Architectural exploration of block floating point support for matrix-vector processor

Thumbnail Image

Files

master_Tarkka_Antti_2025.pdf (1.81 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Electrical Engineering | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-07-30

Department

Major/Subject

Microelectronic Circuit Design

Mcode

Degree programme

Master's Programme in Electronics and Nanotechnology

Language

en

Pages

64

Series

Abstract

The demand for hardware acceleration in mobile network baseband processing has increased significantly in the fifth generation (5G) due to higher throughput and coverage requirements. To meet these high requirements, 5G base stations are often deployed with massive multiple input, multiple output (MIMO) antenna arrays. These systems generate vast amounts of data, which increases the challenges of its efficient storage, movement, and processing. These challenges are especially prominent in the fronthaul interface that connects a radio unit (RU) with a baseband unit (BBU). To reduce the bandwidth required for the fronthaul interface, different compression techniques such as Block Floating Point (BFP) are used. At the receiving end of the interface, the data is decompressed. As a result, the challenge of storing large volumes of decompressed data persists, posing ongoing concerns for data management and system scalability. The thesis explores an alternative approach by integrating BFP support into an application-specific instruction set processor (ASIP). The goal is to enable the ASIP to process BFP-compressed data directly to reduces the data memory consumption. Two distinct instructions are implemented and evaluated: A stand-alone decompression instruction and a merged decompress and Complex Multiply-Accumulate (CMAC) instruction. The main objective is to demonstrate the benefits and limits of directly processing compressed data on an ASIP. This offers a promising direction for improving memory efficiency in future mobile network baseband systems.

Viidennen sukupolven (5G) mobiiliverkkojen myötä laitteistokiihdytyksen tarve kantataajuuskäsittelyssä on kasvanut huomattavasti. Tämä johtuu suuremmista datamääristä ja parantuneesta kattavuudesta, jotka molemmat asettavat korkeita vaatimuksia verkon infrastruktuurille. Erityisesti 5G-tukiasemissa yleisesti käytetyt suuret MIMO (Multiple Input, Multiple Output) -antennijärjestelmät tuottavat valtavia määriä dataa, mikä puolestaan luo haasteita datan tehokkaaseen tallennukseen, siirtoon ja käsittelyyn. Nämä haasteet korostuvat erityisesti fronthaul-rajapinnassa, joka yhdistää radioyksikön ja kantataajuusyksikön. Fronthaul-rajapinnan vaatimaa kaistanleveyttä pyritään pienentämään erilaisilla pakkaustekniikoilla, kuten lohkokohtaisilla liukuluvuilla. Rajapinnan vastaanottavassa päässä data täytyy kuitenkin purkaa. Suurten data määrien purkaminen aiheuttaa ongelmia datan tallentamisessa, lisää haasteita datanhallinnassa ja heikentää järjestelmän skaalautuvuutta. Tässä diplomityössä esitellään uudenlainen lähestymistapa: lohkokohtaisen liukulukutuen integrointi sovelluskohtaisen käskykannan vektoriprosessoriin. Työn tavoitteena on mahdollistaa lohkokohtaisilla liukuluvuilla pakatun datan suora käsittely vektoriprosessorissa, jonka seurauksena pakattua dataa ei tarvitsisi erikseen purkaa vähentäen merkittävästi datamuistin kulutusta. Työssä suunnitellaan ja arvioidaan kaksi erillistä käskyä: itsenäinen purkukäsky sekä yhdistetty purku- ja kertolasku-summauskäsky. Tavoitteina on osoittaa pakatun datan suoran käsittelyn edut ja rajoitukset vektoriprosessorissa, ja verrata kuinka hyvin edellä mainitut käskyt saavuttavat asetetut tavoitteet.

Description

Supervisor

Kosunen, Marko

Thesis advisor

Moin, Farhan

Keywords

5G, 6G, BFP, ASIP, SIMD, VLIW

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202508186266

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC