Високопродуктивна апаратно-програмна система для граничної обробки сенсорних потоків у системах ІоТ на платформі FPGA-SоC

Анатолій  Гайдай; Ірина  Клименко

doi:10.25140/2411-5363-2025-4(42)-195-207

Автор(и)

Анатолій Гайдай Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна http://orcid.org/0000-0001-9330-414X
Ірина Клименко Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна http://orcid.org/0000-0001-5345-8806

DOI:

https://doi.org/10.25140/2411-5363-2025-4(42)-195-207

Ключові слова:

FPGA; фільтрація даних; ARM; ІоТ

Анотація

У статті розглянуто розроблення високопродуктивної апаратно-програмної системи багаторівневої фільтрації потокових сенсорних даних на платформі FPGA-SoC з інтегрованим процесорним ядром ARM під управлінням операційної системи Linux. Система орієнтована на граничну обробку даних на edge-рівні системи IoT і забезпечує мінімальні та детерміновані затримки. Реалізовано апаратний фільтраційний модуль у вигляді триступеневої конвеєрної архітектури, що поєднує медіанний фільтр, фільтр ковзного середнього та експоненційне згладжування з використанням фіксованого формату обчислень. Високопродуктивний обмін даними між вбудованим процесором ARM і логікою FPGA здійснюється через інтерфейс Avalon-MM. Експериментальні дослідження підтвердили пропускну здатність на рівні одного семплу за такт, внутрішню латентність на рівні трьох тактів, а також скорочення часу обробки на 26 % порівняно з програмною реалізацією на ARM без апаратного прискорення на FPGA. Запропонований підхід забезпечує ефективну, масштабовану та надійну обробку сенсорних потоків у режимі реального часу.

Посилання

Kulanov, V., & Perepelitsyn, A. (2024). Analysis of application of FPGA technologies in IoT. Aerospace Technic and Technology, (5), 85–94. https://doi.org/10.32620/aktt.2024.5.09.

Hryshchuk, O., & Zagorodnyuk, S. (2025). Managing energy consumption in FPGA-based edge computing systems with soft-core CPUs. Journal of Edge Computing, 4(1), 57–72. https://doi.org/ 10.55056/jec.717.

Kong, L., Tan, J., Huang, J., Chen, G., Wang, S., Jin, X., et al. (2023). Edge-computing-driven Internet of Things: A survey. ACM Computing Surveys, 55(8), Article 174, 1–41. https://doi.org/10.1145/3555308.

Magyari, A., & Chen, Y. (2022). Review of state-of-the-art FPGA applications in IoT networks. Sensors, 22, Article 7496. https://doi.org/10.3390/s22197496.

Satpathy, S., Trivedi, M. C., Malhotra, S., Chaudhary, S., & Sharma, V. (2024). FPGA-enhanced IoT methods for disease pre-screening and prediction: An energy optimization ap-proach. Measurement: Sensors, 33, Article 101213. https://doi.org/10.1016/j.measen.2024.101213.

Haidai, A., & Klymenko, I. (2025). Methodology of adaptive data processing in IоT monitoring systems with multilevel sensor data filtering and self-tuning. Information, Computing and Intelligent Systems, (7), 110–126. https://doi.org/10.20535/2786-8729.7.2025.341409.