une approche holistique pour l’informatique verte dans les ...introduction contribution 1...
TRANSCRIPT
Une approche holistique pour l’informatique vertedans les reseaux sans fil
Apport de la collaboration entre systemes autonomes pour unpartage efficace de ressources
Martin Peres
LaBRI, Universite de Bordeaux
19/12/2014
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
1 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
L’informatique verte : Un enjeu societal
Impact de l’informatique [1]
10% de la consommation electrique mondiale en 2007
10% d’augmentation chaque annee
0.82 Gtonnes de CO2 (1.43 Gtonnes predis pour 2020)[1] EPA, “EPA report to congress on server and data center energy efficiency,” Tech. Rep., 2007. [Online]
L’informatique verte
Reduire et maıtriser l’usage des ressources :
Energie
Radio frequence
2 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Garantir la disponibilite des reseaux sans fil
L’informatique verte dans les reseaux sans fil
Augmente la disponibilite du reseau
Defi 1 : Reduire les echanges et garantir la capacite de com.
Protocoles efficaces et decentralises
Adaptation a l’environnement Radio Frequence (RF)
Defi 2 : Maximiser et garantir l’autonomie sur batterie
Conscience du support executif
Adaptation des performances / consommation
3 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
L’autonomie dans l’informatique verte
Besoin de l’informatique verte
Re-configuration frequente
Probleme : La ressource humaine
Explosion des systemes informatiques
Diminution des moyens humains
Vitesse de reconfiguration
Solution : L’informatique autonome
S’auto-configure : Assurer sa mission
S’auto-optimise : Diminuer sa consommation
S’auto-protege : Se defendre contre les intrusions
S’auto-repare : Corriger les problemes
4 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Objectif de la these
Defi 1 : Reduire les echanges et garantir la capacite de com.
Decentralisation du traitement des donnees
Partage efficace du spectre RF
Defi 2 : Maximiser et garantir l’autonomie sur batterie
Gestion autonome de l’energie
Prise de decision energetique en temps reel
Approche Holistique
Contributions aux niveaux reseau, materiel et OS
5 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
6 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Les reseaux de capteurs ad-hoc
Reseau de capteurs ad-hoc
Collecte
Envoi / Routage
Traitement externe
Probleme : Le routage
Utilisation du spectre RF
Consommation energetique
Solution
Decentralisation des traitements
7 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Exemple de reseau de capteurs ad-hoc : La surveillance
ANR DIAFORUSDIstributed Applications and Functions Over Redundant Unattended Sensors
8 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Reseaux de surveillance (ANR DIAFORUS)
Propositions
Traitement separe :
detection localecorrelation de zone
Abstraction des capteurs
Correlation temporelle
Definition autonome du seuil
Sensornodes
Correlationnode Sink
alert alarm
t0 t0
threshold
criticalitylevel f(t)
t1 t2 t3t4 t5
9 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Historique & reputation des capteurs
Historique
Stockage priorise
score(e) = criticity(e)∗local max time(e)
1− age(e)max storage time
Reputation des capteurs
Calcul interne au reseau
reputation false positive(a, s) = area detection count involving(a,s)sensor events count(s)
reputation false negative(a, s) = sensor correlated count(s)area detection count(a)
a : Numero de zones : Numero de capteur
10 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Evaluation de l’approche
Approches de l’etat de l’art
Sink : Communication directe des capteurs vers la passerelle
Aggregation cluster : Centralisation des donnees avant envoi
Detection locale : Envoi seulement lors d’une detection
