3. 星载数据处理性能指标体系

星载数据处理系统的性能评价不能只看“算得快不快”。在轨平台同时受到功耗、散热、辐射环境、存储容量和任务时限的多重约束,因此需要一套彼此关联、可量化、可验证的指标体系。本节围绕吞吐率、延迟、能效比、资源占用率、可靠性与实时性约束六个维度,说明它们的定义、度量方式以及相互之间的制约关系。

一、吞吐率:单位时间完成的有效数据量

吞吐率描述系统在单位时间内能够处理并输出的有效数据量,常用单位为 MB/s、Mbps 或帧/s。对星载处理链路而言,必须区分三种口径:输入吞吐率(前端载荷送入的数据速率)、处理吞吐率(算法实际完成运算的速率)和输出吞吐率(下传或写入存储的速率)。三者中最小的那个决定整条链路的实际上限,即“瓶颈决定吞吐”。

度量时通常采用稳态测量:在输入速率恒定的条件下,统计一段时间 T 内成功处理并校验通过的数据量 N,则吞吐率 R = N / T。需要注意剔除丢帧、重传和校验失败的数据,否则会把“接收量”误当成“有效处理量”。例如某载荷输出 2.4 Gbps 原始数据,经压缩后为 600 Mbps,若压缩模块实测处理能力为 500 Mbps,则整链路吞吐率被压缩模块限制在 500 Mbps,而非 600 Mbps。

二、延迟:从输入到可用输出的时间

延迟指数据从进入处理链路到形成可用结果所经历的时间,通常分解为采集延迟、传输延迟、排队延迟、计算延迟和输出延迟。对实时任务,关注的是端到端最坏情况延迟,而不是平均延迟。度量方法是在输入数据中打时间戳,在输出端读取时间戳并求差,多次采样后取最大值与分位数(如 P99)。

排队延迟往往被忽视:当瞬时输入速率超过处理速率时,数据在缓冲区排队,延迟会随队列长度增长而急剧上升。因此延迟指标必须与缓冲区深度、调度策略一起考察,否则平均值会掩盖突发情况下的超时风险。

三、能效比:每焦耳完成的有效运算

能效比衡量单位能耗所完成的有效工作量,常用 GOPS/W、Gbps/W 或 帧/J 表示。其度量式为 η = 有效工作量 / 消耗能量。对星载系统,能量来源是太阳能电池与蓄电池,功耗直接决定散热设计和轨道可用性,因此能效比常比峰值算力更重要。

计算时需明确统计边界:是仅统计处理器核心功耗,还是包含存储器、接口和电源转换损耗。工程上建议采用“模块级”口径,即从供电入口到功能输出,这样得到的能效比才可用于整星功耗预算。例如某 FPGA 处理模块在 8 W 功耗下完成 12 GOPS 有效运算,则能效比为 1.5 GOPS/W;若算法优化后同样功耗完成 18 GOPS,则提升至 2.25 GOPS/W。

四、资源占用率:算力、存储与带宽的消耗比例

资源占用率描述各类硬件资源被使用的比例,主要包括:计算资源占用率(DSP/逻辑单元/CPU 核使用率)、存储占用率(片上 RAM、外部存储容量)、带宽占用率(总线、接口、下传链路)以及功耗余量。度量方式为已用量除以可用总量,通常要求留出安全裕量,避免在轨峰值时饱和。

资源占用率是判断系统是否“可持续运行”的关键。若某模块计算占用率长期高于 85%,则一旦出现突发数据或任务叠加,就可能触发丢帧。因此工程上常设定阈值,如计算占用率不超过 80%、存储占用率不超过 75%,作为设计约束。

五、可靠性:在辐射与故障条件下的持续正确性

星载可靠性关注系统在单粒子翻转、总剂量效应、器件老化等条件下的正确运行能力。常用度量包括:误码率/错误率、平均无故障时间 MTBF、故障恢复时间以及冗余切换成功率。对数据处理链路,还需统计校验失败率、纠错次数和重传次数。

可靠性不能只靠事后统计,应在设计中通过三模冗余、EDAC 校验、看门狗和降级模式来保障。度量时可在加速辐照试验或故障注入试验中记录错误发生与恢复情况,形成可验证的数据。

六、实时性约束:必须在时限内完成

实时性约束规定任务必须在给定截止时间内完成,否则结果失效。它通常以最坏执行时间 WCET、截止时间和抖动来度量。与延迟不同,实时性强调“可预测性”:即使平均延迟很低,只要存在偶发超时,就不满足硬实时要求。

判断实时性是否达标,需要将端到端最坏延迟与任务截止时间比较,并保留一定裕量。例如某目标检测任务要求 200 ms 内输出结果,实测 P99 延迟为 160 ms,则满足约束;若 P99 为 230 ms,则即使平均值只有 90 ms,也不能判定合格。

星载数据处理性能指标体系与度量关系 载荷输入 2.4 Gbps 原始数据 星载处理链路 压缩 / 检测 / 编码 FPGA + DSP + 存储 下传 / 存储 600 Mbps 有效输出 瓶颈:压缩模块 500 Mbps 吞吐率 R = N / T • 输入 / 处理 / 输出三口径 • 取最小值作为链路上限 • 剔除丢帧与校验失败数据 延迟 = 端到端最坏时间 • 采集 + 传输 + 排队 + 计算 • 关注 P99 与最大值 • 排队延迟随负载急剧上升 能效比 η = 工作量 / 能量 • 单位 GOPS/W 或 Gbps/W • 统计边界含存储与接口 • 直接决定整星功耗预算 资源占用率 = 已用 / 可用 • 计算 / 存储 / 带宽 / 功耗 • 建议计算 ≤ 80% • 存储 ≤ 75%,留安全裕量 可靠性:MTBF / 错误率 • 单粒子翻转、总剂量效应 • 三模冗余 + EDAC 校验 • 故障恢复时间与切换成功率 实时性:WCET ≤ 截止时间 • 强调可预测性而非平均值 • 例:200 ms 截止,P99 160 ms • 抖动需控制在允许范围内 六项指标相互制约:提升吞吐率可能增加延迟与功耗,降低资源占用可能牺牲实时性,需在整星约束下折中

指标之间的耦合与折中

这六项指标并非彼此独立。提高吞吐率通常需要更高时钟频率或更多并行单元,这会推高功耗、降低能效比并增加资源占用;降低延迟往往需要更大的缓冲区或更高优先级调度,可能挤占其他任务的资源;提高可靠性需要冗余与校验,会消耗算力和带宽;而实时性约束又要求最坏情况可预测,限制了动态调度和缓存优化的空间。

因此,星载性能设计不是追求单项最优,而是在整星功耗、散热、体积和任务时限的边界内寻找可行解。工程上通常先确定实时性约束和可靠性底线,再在此前提下优化吞吐率与能效比,最后校核资源占用率是否留有裕量。只有六项指标同时满足约束,系统才具备在轨可用性。

度量建议:所有指标应在同一任务剖面、同一输入速率和同一统计窗口下测量,并记录最坏值与分位数,避免用平均值掩盖突发超时或资源饱和。