系統(tǒng)級芯片(SoC)是智能移動終端的核心,，決定了一款機(jī)器的性能水平。目前的中高端嵌入式SoC中普遍集成了嵌入式圖形處理器GPU(Graphic Processing Unit),，主要用于處理CPU并不擅長的三維圖形任務(wù),。但高性能GPU所帶來的高功耗對于移動終端是一個嚴(yán)峻的挑戰(zhàn)。

    動態(tài)電壓頻率調(diào)整DVFS(Dynamic Voltage and Fre-
quency Scaling)是降低動態(tài)功耗的常用方法,，其核心思想是根據(jù)當(dāng)前所運(yùn)行的任務(wù)對計算能力的不同需求來動態(tài)調(diào)節(jié)處理器的工作頻率和電壓,，從而達(dá)到節(jié)能的目的。DVFS的理論依據(jù)是如下動態(tài)功耗的計算公式[1]：
    
    嵌入式GPU（下文均簡稱GPU）的發(fā)展時間短,，技術(shù)更新快,，在設(shè)計目標(biāo)、軟硬件架構(gòu),、圖形標(biāo)準(zhǔn),、運(yùn)行系統(tǒng)等方面與PC顯卡都有所差異[2]，有關(guān)降低功耗的研究尚不多見,。針對這種現(xiàn)狀,，本文基于目前最流行的嵌入式操作系統(tǒng)Android，在GPU的內(nèi)核驅(qū)動層提出了一種GPU 動態(tài)調(diào)頻方案,，使GPU可以根據(jù)性能需求自適應(yīng)地調(diào)節(jié)運(yùn)行頻率和電壓,，從而降低GPU的動態(tài)功耗。
1 Android應(yīng)用對GPU的性能需求
    Android系統(tǒng)主界面的混合與疊加采用GPU硬件加速[3]，除此之外,，圖庫、動態(tài)壁紙,、3D桌面,、3D游戲等多種應(yīng)用也需要GPU的支持。各種應(yīng)用對于GPU性能的需求大不相同,，例如,，動態(tài)壁紙的幀率一般被限定在15~20 f/s左右，對GPU的性能需求較低,；不同的3D游戲?qū)τ贕PU性能的需求也大不相同,，即使在同一個游戲中，對GPU性能的需求也是隨著場景的變化而不斷變化的,。GPU性能測試軟件需要反映GPU的最高性能,，對GPU處理能力的要求遠(yuǎn)超其他應(yīng)用程序。根據(jù)以上分析,，如果GPU始終以固定的頻率運(yùn)行,，則會出現(xiàn)兩種情況：對于低復(fù)雜度的任務(wù)，若GPU運(yùn)行在高頻,，則性能過剩,，造成功耗的浪費(fèi)[4]；對于高復(fù)雜度的任務(wù),，若GPU沒有運(yùn)行在足夠高的頻率,，則無法滿足性能需求。因此最理想的情況是GPU能夠根據(jù)需求快速地調(diào)整頻率,，以提供期望的性能,。
2 GPU頻率-性能模型
2.1 選擇GPU工作頻率
    Android系統(tǒng)的時鐘模塊可以為GPU提供多種頻率，GPU動態(tài)調(diào)頻的工作頻率從這些頻率中選出,。在備選頻率中,，選擇能滿足最低性能需求的最低頻率作為最低工作頻率，選擇GPU能正常工作的最高頻率作為最高工作頻率,。在最低和最高工作頻率之間盡可能等間隔地選擇工作頻率,，并且相鄰頻率的間隔不能太小，否則GPU容易在相鄰的兩個頻率上反復(fù)切換,。以1 200 MHz的輸入時鐘為例,，通過分頻可以得到75 MHz、100 MHz,、120 MHz,、150 MHz、200 MHz,、240 MHz,、300 MHz,、400 MHz、600 MHz等頻率,。根據(jù)上述方法首先確定最低工作頻率為100 MHz,，最高工作頻率為400 MHz?？紤]到相鄰工作頻率之間的間隔,，在100 MHz～400 MHz之間的頻率中選擇200 MHz和300 MHz作為工作頻率。
2.2 測量GPU相對性能
    GPU的性能可以通過運(yùn)行Nenamark2,、GLBenchmark,、Basemark等專業(yè)的GPU性能測試軟件測量得到的幀率反映出來。圖1是測量得到的某GPU的頻率-幀率對應(yīng)關(guān)系圖,。不同的測試軟件下發(fā)給GPU的任務(wù)量不同,，因此測得的幀率有所差異，但是幀率與頻率之間都呈現(xiàn)近似分段線性的關(guān)系,，且頻率越高幀率的增長速度越緩慢,。這是因?yàn)殡S著頻率的增加，GPU內(nèi)部某個模塊會最先達(dá)到性能瓶頸,，從而影響整體性能的提升,。

    設(shè)GPU共有N個工作頻率，分別為fi,，i=1,，2，…,，N,，fi對應(yīng)的幀率為Pi，相對性能Ri=Pi/P1,。表1是運(yùn)行性能測試軟件得到的3組相對性能值,。從表中可看出，通過不同的性能測試軟件測得的Ri值是基本一致的,。綜合Ri值就可以建立該GPU的頻率-性能模型,，如圖2所示。