Type de WSN lectures courte-distance longue-distanceSink 5400 0 (0%) 5400 (100%)Aggregation cluster 5400 3600 (67%) 1800 (33%)Detection locale 5400 0 (0%) 540 (10%)DIAFORUS 5400 ≤ 540 (10%) < 180 (3.33%)
Table: Comparaison des differents types de reseaux avec une zone de 3noeuds et une probabilite de faux positifs de (p = 0,1; f = 1Hz)
11 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Conclusion
Avantages
Reduit les emissions mais reste auditable
Auto-configuration : Ajout dynamique de capteurs
Auto-optimisation : Reputation des capteurs
Auto-reparation : Perte de noeuds
Inconvenients
Traitement differe impossible
Redondance necessaire
Complexite en cas de panne
12 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
13 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Communications dans les reseaux sans fil
Le spectre Radio Frequence (RF)
Medium partage
Vision locale de chaque noeud
Probleme : Les collisions
Interference entre deux messages
Genere des re-emissions
Peut etre limite : codes, FHSS et/ou CSMA/CA
Solution : La radio cognitive
Comprehension
Agilite
14 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
La radio logicielle
La radio logicielle
Acces au spectre RF
Largeur et frequence parametrables
Exemple : Le BladeRF de NUAND
Plage de frequences : 300 MHz to 3 GHz
Largeur de bande : 28 MHz Full duplex (40MSps)
Avantages
RX/TX multiples
Pile reseau totalement logicielle
15 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Synchronisation des noeuds radio cognitive (CR)
CCC : Common Control Channel
Canal de synchronisation fixe et commun
Que faire quand il est indisponible ?
Synchronisation avant chaque trame (DMPJS10 [2])
Envoi d’une requete sur chaque canal, attente de l’ACK
Pas de RX/TX multiples, latence forte a chaque trame[2] : R. Doost-Mohammady, P. Paweczak, G. Janssen, and H. Segers, “Physical layer bootstrappingprotocol for cognitive radio networks,” in 2010 7th IEEE CCNC, Jan. 2010
Synchronisation avant communication (LLCL13 [3])
Algorithme pour maximiser les chances de rendez-vous
Pas extensible a plus de deux nœuds[3] : Z. Lin, H. Liu, X. Chu, and Y.-W. Leung, “Enhanced jump-stay rendezvous algorithm for cognitiveradio networks,” IEEE Communications Letters, vol. 17, no. 9, Sep. 2013
16 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Schema global de notre utilisation de la radio logicielle
Figure: Vue generale du processus d’ecoute - Remplissage de la table desevenements radios depuis le flux d’echantillons de la radio logicielle
17 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Proposition : Protocole de signalisation PHY
<beacon_frame>{ node_id=23, tx_pwr=10dBm,
[
{ {band1}, len=0.4, period_offset=0.0 },
{ {band2}, len=0.4, period_offset=0.0 },
{ {band3}, len=0.3, period_offset=0.5 },
],
period=1000ms, cur_period_offset=0.126 }
Synchronisation par beacon
Decouverte des voisins
Synchronisation temporelle
Affaiblissement du canal
18 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Evaluation des protocoles de signalisation
0 2 4 6 8 10 12 14 16
DMPJS10
LLCL13
SW radios
HW radios
Time to Rendez-Vous (s)
Average TTR MTTR
Lower is better
Figure: Comparaison du temps moyen de rendez-vous (Average TTR) etdu temps maximal (MTTR) entre DMPJS10, LLCL13 et notreproposition sur une radio logicielle (25 MHz) et une radio materielle
19 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Conclusion
Avantages
Auto-configuration : Decouverte des voisins
Auto-optimisation : Cycles de sommeil
Auto-reparation : Changement de bande
Inconvenients
Cout des radios logicielles
Contraintes legales
Cout energetique potentiel
Communications longue distance (SNR)
20 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
