问如何了解硬件/软件协同设计对特定应用是否有用？

EN

如何知道某些算法或系统是否很慢，是否可以从协同设计中受益？

在许多情况下，这是一个架构问题，只有通过大量的经验甚至更多的系统建模和分析才能得到答案。在其他情况下，信封背面的5分钟可能会显示专门的协处理器增加了数周的工作，但没有性能改进。

任何现代移动电话处理器都是一个很难处理的例子。看看TI的OMAP5430。请注意，它至少有10个不同类型的处理器(仅PowerVR块就有多个执行单元)和数十个完全自定义的外围设备。任何时候你想要从‘主’CPU卸载一些东西，潜在的总线带宽/硅面积/上市时间成本都必须考虑在内。

一个简单的例子就像你的教授提到的那样。DSP/GPU/FPGA将执行图像处理任务，如2D卷积，比CPU快几个数量级。但是像文件管理这样的“内务”任务是不能用FPGA来处理的。

在你的情况下，我不认为你的教授期望你做一些“真实”的事情。我认为他想要的是您对CPU/GPU/DSP擅长什么，以及定制硬件擅长什么的理解。您可能希望寻找一个有趣的利基问题，例如those in bioinformatics。

我不知道codesign是什么，但我以前做过一些verilog；我认为简单的图像(或信号)处理任务很适合这种嵌入式系统，因为它们很多时候都涉及到实时处理大量数据(最好是SIMD操作)。

图像处理任务通常看起来很简单，因为我们的大脑为我们做了令人难以置信的复杂处理，但实际上它们非常具有挑战性。我认为这个挑战才是重要的，而不是如果之前实现了这样的系统。我会去实现Hough变换(首先是直线和圆，而不是广义的-它被认为是图像处理中一种很慢的算法)，并进行一些实时分割。我确信，随着它的发展，这将是一项具有挑战性的任务。

分区时要做的第一件事是查看数据流。绘制一个方框图，说明每个“子算法”的适用位置，以及进出的数据。任何时候，当您必须将大量数据从一个域移动到另一个域时，开始寻找将问题的一部分移动到拆分的另一边。

例如，考虑一个图像处理流水线，它先进行边缘检测，然后与阈值进行比较，然后进行更多的处理。边缘检测的输出将是(比方说)16位带符号的值，每个像素一个。最终的输出是一个二进制图像(一个位集合指示“有效”边缘的位置)。

一种(显然很幼稚，但它很有道理)的实现可能是在硬件中进行边缘检测，将边缘图像发送到软件，然后对其进行阈值处理。这涉及到“跨越分水岭”传送16位值的整个图像。

更好的是，在硬件上也要做阈值。然后你可以移动8个“1位像素”的/byte。(或者甚至运行长度编码)。

一旦你有了一个合理的带宽分区，你就必须找出适合每个域的块是否适合那个域，或者考虑一个不同的分区。