版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、以ARM安卓為代表的移動智能終端設(shè)備已發(fā)展成為了具備多元化功能的交互設(shè)備。網(wǎng)頁渲染等交互式應(yīng)用的體驗性,是決定移動終端設(shè)備用戶體驗的關(guān)鍵因素。分析應(yīng)用在運行過程中呈現(xiàn)出來的體系結(jié)構(gòu)特征,是對設(shè)備性能功耗優(yōu)化的關(guān)鍵。在以往的負(fù)載微架構(gòu)無關(guān)特征研究中,通常使用Gem5來提取負(fù)載特征,然而Gem5仿真速度很慢。為了快速獲取負(fù)載特征,本文采用模擬器QEMU,通過對QEMU源碼的分析修改,能夠使用QEMU獲取ARM安卓網(wǎng)頁渲染類負(fù)載特征。
2、 本文分析了ARM安卓網(wǎng)頁渲染類負(fù)載的特征,選取了需要提取的特征參數(shù)。并根據(jù)QEMU的CPU仿真以及內(nèi)存讀寫原理,分析了QEMU的動態(tài)二進(jìn)制翻譯機制,采用二進(jìn)制流插樁方法,設(shè)計了幫助函數(shù),實現(xiàn)了完整指令流的獲取。通過分析完整指令流,修改QEMU監(jiān)控器層源碼,以QEMU的譯碼模塊、CPU仿真模塊為基礎(chǔ),添加了指令分類、分析以及日志模塊,實現(xiàn)了ARM安卓負(fù)載指令流的分類、相關(guān)信息提取、計算和輸出,獲取了ARM安卓負(fù)載特征的參數(shù),包括指令混
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 針對ARM安卓的多媒體應(yīng)用的特征片段提取.pdf
- 基于HTTP的安卓惡意應(yīng)用通信機制及流量特征提取研究.pdf
- 安卓平臺下基于相似度的惡意軟件特征提取與檢測研究.pdf
- 網(wǎng)頁去噪與特征提取算法的研究及實現(xiàn).pdf
- 安卓應(yīng)用微架構(gòu)無關(guān)軟件負(fù)載特征的建模.pdf
- 基于特征提取的聚類異常檢測技術(shù)的研究與實現(xiàn).pdf
- 基于圖像特征提取的算法設(shè)計與應(yīng)用.pdf
- 基于FPGA的指紋特征提取系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 并行KPCA特征提取設(shè)計與實現(xiàn).pdf
- 基于安卓的線上聚餐移動應(yīng)用設(shè)計與實現(xiàn).pdf
- 面向網(wǎng)頁去看的特征提取與重復(fù)模式發(fā)現(xiàn).pdf
- 基于安卓的多特征疲勞實時檢測系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于最大匹配的論文特征提取系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 基于安卓系統(tǒng)醫(yī)療服務(wù)終端的設(shè)計實現(xiàn)與應(yīng)用.pdf
- ARM安卓應(yīng)用CPU單核單線程性能分析工具的設(shè)計與實現(xiàn).pdf
- 基于文本特征提取算法的旁路監(jiān)控系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于PCNN指紋特征提取算法研究與實現(xiàn).pdf
- 細(xì)胞特征提取及聚類算法研究與DSP實現(xiàn).pdf
- 中文網(wǎng)頁分類特征提取算法探討.pdf
- 中文網(wǎng)頁分類特征提取方法研究.pdf
評論
0/150
提交評論