21 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
La consommation electrique materielle
n+ n+
p
x
L
Source DrainGate
Body
Oxide
Consommation statique
Effet tunnel
Facteurs : temperature et tension
Consommation dynamique
Capacite interne
Pdynamic ∝ CfV 2
C : Capacite du transistorf : Frequence en Hz a laquelle le transistor change d’etatV : Tension d’alimentation du transistor
22 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
La consommation electrique materielle : NVIDIA GTX 660
(a) Prediction de 2003
18
20
22
24
26
28
30
32
34
36
38
30 40 50 60 70 80 90
Pow
er c
onsu
mp
tion
(W)
Temperature (°C)
Voltage = 0.8250 VVoltage = 1.2125 V
Cubic fit for Voltage = 0.8250 VCubic fit for Voltage = 1.2125 V
(b) Impact de la temperature
23
24
25
26
27
28
29
30
31
0.8 0.85 0.9 0.95 1 1.05 1.1 1.15 1.2 1.25
Pow
er c
onsu
mp
tion
(W)
Voltage (V)
boot freqboot freq fit
(c) Impact de la tension
20
25
30
35
40
45
50
55
0.8 0.85 0.9 0.95 1 1.05 1.1 1.15 1.2 1.25
Pow
er c
onsu
mp
tion
(W)
Voltage (V)
high freqmedium freq
boot freqlow freq
(d) Impact de la frequence23 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Performances, frequence et tension
Processeurs simples
Performance lineaire avec la frequence d’horloge
fmax ∝ (V − Vth)2/V
fmax : Frequence maximale possibleV : Tension d’alimentation du processeurVth : Tension de seuil des transistors (gate)
Performance vs consommation
24 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Performances, frequence et tension
Processeurs modernes
Plusieurs domaines d’horloges
Goulot d’etranglement ?
(a) NVIDIA Fermi
Core clock Memory clock Execution time Power1023 MHz 6008 MHz 12.3 s 43.3 W1023 MHz 1620 MHz 12.3 s 31.3 W
(b) NVIDIA Kepler
Figure: Consommation energetique et temps d’execution de noyaux adifferentes frequences sur deux familles de GPU
25 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Gestion autonome de l’energie
L’unite de gestion d’energie
Compteurs de performance
Processeur minimaliste
Applique la politique energetique
300
400
500
600
700
800
900
1000
1100
1200
0 2 4 6 8 10 12 14 16 1850
55
60
65
70
75
Clo
ck fr
equ
ency
(M
Hz)
GR
Usa
ge (
%)
Time (s)
Core (MHz) Perf_Core (%)
300
400
500
600
700
800
900
1000
1100
1200
0 2 4 6 8 10 12 14 16 1850
55
60
65
70
75
Clo
ck fr
equ
ency
(M
Hz)
GR
Usa
ge (
%)
Time (s)
Core (MHz) Perf_Core (%)
Figure: Reponse de la politique de NVIDIA a un changement d’utilisation
26 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Gestion autonome de l’energie
500
600
700
800
900
1000
1100
10000 15000 20000 25000 30000 35000 40000 450000
10
20
30
40
50
60
70
80
90
100
Clo
ck fr
equ
ency
(M
Hz)
Pow
er (
W)
& G
R u
sage
(%
)Time (ms)
Perf Core (%)
80W Power Cap
Power (W)
Core (MHz)
Power (W)80W power cap
Core (MHz)Perf_Core (%)
(a) Limitation de puissance
30
40
50
60
70
80
90
100
110
120
130
0 20000 40000 60000 80000 100000 120000 1400000
5
10
15
20
25
Pow
er (
W)
& T
empe
ratu
re (
°C)
FS
RM
Div
Time (ms)
Temperature (°C)
Power (W)
FSRM div
Power (W)FSRM div
Temperature (°C)
First threshold: 97°CSecond threshold: 100°C
(b) Limitation de temperature
Figure: Limitation de la consommation energetique et de la temperature
27 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Conclusion
Bilan
Architecture interne de NVIDIA
Politique de gestion d’energie de NVIDIA
Test-bed open source (Nouveau) integre a Linux
Avantages
Economies energetiques possibles
Auto-optimisation : Adaptation frequence/tension
Auto-reparation : Temperature et Consommation
Limites de notre travail
Changement de frequence instable
Gestion automatique des frequences
28 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
29 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
La prise de decision energetique en temps reel
Contexte : Ordinateurs heterogenes
