延遲可用來計算Z，Z[0]的LSB。

因此您可以執(zhí)行具有單個DSP48E2 Slice和18個LUT/觸發(fā)器對的28×18位乘法器。這同樣適用于使用其它27個LUT/觸發(fā)器對的27×19位乘法器。這兩種情況下，均可通過W-mux支持運算結(jié)果的收斂舍入。

圖2 –具備輸出收斂舍入功能的28×18位符號乘法運算

雙精度浮點乘法運算涉及兩個運算符的53位非符號尾數(shù)的整數(shù)乘積。盡管雙精度浮點計數(shù)法中儲存有一個52位數(shù)值(m)，但它代表的是非符號尾數(shù)的小數(shù)部分，而實際上其是標準化的1+m值，需要將這些值乘在一起;因此乘法運算將要求使用附加位?？紤]到兩個53位操作數(shù)的MSB都等于1，并適當分解乘法運算從而以最佳方式利用DSP48E2 26×27位非符號乘法器及其改善后的各項功能(例如，由W-mux啟動的真正的三輸入48位加法器)，可以看到，只需6個DSP48E2 Slice和極少的外部邏輯就可以構(gòu)建53×53位非符號乘法運算。本文未涉及這類實現(xiàn)方式的所有細節(jié)，但在上一代7 系列器件上，要實現(xiàn)類似的方法則需要10個DSP48E1 Slice;因此UltraScale架構(gòu)將需要的Slice數(shù)量減少了40%。

DSP48E2的27×18乘法器對于以融合數(shù)據(jù)路徑為基礎(chǔ)的應用非常實用。最近，IEEE浮點標準中加入了融合乘累加運算符概念[8]。一般來說，這包括建立浮點運算A*B+C，且乘法器和加法器之間無需明確舍入、標準化和非規(guī)范化的數(shù)據(jù)。當使用傳統(tǒng)的浮點運算時，這些功能的代價非常高昂，且占用了最多的延遲時間?？赏茝V這一概念以建立積和運算符，這在線性代數(shù)中非常常見(矩陣積，Cholesky分解法)。因此，這種方法在成本或時間緊迫的情況下十分高效，同時要求具備浮點計數(shù)法的準確性和動態(tài)范圍。在無線電DFE應用中，數(shù)字預失真功能通常要求一些硬件加速來支持，以提高非線性濾波器系數(shù)的更新速度。然后，您可以在FPGA架構(gòu)中建立一個或多個浮點MAC引擎，以協(xié)助軟件中運行的系數(shù)估算算法(例如，在Zynq SoC的一個ARM®CortexTM-A9核上)。

對于這類算術(shù)結(jié)構(gòu)，已經(jīng)證明如果尾數(shù)寬度略有上升，從23位上升到26位，則與真正的單精度浮點實現(xiàn)相比，準確度會有所提高，但會減少延遲和空間占用。UltraScale架構(gòu)非常適合該用途，因為它只需2個DSP48 Slice就可以打造單精度的融合乘法器，而7 系列器件則需使用3個Slice以及其它架構(gòu)邏輯。

預加法器集成在位于乘法器前面的DSP48 Slice中，可提供一種高效的對稱濾波器實現(xiàn)方式，這在DFE設(shè)計中很常見，可以實現(xiàn)數(shù)字上變頻器(DUC)和數(shù)字下變頻器(DDC)功能。對于N抽頭對稱濾波器來說，其輸出實例的計算方式如下：

其中x(n)代表輸入信號，h(n)代表濾波器脈沖響應，其中h(n)=h(N-1-n)。

因此，成對的輸入實例會被饋送入預加法器中，而輸出則會進一步乘以相應的濾波器系數(shù)。在7 系列架構(gòu)上，預加法器必須使用DSP48E1的30位輸入端(A)以及25位輸入端(D)，且其輸出端需連接乘法器的25位輸入端，同時將輸入端B布線至18位乘法器輸入端。

通過額外的W-mux多路復用器可將第四個輸入操作數(shù)添加到ALU中對無線電應用最為有益。

因此，在建立對稱濾波器時，系數(shù)數(shù)值化后不得超過18位，這樣可將阻帶衰減限制在85到90dB左右。對于新一代5G無線電系統(tǒng)來說，這也許會成為問題，因為該系統(tǒng)很可能在干擾水平較高的環(huán)境下運行，因此也許需要更大的衰減。

UltraScale架構(gòu)解決了這個問題，因為可選擇預加法器輸入端作為A或B，并在輸出端集成了一些多路復用邏輯，從而支持將D±A或D±B饋送至任意乘法器輸入端(27位或18位輸入端)。因此，可支持系數(shù)達27位的對稱濾波器。賽靈思還為DSP48E2 Slice添加了另一項功能，將預加法器輸出端連接至乘法器的兩個輸入端(在18位輸入端上設(shè)有恰當?shù)腗SB截斷)。這樣便可以執(zhí)行多達18位數(shù)據(jù)的(D±A)²或(D±A)²運算，從而可有效用于評估平方誤差項的總和。此類運算在優(yōu)化問題中十分常見，比如，在實施最小平方解決方案以獲得調(diào)制解調(diào)器均衡器系數(shù)時，或按時間排列兩個信號時。

