1. 星载FPGA任务场景与约束导入

星载FPGA与地面FPGA开发最大的区别，不在于器件本身，而在于它被放置在一个无法维修、无法散热、无法更换电源、且持续受到高能粒子轰击的环境中。任何一次资源优化决策，最终都要在这个环境里接受检验。因此在讨论具体的时序收敛、布线拥塞、DSP与BRAM配比之前，必须先建立一张"约束地图"：哪些边界是硬的、哪些是可以权衡的、哪些指标之间存在此消彼长的耦合关系。本章的任务就是把这张地图画清楚，并给出性能分析与资源优化的总体目标。

一、五类硬约束及其物理来源

星载FPGA的设计约束可以归纳为五类，它们并非彼此独立，而是通过功耗、面积、可靠性三条链路相互牵制。

辐射环境是最具星载特色的约束。低地球轨道（LEO）卫星在轨运行时会穿越南大西洋异常区（SAA），单粒子翻转（SEU）率显著抬升；地球同步轨道（GEO）则长期承受高能质子与重离子累积剂量。对FPGA而言，辐射效应主要分三类：SEU导致配置存储单元或用户触发器翻转，属于可恢复的软错误；单粒子锁定（SEL）可能引发大电流甚至烧毁，属于必须规避的灾难性故障；总电离剂量（TID）则造成阈值电压漂移、漏电增大，属于随时间累积的退化。这三类效应直接决定了是否必须选用抗辐射加固器件、是否必须采用三模冗余（TMR）、是否必须配置定时刷新（Scrubbing）逻辑。而TMR与刷新逻辑本身要消耗触发器、BRAM和布线资源，通常会使逻辑资源占用上升至原来的2.5～3.5倍，这是资源优化中无法回避的"辐射税"。

功耗预算来自卫星平台的供电能力与散热能力双重限制。整星功耗通常被严格分配，载荷处理单机可能只有几瓦到几十瓦的额度。FPGA的功耗由静态功耗与动态功耗构成，动态功耗近似满足 P = α·C·V²·f，其中翻转率α、负载电容C、供电电压V和工作频率f都是可调项。降低V对功耗的抑制最显著，但会牺牲时序余量；降低f最直接，但会削弱处理能力。星载场景下，功耗超标不仅意味着电源设计失败，更意味着热控系统无法把热量导出，进而触发降频或关机保护。

热真空约束的本质是散热路径单一。真空中没有对流，热量只能通过传导和辐射排出，FPGA结温到安装板的热阻成为关键参数。若结温超过器件额定上限（工业级通常125℃，宇航级可能更低），时序会进一步恶化，形成"高温→延迟增大→需要降频→性能下降"的负反馈。因此热设计与逻辑设计必须联合考虑：高翻转率的模块应尽量分散布局，避免局部热点。

重量与体积约束影响的是系统级方案选择。更小的封装、更高的集成度意味着更少的PCB层数和更轻的屏蔽结构，但也会压缩散热面积、降低抗辐射屏蔽效果。当资源优化到需要外挂存储器或协处理器时，重量体积的代价必须一并计入。

在轨可重构需求则把上述所有约束推向动态化。卫星在轨期间可能需要更新算法、修复缺陷、切换工作模式，这要求FPGA支持部分重构或至少支持安全可靠的配置刷新。可重构能力带来两个额外开销：一是必须保留配置控制逻辑与冗余配置存储区，二是重构过程中的功能中断必须被任务调度容忍。这直接影响了资源分区策略——哪些区域允许被重构、哪些区域必须常驻，需要在设计初期就划定。

二、约束之间的耦合：为什么不能逐项优化

把五类约束并列起来看，容易产生"逐项满足"的错觉。实际上它们通过三条链路强耦合。

第一条是可靠性—资源—功耗链。抗辐射要求TMR，TMR把一份逻辑变成三份并加表决器，触发器与查找表用量上升，布线资源紧张，动态功耗随之增加；功耗增加又推高结温，结温升高使器件延迟变大，原本收敛的时序可能重新违例，于是不得不降频，而降频直接削弱处理能力。这条链说明：抗辐射加固不是"加一点冗余"那么简单，它会把压力传导到功耗和时序两端。

第二条是可重构—面积—热链。支持部分重构需要把FPGA划分为常驻区和可重构区，可重构区边界要预留隔离逻辑与配置接口，这本身就占用面积；面积利用率提高后局部功耗密度上升，在真空环境下更容易形成热点；热点又限制了可重构区可以放置的逻辑规模。因此可重构粒度的选择，本质上是在"重构灵活性"和"热安全裕度"之间取平衡。

第三条是重量体积—集成度—散热链。为了减重，倾向于选用更小封装、更高集成度器件，但小封装意味着更小的散热焊盘和更薄的屏蔽层，抗辐射能力与散热能力同时下降。当单粒子翻转率因屏蔽减弱而上升时，又需要更强的TMR和更频繁的刷新，资源与功耗再次被推高。三条链路交织在一起，决定了星载FPGA优化必须是一个多目标联合寻优过程，而不是若干独立指标的分别达标。

三、性能分析与资源优化的总体目标

基于上述约束地图，本课程的总体目标可以表述为：在满足辐射可靠性、功耗、热、重量体积与在轨可重构五类约束的前提下，使FPGA在给定器件上达到任务所需的处理能力，并保留可验证、可复现的优化余量。

这个目标包含四个可操作的子目标。第一，建立可量化的约束基线：把辐射指标换算为TMR覆盖率与刷新周期要求，把功耗预算分解为静态与动态额度，把热约束换算为最大允许结温与热阻上限，把重量体积换算为可选器件清单。第二，建立资源—性能—功耗的映射模型：明确逻辑、DSP、BRAM、布线四类资源的占用如何影响频率与功耗，使优化有据可依。第三，形成可执行的优化流程：从约束导入、资源评估、时序分析、功耗估算到加固策略插入，每一步都有明确的输入、判据和输出。第四，建立验证与判读方法：通过资源报告、时序报告、功耗估算报告和故障注入结果，判断设计是否真正满足约束，而不是仅凭综合通过就认为完成。

四、一个用于建立直觉的示例场景

为便于后续章节展开，这里给出一个贯穿课程的教学示例场景（参数为合理假设，用于说明方法，不代表任何实际型号的实测数据）。假设某LEO遥感载荷处理单机采用一款宇航级SRAM型FPGA，任务要求完成多光谱图像辐射校正与几何粗校正，输入数据率约400Mbps，处理时延不超过80ms。平台给出的约束为：FPGA动态功耗不超过6W，结温不超过105℃，单机重量不超过1.2kg，需支持在轨算法更新。

按此场景做初步估算：若采用全TMR加固，逻辑资源占用约为原始设计的3倍，动态功耗可能从4W升至7W以上，直接突破功耗预算；若降低工作频率以压功耗，处理时延又会超过80ms。此时可行的方向包括：对时序关键路径采用TMR、对非关键的数据缓存路径采用ECC加刷新、把部分校正系数计算移到地面预处理、以及把可重构区限制在算法参数更新部分而非整条数据通路。这些取舍正是后续章节要逐一展开的内容。

把这张约束表和前面的耦合关系图放在一起，就构成了本课程后续所有分析的出发点：任何一次资源优化，都要回到这五类约束中检验其代价；任何一次性能提升，都要确认没有把压力转移到可靠性或热安全上。下一阶段的工作，是把这些定性约束转化为可计算、可比较的量化模型。