Interfaces reseaux multiples
Processeurs multiples
Probleme : Selection du materiel le plus efficace
Materiel optimise pour differents scenarios
Configurations statiques non-optimales
30 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
La prise de decision energetique en temps reel
Migrations possibles
Processeurs big.LITTLE : Quelques millisecondes
Reseau : MPTCP
Proposition
Moteur de decision energetique a l’execution
Limites de l’etat de l’art
Temps-reel
Modeles materiels arbitraires
31 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Exemple : Selection d’interface reseau
Abstraction des decisions
Metriques : Etat courant du systeme
Predictions : Evolution future
Modeles HW : Configuration et son impact
Score : Impact du modele sur les predictions
Decision : Selection du materiel
Decision Flowgraph
Metrics Prediction Models
Scoring
Scoring_Model_1
Scoring_Model_2
DecisionM1 Predicted_M1
M2 Predicted_M2
Model1
Model2
Scored_M1
Scored_M2
Scored_M1
Scored_M2
Score
W(0)
W(1)
Decision
ScoreW(0)
W(1)
32 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
RTGDE : Un moteur de decision generique a l’execution
(a) Sortie etage prediction (b) Sortie etage score
(c) Sortie etage de decision
33 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Evaluation de RTGDE
Le cadritiel RTGDE
Implemente le graphe de flot precedent
Permet l’ecriture de blocs externes
Evaluation et comparaison avec Octave
Genericite :
1 : Selection d’interface radio WiFi et GSM2 : Selection du type de processeur big.LITTLE
Temps d’execution : 43.95 µs (± 13.19)
RAM minimum : 168 KB vs 25.3 MB pour Octave
34 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Conclusion
Avantages
Comparaison de modeles arbitraires
Impact faible et predictible
Debogage simplifie
Reutilisation possible de blocs
Execution de plusieurs decisions en parallele
Limites
Chaque graphe de flot doit etre independant
35 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Plan
1 Introduction
2 Localisation des traitements dans les reseaux de capteurs
3 Partage efficace de spectre RF pour les communications sans fil
4 Gestion d’energie materielle autonome
5 Prise de decision energetique en temps reel
6 Conclusion
36 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Conclusion
Rappel des defis
1 : Reduire les echanges et garantir la capacite de coms.
2 : Maximiser et garantir l’autonomie sur batterie
Contributions
Localisation des traitements dans les reseaux de capteurs
Partage efficace de spectre RF pour les com. sans fil
Gestion d’energie materielle autonome
Prise de decision energetique en temps reel
37 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Perspectives
Reseaux verts de noeuds capteurs d’energie
Contexte : Alimentation par un panneau solaire
Objectif : Garder le reseau connecte et garantir une QoS
Defis :
Capacite de traitement dynamiqueCapacite de communication dynamique
Politique d’allocation de spectre RF decentralisee
Contexte : Radio cognitive
Objectif : Partage de spectre efficace entre CR
Defis :
Faire co-exister differentes couches physiquesLimiter la fragmentation du spectre RF
38 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Perspectives
Politique de gestion d’horloges generique
Contexte : Processeurs modernes avec de multiples horloges
Objectif : Trouver la configuration optimale dynamiquement
Defis :
Predire l’impact d’un changement de frequenceReactivite face aux changements
Utilisation transparente des accelerateurs materiels
Contexte : Processeurs modernes avec accelerateurs
Objectif : Cadritiel pour optimiser les performances/l’energie
Defis :
Quantifier les gains possibles a l’executionRendre l’utilisation des accelerateurs automatique
39 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Merci pour votre attention!