毫無爭議，通過額外的W-mux多路復用器將第四個輸入操作數(shù)添加到ALU中對無線電應用最為有益。相比7 系列器件上針對此類設(shè)計相同的實現(xiàn)方案，這個操作數(shù)通?？梢詫SP48需求量減少10%-20%。

只能將W-mux輸出加入ALU(不允許減少)中，并可將其動態(tài)設(shè)置為寄存器C或P內(nèi)容，或在FPGA配置過程中將其設(shè)為常量值(比如用于DSP48輸出端的收斂舍入或?qū)ΨQ舍入的常量)，或只需將其歸零。通過這種方式可在使用乘法器時執(zhí)行真正的三輸入運算，如A*B+C+P，A*B+C+PCIN，A*B+P+PCIN，而這在7 系列架構(gòu)中是不可能實現(xiàn)的。的確，使用乘法器階段會生成最后兩個部分乘積輸出，然后將其添加到ALU中，以完成運算(見圖1)。因此，啟動乘法器后，乘法器將使用ALU的兩個輸入端并執(zhí)行一項三輸入運算，而7 系列器件則無法執(zhí)行。

受益于這一額外ALU輸入端的兩個最主要實例是半并行濾波器和復合乘積累加(MAC)操作數(shù)。下面我們將對這兩個實例進行詳細講解。

關(guān)于濾波器和MAC

在任何DFE應用中，線性濾波器都是最常用的處理單元。在賽靈思 FPGA上集成此項功能后，建議[6]盡可能實現(xiàn)多通道濾波器，因為它的復合采樣率(定義為通道數(shù)量與每條通道一般信號采樣頻率的乘積)與該設(shè)計運行所用的時鐘速率相同。在所謂的并行架構(gòu)中，每個DSP48 Slice根據(jù)數(shù)據(jù)通道支持單一濾波器系數(shù)，從而大幅簡化了控制邏輯，并因此最大限度地降低設(shè)計資源利用率。

但是由于提高了時鐘速率(例如，在最低速度等級UltraScale器件上時鐘速率超過500 MHz)，且濾波器以相對較低的采樣率運行，因此通常會選擇時鐘速率作為復合采樣率的倍數(shù)?？杀M量提高時鐘速率，以進一步減小設(shè)計占用的空間，同時降低功耗。在這種情況下，將需建立一個半并行架構(gòu)，其中每個DSP48會根據(jù)通道處理K系數(shù)，而K是時鐘速率與復合采樣率之間的比率。最高效的實現(xiàn)方案包括將濾波器拆分為多個K相位，每個DSP48可處理這些K相位的一個特定系數(shù)。

在每個時鐘周期中計算出連續(xù)多個濾波器輸出相位，并將其累加形成一個輸出樣本(每個K周期一次)。因此，與并行實現(xiàn)方案相比，濾波器輸出需要增加一個累加器。這種全精度累加器可作用于較大的數(shù)據(jù)寬度，等于bS+bC+bF，其中bS和bC分別表示數(shù)據(jù)樣本的位寬度和系數(shù)，而bF=Log2N是濾波器的位增長，N是系數(shù)總數(shù)。因此，常規(guī)做法是在DSP48 Slice內(nèi)實現(xiàn)累加器，以保證支持最高時鐘速率并最大限度地降低占用空間和功率消耗。

需要注意的是，各類濾波器都可以生成半并行架構(gòu)，例如：單頻率濾波器、整數(shù)型濾波器或分數(shù)率內(nèi)插和抽取濾波器。圖3是簡化后的7系列和UltraScale實現(xiàn)方塊圖。圖中清晰地突出了UltraScale解決方案的優(yōu)勢，由于其具備W-mux功能，相位累加器可被最后一個DSP48 Slice吸收。

(a)7 系列實現(xiàn)方案

(b)UltraScale實現(xiàn)方案

圖3 –在7 系列和UltraScale架構(gòu)上實現(xiàn)半并行濾波器

下面我們來思考一下如何實現(xiàn)每個時鐘周期產(chǎn)生一個輸出單元的全并行復合MAC運算符。眾所周知，您可以重寫復乘積的等式PI+j.PQ=(AI+j.AQ).(BI+j.BQ)，從而根據(jù)以下等式僅使用三個真正的乘法運算：

PI = P1 + AI.(BI - BQ)

PQ = P1 + AQ.(BI + BQ)

