一种微处理器热传感器配置方法

摘要

本发明涉及一种微处理器热传感器配置方法，该方法包括以下步骤：在微处理器上运行多个工况，功耗计算单元计算不同工况下微处理器的功耗，温度分布计算单元计算该功耗下微处理器的温度分布；对不同工况下得到的温度分布图进行数据处理，获得微处理器各模块热点分布叠加图；设定热点监控误差上限值，并根据该上限值对热点分布叠加图中的数据点进行考虑奇异点的优化双重聚类，得到这些热点的聚类结果；按照上述聚类结果，每一个聚类配置一枚热传感器，热传感器设置在该聚类所含所有热点的质心处，即考虑温度值加权的平均中心处，保证在设定最大误差内监控所有的热点温度值。与现有技术相比，本发明具有测量精度高、成本低等优点。

主权项

一种微处理器热传感器配置方法，其特征在于，该方法包括以下步骤：1)在微处理器上运行多个工况，功耗计算单元计算不同工况下微处理器的功耗，温度分布计算单元计算该功耗下微处理器的温度分布；2)对不同工况下得到的温度分布图进行数据处理，获得微处理器各模块热点分布叠加图；3)设定热点监控误差上限值，并根据该上限值对热点分布叠加图中的数据点进行考虑奇异点的优化双重聚类，得到这些热点的聚类结果；4)按照上述聚类结果，每一个聚类配置一枚热传感器，热传感器设置在该聚类所含所有热点的质心处，即考虑温度值加权的平均中心处，保证在设定最大误差内监控所有的热点温度值；所述的步骤3)中的考虑奇异点的优化双重聚类是指：双重聚类算法在初始化聚类中心时，选取温度值较平均温度值相差最大的数据点，具体为：301)初始化一个类中心，该中心为所有待聚类数据点中与均值差值最大的一个点，以这个中心为基准扫描与之相邻的数据点，计算这些数据点与中心的属性距离是否超过阈值，若属性距离小于阈值，则合并为一个簇，若属性距离大于阈值，则不合并；302)发生合并时，把新合并成的数据点集作为新的类，再次扫描周围所有相邻的数据点，直到不发生任何合并为止；303)如果一个簇无法再与周边合并，则这个簇个完整的聚类；304)在剩下的数据点中重新循环执行301、302、303步，直到所有的数据点都属于某个聚类为止；所述的阈值的计算公式为：$D_{\max }={\alpha \times ϵ}_{\max }\times \frac{1}{n}\underset{n}{\Sigma }{a}_i$式中，α是矫正因子，ε_max是热点监控误差上限值，n为聚类内部已含的数据点数，a_i是聚类内所有数据点的非空间属性值，即各数据点的温度。