A Low Power Parallel RISC-V Processor in 22nm FDSOI Technology for Medical Ultrasound

Abstract

I medisinsk ultralyd blir signalene tradisjonelt filtrert relativt kraftig med analoge filtre i proben før de sendes videre til en ekstern prosesseringsenhet. Ved ̊a i stedet digitalisere signalene og deretter gjøre den digitale prosesseringen internt i selve proben vil programmereren ha tilgang til mye mer ufiltrert data. Det store problemet med ̊a skulle gjøre hele prosesseringen i proben er det lave effektbudsjettet p ̊a knappe 3W for ̊a holde proben under 40°C og samtidig prosessere data fra 10 000 prober med en punktprøvingsfrekvens p ̊a 10MHz. PicoRV32, en arealeffektiv RISC-V-basert prosessor er i dette prosjektet ombygd til ̊a støtte flere kjerner for ̊a løse dette problemet. Designet er syntesert i en 22nm FDSOI (Fully Depleted Silicon On Insulator) teknologi for ̊a estimere effekt og størrelse. Designet er satt opp med et distribuert minne hvor hver kjerne har en egen min- neblokk. Denne løsningen fungerer bra for ̊a filtrere signalene fra transducerne siden hver transducer hører til under en enkelt kjerne. Siden det ikke er noen kommu- nikasjon mellom kjernene, blir det problemer n ̊ar det trengs data fra flere kjerner. Prosessoren kjører matrisemultiplikasjon p ̊a 6.9 CPI (Clocks Per Instruction) per kjerne med en dynamisk effekt p ̊a 12.3μW per MIMD (Multiple Instruction Multi- ple Data) kjerne og 12.1μW per SIMD (Single Instruction Multiple Data) kjerne ved en klokkefrekvens p ̊a 10MHz. Ved 500MHz klokkefrekvens bruker de henholdsvis 613 og 605μW per kjerne. Areale per kjerne er estimert til 5800μm2 per MIMD kjerne og 5500μm2 per SIMD kjerne. Siden disse effektestimatene er relativt lave i forhold til budsjettet p ̊a 3W selv med mange kjerner vil denne type system være interessant i fremtidige ultralydprober.

Medical ultrasound data is traditionally filtered in the probe using analog filters before sending the less extensive filtered data to an external processing device. By digitizing the signal from the ultrasound transducers, doing digital filtering and processing directly in the probe, the programmer has access to more unfiltered data. The big problem is the tight power budget at 3W set to keep the probe relatively cold, lower than 40°C, while at the same time process the data from 10 000 transducers at a 10MHz sample rate. Picorv32, an area effective RISC-V based processor, has in this project been rebuilt as a multicore processor in order to perform this massive processing problem. The design is synthesized in a 22nm FDSOI (Fully Depleted Silicon On Insulator) technology to extract estimates for power and area. The design is based on distributed memory, where each core has its own memory block. This works very well for the primary digital filtering of the signals as the data from each probe belongs to a single core. As there is no interconnection between the cores implemented, problems arise when data sharing between the cores is needed. The processor is able to do matrix multiplication at 6.9 CPI (Clocks Per Instruction) per core, with a dynamic power estimate of 12.3μW per MIMD (Multiple Instruction Multiple Data) core and 12.1μW per SIMD (Single Instruction Multiple Data) core at a 10MHz clock frequency. At 500MHz the power estimates are 605μW for the SIMD cores and 613μW for the MIMD cores. The area per core is estimated to 5800μm2 per MIMD core and 5500μm2 per SIMD core. As these power estimates are relatively low compared to the 3W power budget even with many cores, this type of system could prove useful in future ultrasound probes.