其中P1 = BQ.(AI - AQ)。

(a)7 系列實現(xiàn)方案

(b)UltraScale實現(xiàn)方案

圖4 –在7 系列和UltraScale架構(gòu)上實現(xiàn)復合MAC

因此，利用內(nèi)置加法器，您只需三個DSP48(一個用于計算P1，另外兩個用來處理PI和PQ輸出)就能實現(xiàn)復合乘法器。根據(jù)延遲需求以及其中表述的速度性能指令，需要增加一些邏輯以在不同數(shù)據(jù)路徑間平衡延遲。為獲取最大速度支持，必須對DSP48實行完全流水線化，從而讓運算符整個延遲六個周期。隨后在每個輸入端增加一個兩周延遲線，讓實際數(shù)據(jù)路徑和虛構(gòu)數(shù)據(jù)路徑保持一致。在每個輸入位配備四個SRL2，并利用SRL壓縮功能將四個SRL2打包到兩個LUT中。通過在每個PI和PQ輸出端添加累加器來最終完成復合MAC。此外，這個累加器會作用于較大的數(shù)據(jù)寬度，因此能更好地集成到DSP48 Slice中。圖4顯示7 系列和UltraScale器件相應的實現(xiàn)方案，從而再一次展示了W-mux集成的優(yōu)勢。PI和PQ DSP48E2 Slice在吸收累加器時可節(jié)省40%資源。值得一提的是，該方式還減少了延遲，對一些應用十分有益。

您可以用類似結(jié)構(gòu)構(gòu)建帶有三個真實濾波器的復合濾波器(其中一個具備復合數(shù)據(jù)和系數(shù))，如圖5所示。輸入信號的真實部分和虛構(gòu)部分會饋送至兩個真實濾波器中，其系數(shù)分別為該濾波器系數(shù)虛構(gòu)部分和真實部分的差值和總和。第三個濾波器用系數(shù)的真實部分處理并行的輸入端真實與虛構(gòu)部分的總和。當需要建立并行濾波器時，最終可將三個濾波器的輸出端結(jié)合起來，以生成輸出端的真實與虛構(gòu)組件，其將再次受益于W-mux，這也是DFE應用中使用均衡器的典型狀況。

圖5 –復合濾波器的實現(xiàn)架構(gòu)

圖6 – UltraScale器件上的BRAM級聯(lián)

UltraScale內(nèi)存架構(gòu)的優(yōu)勢

UltraScale器件集成的Block RAM與7 系列中集成的Block RAM基本相同，但新架構(gòu)引入了硬件數(shù)據(jù)級聯(lián)方案以及動態(tài)電源門控能力。圖6顯示了該級聯(lián)，其中展示的是同一列中在每個上下相鄰的Block RAM間嵌入的數(shù)據(jù)多路復用器。因此，無需使用其它邏輯資源便能以由下至上的方式建立更大內(nèi)存。

該級聯(lián)覆蓋了器件上的所有整列，但最好將級聯(lián)的使用限制在單個時鐘區(qū)域(即12個連續(xù)BRAM)以避免時鐘偏移并最大限度提升時序性能。此外，它還提供足夠的靈活性，可支持該級聯(lián)功能的不同實現(xiàn)。實際上，您既可以將多路復用器應用到位于可選寄存器前后的Block RAM數(shù)據(jù)輸入端，也可以用于數(shù)據(jù)輸出端。

該級聯(lián)使建立需要多個BRAM的大型內(nèi)存成為可能，同時占用空間極少，支持最高時鐘速率以及最低功率消耗，而這些在7 系列器件上則無法實現(xiàn)。比如，在7 Se系列器件上，最好通過配置為16K×2位的八個BRAM(36K)實現(xiàn)存儲16位數(shù)據(jù)的16K內(nèi)存，以避免外部數(shù)據(jù)復用，而這樣則需要增加邏輯資源和延遲，并會影響計時與布線擁塞。從動態(tài)功率角度來說，這種方法效率較低，因為在所有讀取或?qū)懭氩僮髦卸家獑舆@八個Block RAM。最佳解決方案包括使用2Kx16位配置，由于這樣只需啟動一個BRAM，因此消耗的動態(tài)功率只有上述方法的八分之一。級聯(lián)功能連同動態(tài)功率門控功能正好可以在UltraScale器件上實現(xiàn)這種效果。

Block RAM級聯(lián)的另一種直接應用與實現(xiàn)I/Q數(shù)據(jù)轉(zhuǎn)換功能有關(guān)，通常與DFE系統(tǒng)的基帶CPRI接口集成。圖7展示了通常由一個NxM存儲器陣列組成的高級交換架構(gòu)。N入口流上的連續(xù)數(shù)據(jù)會根據(jù)其輸出目的地寫入到相應的Block RAM中并形成一行，且會從相應的Block RAM以一列的形式讀取M出口流。因此，可以用BRAM級聯(lián)有效實現(xiàn)每一列。

如欲了解有關(guān)20nmUltraScale系列的更多信息，敬請訪問http://china.xilinx.com/products/silicon-devices/fpga/index.htm。

圖7 –數(shù)據(jù)交換高級架構(gòu)