40 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 1
t0 t0+Δlpt0 t0+Δlp+Y
Publish an alertbecause:f(t) > threshold
threshold
sensorvalue
f(t)
Δsp
Publish an alertbecauce:f(t) > thresholdAND t > t0+Δlp
Publish an alertbecause:f(t) > f(t-Δsp)+Δv
f
OR OR
Δlp: Long retention period (example: 1 minute)Δsp: Short retention period (example: 10s)Δv: A significant value change (example: 20%)Δlp > Y > Δsp
Figure: Exemple de correlation locale
41 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 1
(a) Criticality level of an area (b) Types of packets received
Figure: Example of the real-time visualisation capabilities of Diase
42 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 1
(a) Deploying aThales infraredbarrier
(b) Deploying aThales seismicsensor
(c) Deploying a16-beam infraredsensor
Figure: Deployment of some sensors for protecting a farm in a militaryfield
43 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 1
(a) Four sensor nodes with anunidirectional infrared barrierattached
(b) A close-up on the sensornode, when attached to itsdemonstration board
Figure: Deployment of some sensors for protecting a farm in a militaryfield
44 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 1
Figure: Testing different area sensitivities
45 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
(a) Time, no transmission (b) Time, transmission
(c) Freq, no filtering (d) Freq, with filtering
46 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
f (x |µ, σ) =1
σe
x−µσ e−e
x−µσ (1)
(a) Noise-only (b) Noise + frequent transmissions
Figure: Histogram of the received power at one frequency
47 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
100 101 102 103 104
100
101
102
103
104
Beaconing period (ms)
Ave
rage
ren
dez
-vou
sd
elay
(s)
shp = 1msshp = 10msshp = 0.1sshp = 1s
shp = 10s
Figure: Influence of the beaconing and sensing-hopping period on theaverage rendez-vous delay.
48 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
2 4 6 8 100
2
4
6
8
Beacon count
Ave
rage
ren
dez
-vou
sd
elay
(s) radio 5MHz
radio 12.5MHzradio 25MHzradio 50MHz
Figure: Influence of the number of beacon sent and the sensing radio’sbandwidth on the average rendez-vous delay. shp = 10ms, bp = 10ms
49 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
0 20 40 60 80 100
10−2
10−1
100
101
102
Sensing radio’s bandwidth (MHz)
Ave
rage
ren
dez
-vou
sd
elay
(s)
minimumaverage
maximum
Figure: Variance of the rendez-vous time with shp = 10ms, bp = 10ms,bc = 2, 1 million iterations
50 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 2
0
1
Tim
e (
seco
nd
s)
CentralFrequency
Keymap
WTS frameRTR frameRTS frameCR data framePU data frame
Radio Frequency Spectrum
Beacon frame
Figure: Example of the spectrum usage done by relays in the proposednetwork
51 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 3
Cycles
Events
Signal
Clock 4
1
(a) Example of asimple performancecounter
Cycles
Events
Macro
signal
Clock X
XTruth
Table
Multi-
plexer
S0
S1
S3
S4
Events
Macro
signal XTruth
Table
Multi-
plexer
S0
S1
S3
S4
Events
Macro
signal XTruth
Table
Multi-
plexer
S0
S1
S3
S4
Signals
Events
Macro
signal XTruth
Table
Multi-
plexer
S0
S1
S3
S4
/256
/256
/256
/256
/256
(b) Schematic view of a clock domain inNVIDIA’s PCOUNTER engine
52 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 3
0 50 100 150 200 2500
1
2
3
4
·108
Obtained
Expected
FSRM’s PWM duty cycle (8 bit)
Cor
efr
equ
ency
(Hz)
(a) Frequency of the core clock (@408MHz, 16-divider) when varying theFSRM
53 / 54
Introduction Contribution 1 Contribution 2 Contribution 3 Contribution 4 Conclusion Annexes
Annexe de la contribution 3
0 5 10 15 20 25
80
100
120
140
up 2
up 1
low 1
low 2
Refresh cycles
Inst
anta
neo
us
pow
er(W
)
100
150
200
250
FS
RM
’sP
WM
du
tycy
cle
(8b
it)
PowerFSRM
(a) Example of the power limiter in the dual window mode
54 / 54