Спеціалізований процесор для ущільнення даних

Abstract

Одним із ефективних підходів щодо ущільнення даних є підхід, що базується на використтанні оптимізуючих властиво-стей чисел Фібоначчі. Суть підходу полягає в тому, що в процесі ущільнення блок цифрових даних розглядається як надвелике ціле додатне число, що подається у вигляді лінійної форми Фібоначчі. Реалізація методів ущільнення даних на основі лінійної форми Фібоначчі програмними засобами вимагає великих витрат часу, які пов’язані з обчисленнями над числами великої розрядності (до 8000 двійкових розрядів). Для деяких застосувань такі витрати часу є неприпустимими, тому існує потреба створення спеціалізова-ного процесора, який забезпечить пришвидшення процесу ущільнення даних. Розроблення математичних і структурних моделей спеціалізованого процесора та його компонентів здійснено з використанням функціонально-структурного підходу щодо проекту-вання цифрових пристроїв. Виходячи з узагальненої моделі процесу адаптивного ущільнення даних на основі лінійної форми Фібо-наччі визначено основні функції, які має реалізовувати спеціалізований процесор. Цей процесор входить до складу комп’ютерної системи і певним чином підключений до центрального процесора комп’ютера. Оскільки файли, що підлягають ущільненню, та ущільнені файли зберігаються в пам’яті комп’ютера, то передбачається, що центральний процесор буде виконувати зчитування і запис файлу, формування послідовностей Р і Р* та реалізовувати функцію оптимізації на рівні послідовностей. На спеціалізований процесор покладаються обчислення над числами великої розрядності. Для реалізації сукупності всіх функцій запропоновано побу-дувати не один операційний автомат, а здійснити його декомпозицію на автомати, кожен з яких реалізує відповідну функцію. Розг-лянуто математичні моделі та структури таких модулів спеціалізованого процесора: моделювання джерела даних, кодування, деко-дування, оптимізації на рівні блоків, формування структури послідовності Р*. Апаратна реалізація обчислень над числами великої розрядності і можливість реалізації основних функціональних перетворень окремими модулями у конвеєрному режимі забезпечує пришвидшення процесу ущільнення даних порівняно з програмною реалізацією.

One of the effective approaches to data compression is the approach based on the use of optimizing properties of Fibonacci num-bers. The essence of the approach is that in the process of compaction the block of digital data is considered as a large positive integer, given in the form of a linear Fibonacci form. The implementation of data compression methods based on the linear form of Fibonacci software requires a lot of time, which is associated with calculations over large numbers (up to 8000 binary digits). For some applications, such time is unacceptable, so there is a need to create a specialized processor that will speed up the process of data compression. The development of mathematical and structural models of a specialized processor and its components is carried out using a functional-structural approach to the design of digital devices. Based on the generalized model of the process of adaptive data compression based on the linear Fibonacci form, the main functions to be implemented by a specialized processor are identified. This processor is part of a computer system and is in some way connected to the computer's CPU. Because the files to be compressed and the compressed files are stored in computer memory, the CPU is expected to read and write the file, generate P and P* sequences, and implement a sequence-level optimization function. The specialized processor is responsible for calculations over large numbers. To implement a set of all functions, it is proposed to build more than one oper-ating machine, and to decompose it into machines, each of which implements the corresponding function. Mathematical models and struc-tures of such modules of the specialized processor are considered: modeling of a data source, coding, decoding, optimization at the level of blocks, formation of structure of sequence P*. Hardware implementation of calculations over large numbers and the ability to implement basic functional transformations of individual modules in the pipeline mode provides acceleration of the data compression process compared to software implementation.