3 GPU動態(tài)調(diào)頻算法
    在Android系統(tǒng)的主界面切換,、動態(tài)壁紙,、游戲等3D應(yīng)用場景中，GPU的負(fù)載在幾幀到幾十幀的短時間內(nèi)具有相關(guān)性,，因此可以根據(jù)過去一段時間內(nèi)的GPU負(fù)載預(yù)測將來的GPU性能需求,。為了兼顧精確度和復(fù)雜度的需求，本文采用一種基于歷史值加權(quán)平均的動態(tài)調(diào)頻算法，算法可分為4步：
 

    (4)調(diào)整GPU頻率和電壓,。在調(diào)頻調(diào)壓時需要遵循以下原則[7]：提高GPU頻率時,，應(yīng)先提高電壓再提高頻率；降低GPU頻率時,，應(yīng)先降低頻率再降低電壓,。為了避免頻率的變化過大，可以只允許調(diào)整到相鄰的工作頻率,。
4 實(shí)驗(yàn)結(jié)果
    本文在Android4.1系統(tǒng)上，選擇了界面切換,、動態(tài)壁紙（bubbles）,、捕魚達(dá)人游戲和Nenamark2 4種典型的應(yīng)用場景測試動態(tài)調(diào)頻的效果。作為測試對象的某GPU有4種工作頻率：100 MHz,、200 MHz,、300 MHz和400 MHz。實(shí)驗(yàn)參數(shù)選擇如下：GPU負(fù)載的統(tǒng)計周期T=30 ms,，式(5)中K=4,，預(yù)測系數(shù)h[0]=0.4，h[1]=0.3,，h[2]=0.2,，h[3]=0.1，性能門限?茁=0.9,。在每個應(yīng)用場景下隨機(jī)抽取10 s的統(tǒng)計數(shù)據(jù),，如表2所示。

    表2中,，預(yù)測負(fù)載誤差是指預(yù)測負(fù)載值與實(shí)際負(fù)載值的平均誤差,。由于GPU只有4個離散的工作頻率，因此預(yù)測頻率的錯誤率比預(yù)測負(fù)載誤差小很多,。預(yù)測頻率的準(zhǔn)確率不僅與預(yù)測負(fù)載誤差的大小有關(guān),，還與應(yīng)用對GPU性能的需求范圍有關(guān)。如果應(yīng)用對GPU性能的需求變化大,，GPU可能的工作頻率多,，頻率的調(diào)整比較頻繁，則預(yù)測頻率的準(zhǔn)確率就會降低,。實(shí)驗(yàn)結(jié)果表明,，4種典型場景下預(yù)測GPU工作頻率的準(zhǔn)確性都達(dá)到了95%以上。
    GPU負(fù)載統(tǒng)計周期為30 ms時,，在最差情況下,，即GPU的初始頻率為100 MHz、需求工作頻率為400 MHz時，動態(tài)調(diào)頻算法只需要8個周期,，即240 ms就可以完成調(diào)頻的過程,。因此對于各種3D應(yīng)用，動態(tài)調(diào)頻算法都能快速跟蹤GPU負(fù)載的變化,，及時調(diào)整頻率以滿足需求,。
    本文介紹了一種基于Android系統(tǒng)的GPU動態(tài)調(diào)頻方案，可以有效降低GPU的動態(tài)功耗,，延長移動終端的工作時間,。通過調(diào)整動態(tài)調(diào)頻算法的系數(shù)，方案適用于多種GPU,，且易于移植到不同版本的Android系統(tǒng)上,。針對特定的GPU，還可以通過GPU驅(qū)動中提供的其他一些有用信息以及GPU廠商提供的開發(fā)工具對方案進(jìn)行優(yōu)化,。本方案已申請國家發(fā)明專利,，并在多款平板電腦產(chǎn)品上應(yīng)用實(shí)施。
參考文獻(xiàn)
[1] Kim K,，AGIS A I.Impact of microwave interference on dynamic  operation and power dissipation of CMOS inverters[J].Electromagnetic Compatibility,，IEEE Transactions，2007,，49(2)：329-338.
[2] CAPIN T,，PULLI K，AKENINE-MOLLER T.The state of the art in mobile graphics research[J].IEEE Computer Graphics and Applications,，2008,，28(4)：74-84.
[3] 韓超，梁泉.Android系統(tǒng)原理及開發(fā)要點(diǎn)詳解[M].北京：電子工業(yè)出版社,，2010.
[4] YOU D,，CHUNG K S.Dynamic voltage and frequency scaling framework for low-power embedded GPUs[J].Electronics Letters，2012,，48(21)：1333-1334.
[5] HARIHARAKRISHNAN K.Novel approaches for GPU  performance analysis[C].ACM SIGGRAPH 2012 Mobile,，New York，2012.
[6] 張立,，袁小龍,，韓銀和.基于線性預(yù)測的移動終端LPDVFS策略[J].計算機(jī)工程，2012,，38(12)：239-242.
[7] 盧春鵬.動態(tài)電壓與頻率調(diào)節(jié)在降低功耗中的作用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,，2007(5)：12-17.