۵-۳-۲٫ حل ماکرو مدل با رگرسیون خطی
جهت تعریف Macro-model تعدادی تعریف آماری ارائه می‌دهیم. فرض کنید مدار دارای r ورودی اولیه می‌باشد و ما یک رشته ورودی بطول S داریم:
q={(q₁₁,q₁₂,…,q_1r),(q₂₁,q₂₂,…,q_2r),…,(q_s1,q_s2,…,q_sr)}
احتمال سیگنال(P(m)): برای گره m، متناسب با میانگین تعداد حالاتی که گره در وضعیت یک منطقی است وقتی سیگنال کلاک با دوره T می باشد(Bernacchia&Papaefthymiou, 1999,280 – ۲۸۳).

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

چگالی تغییرات(D(m)): برابر با تعداد میانگین تغییرات از  و از  در واحد زمان است.
همبستگی مکانی(S(m)): دو یا چند سیگنال همبسته مکانی هستند اگر مقدار یکی از سیگنالها به مقادیر دیگر سیگنالها وابسته باشد. میانگین XOR بیتی بین تمام داده های ورودی می‌باشد.
مشابه تکنیک‌های ماکرومدل ارائه شده در(Dorling&Eta1, 2013, 1784 – ۱۷۸۹) ماکرو مدل مورد استفاده تابعی غیر خطی است و توان تلفاتی متوسط P_avg بر اساس معادله ۲۸٫۵ محاسبه می شود (Anastasi&Eta1, 2009,537-568).
پارامترهای خروجی P_out متوسط احتمال سیگنال خروجی، D_out متوسط چگالی تغییرات خروجی، S_out همبستگی مکانی خروجی هستند. این پارامترها با بهره گرفتن از پارامترهای ورودی قابل محاسبه می‌باشند که در شکل ۵-۱ نشان داده شده است.

Module
P_in, D_in, S_in

P_out, D_out, S_out

پارامترهای خروجی وابسته به پارامترهای ورودی هستند
تولید شده توسط شکل موج‌های تصادفی
ایجاد شده توسط شبیه سازی تابعی شکل موجها
شکل ۵-۱٫ استخراج پارامترهای ورودی/ خروجی
توان با بهره گرفتن از تکنیک شبیه سازی مونت کارلو تخمین زده می شود. مونت کارلو یک الگوریتم محاسباتی است که از نمونه گیری تصادفی برای محاسبه نتایج استفاده می کند و مقادیر مرجع توان تلفاتی مدار با بهره گرفتن از نرم افزار Synopsys Power Compiler بدست می‌آید. میانگین مطلق درصد خطا با بهره گرفتن از رابطه ۵-۳۲ محاسبه می‌شود.

۵-۳-۳٫ متغیرهای رگرسیون خطی
یک معادله خطی از پارامترهای ورودی مانند میانگین احتمال سیگنال ورودی P_in، میانگین چگالی تغییرات ورودی D_in و همبستگی مکانی ورودی S_in بعنوان متغیرهای مستقل استفاده می‌کند.

که ضرایب  نامشخص می‌باشند و توسط آنالیز رگرسیون تعیین می‌شوند. جهت تخمین متغیرهای رگرسیون مجموعه‌های مختلفی از رشته‌های برداری همبسته با مقادیر مختلف P_in، D_in، S_in برای پوشش رنج وسیع خواص آماری ورودی تولید می‌گردد.
جهت بهبود دقت، گزینه دیگر استفاده از تابع شش گانه است که خواص آماری ورودی/ خروجی را لحاظ می‌کند. یک معادله خطی که از P_in، D_in، S_in، P_out، D_out و S_out بعنوان متغیرهای مستقل استفاده می‌کند(Renold&Eta1, 2012).
تفاوت بین مدل‌های ۵-۳۳ و ۵-۳۴ در تعداد ضرایب مناسب است که در دقت توان تخمینی تاثیر می‌گذارد. طبیعتا هرچه ضرایب مستقل بیشتری در دسترس باشد، مقدار تخمین زده شده دقیق تر خواهد بود.
۵-۴٫نتایج تخمین توان
گره شبکه حسگر بی سیم از سه جزء اصلی ADC، micro و DES تشکیل شده است که تخمین توان برای هرکدام از این قسمت ها انجام شده است. متغییرهای ماکرومدل با اجرای برنامه ای نوشته شده به زبان SystemC و در محیطEvan قابل دستیابی است. شکل ۵-۲ نمونه ایی از اجرای این تکه برنامه را نشان می دهد.

شکل ۵-۲٫ نمونه ایی از محاسبه متغییرهای ماکرومدل
ADC : در ماژول ADC، پس از بدست آوردن ضرایب  ،…،  با بهره گرفتن از مجموعه‌های آموزشی، برای ۱۳ مجموعه داده توان مصرفی را با نرم افزار Synopsys Power Compiler محاسبه نموده و با توان تخمینی روش macro-model مقایسه نمودیم. با داشتن متغییرهای ماکرومدل و توان مصرفی واقعی، ضرایب  توسط یک برنامه ساده در matlab به دست می آیند.جدول ۵-۱خطای ناشی از تخمین توان در ماژول ADC برای هر مجموعه داده را با بهره گرفتن از روش macro-model نشان می‌دهد. میانگین خطای در این ماژول %۷ است.
جدول ۵-۱٫ خطای ناشی از تخمین توان در ماژول ADC