کاهش سربار پیکربندی سیستمهای با قابلیت پیکربندی مجدد در زمان اجرابا استفاده از تنوعهای روش فشرده سازی پویای LZFT
محل انتشار: چهاردهمین کنفرانس مهندسی برق ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,269
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE14_162
تاریخ نمایه سازی: 25 تیر 1387
چکیده مقاله:
فشرده سازی فریمهای پیکربندی ارسال شده به سخت افزار پیکربندی مجدد یک روش کارآمد برای کاهش سربار پیکربندی درسیستمهای باقابلیت پیکربندی مجدد می باشد. یکی ازالگوریتمهای فشرده سازی مناسب با این کارکرد، الگوریتم LZSS می باشدکه بدلیل عدم استفاده از اندازه سمبل مناسب و عدم استفاده بهینه از فیلد تعداد تکرار، در فایلهای گوناگون دچار مشکلاتی است. جهت رفع این مشکلات، الگوریتم فشرده سازی LZFT ارائه شده است. در این مقاله چند تنوع از الگوریتم LZFT با نرخ فشرده سازی و زمان حذف فشردگی متفاوت پیشنهاد شده است. تنوعهای مختلف این الگوریتم متناسب با بهمبندیهای گوناگون سیستمهای پیکربندی مجدد می باشد. الگوریتم LZFT-I به سبب استفاده از هدر ابتدایی وعدم استفاده از هدرهای میانی، دارای زمان حذف فشردگی کمتری بوده ،متناسب با سیستمهای پیکربندی مجدد با اتصال سخت م یباشد. الگوریتم LZFT-II اگرچه به نرخ فشرده سازی بیشتری دست یافته است ولیکن به سبب وجود هدرهای میانی زمان حذف فشردگی آن بیشتر شده است. این نوع از الگوریتم متناسب با سیستمهای پیکربندی مجدد با اتصال سست م یباشد تا ازهمزمانی میان حذف فشردگی وارسال اطلاعات استفاده شود. نوع دیگراین الگوریتم یعنی LZFT-III بنحو مطلوبی از حذف فشردگی حمایت می کند. نتایج حاصله نشان دهنده نرخ فشرده سازی بهتر تنوعهای این روش پویا نسبت به روش LZSS وتناسب آن با مشخصات سیستمهای با قابلیت پیکربندی مجدد م یباشد.
کلیدواژه ها:
نویسندگان
علی ذاکرالحسینی
دانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی
محمود فضلعلی
دانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی
مهدی دهقان
دانشکده مهندسی کامپیوتروفناوری اطلاعات دانشگاه صنعتی امیرکبیر
علی طوسی
دانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :