Xinlinx FPGA如何降低Block RAM的功耗

FPGA中降低Block RAM的功耗有两种方式，分别是选择合适的写操作模式以及Block RAM的实现算法及综合设置。我们知道对于采用IP核生成对应的RAM时，会有最小面积算法、低功耗算法以及固定原语，但是采用最小功耗算法有时由于级联长度导致无法实现，我们可以通过综合选项得到一个折中的效果，下面将具体介绍。

一、写操作模式

之前我们介绍过BRAM的各种设计细节，可以参考如下文章：

Xinlinx FPGA内的存储器BRAM全解-CSDN博客

我们知道BRAM的写模式一共有三种：写优先、读优先、Nochange

在NO_CHANGE模式下，在写操作期间输出锁存保持不变。如图所示，输出的数据仍然是之前的读数据，不受同一端口上的Write操作的影响。

在这里插入图片描述

这样就可以减少端口数据的翻转，从而达到降低功耗的目的。

二、实现算法及综合设置

在上面给出的文章中我们介绍了Block RAM一共有三种实现算法，分别是最小面积算法、低功耗算法以及固定原语算法。在这里我们简单介绍一下：

1.实现算法

最小面积

最小面积算法使所用的BRAM原语数量最少，同时减少了输出多路复用。

在这里插入图片描述

在3k×16RAM的实现中，我们用到了三个18Kb的RAM。为了能够形成对比，我们将3个1K×18的BRAM放在一列构成一个3k×16，如下图。

在这里插入图片描述

我们可以发现，在水平和垂直方向上两种方法构成的Memory长度一致，那最小面积是怎么体现出来的呢？这是因为在各个BRAM构成的RAM输出时，需要进行选择。比如对于最小面积算法，在输出时需要对上面2k×19的输出和1k×18的输出进行选择，因此只需要一个2选1多路复用器。那上面两个相邻的2K×19需要进行选择吗，其实是不用的，两个9bit宽的RAM共同构成了要输出的16bit，任何时候都是拼在一起的不需要选择。

低功耗

低功耗算法可以最大限度地减少在读或写操作期间启用的原语数量。该算法没有针对面积进行优化，可能比最小面积算法使用更多的BRAM和多路复用器。

在这里插入图片描述

比如在上述3k×16的Memory中，3个1k×18的垂直方向排列，3个输出通过多路复用器输出到RAM外。当地址处于0-1k时只有上面一个RAM被启用，其余两个RAM不用使能，因此可以降低功耗。

固定原语

固定原语算法允许选择单个BRAM原语类型。内核通过在宽度和深度上连接这个单一的原语类型来构建内存。固定原语算法提供了16kx1、8kx2、4kx4、2kx9、1kx18和512x36原语的选择。

在这里插入图片描述

2.级联高度cascade_height综合属性

从上面的介绍我们可以发现，低功耗算法实际上是将多个RAM进行级联得到的，下面我们以32K×32bit的RAM为例，通过设置综合属性cascade_height来控制BRAM的级联高度，我们分别设置级联高度为1、32和8，所得结果如图所示：

在这里插入图片描述

图中1和2的方式看似很像，那我们换个图来看看二者的差别：

在这里插入图片描述

对于cascade_height=1的情况，在每一次读写地址时，每一个BRAM均被选通使能；而对于cascade_height=1的情况，在任何一次读写操作中，均只有一个RAM被宣统其他块不被使用，因此可以降低功耗。

那这样的话是不是cascade_height级联高度越大越好？当然不是，因为级联数越大，级联长度就越长，尽管有专用的级联走线，但毕竟要跨过时钟域，有可能无法实现；并且由于布线带来的延迟也可能会对时序造成很大影响。于是就有了图三的情况，在每一时刻激活4个RAM，既减小了功耗，又能够使走线带来的影响较小。

3.ram_decomp综合属性

这一节我们介绍一下ram_decomp综合属性，以8K×36bit为例：

在这里插入图片描述

①和③的效果是一样的，我们来分析②和④，我们可以发现两者的级联数都是2，但是二者对RAM36B36E1的配置方式不同，一种将其配置为9bit位宽，一种将其配置为36bit位宽，那为什么采用ram_decomp="power"后的功耗更低呢？

这是因为在同一时刻，对于4K×9的实现方式来说，每一时刻会激活并排的4个RAM，而1K×36的实现方式每一时刻只用激活1个RAM即可。但是对于④这种方式来说需要更多的多路复用器，一方面它需要在一列的两个RAM中选择出一个RAM数据进行输出，另一方面他还需要从并排的同一列四个RAM中（因为可能需要输出的数据并不在第一个BANK的两个RAM中）选择一个RAM数据进行输出，会消耗更多的资源，面积相比之下会大于②这种实现方式。

下面给出上述四种方式的功耗和资源使用情况：