{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3300901"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3300901","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Architecture, Design and Implementation of a Hardware Accelerator in FPGA SoC Technology for On-Board Hyperspectral Image Data Reordering in Next Generation Earth Observation Satellites.","abstract":"Η αυξανόμενη ζήτηση για εξαιρετικά λεπτομερείς πληροφορίες σχετικά με τις ανθρώπινες και γεωφυσικές διεργασίες στη Γη έχει οδηγήσει την ανάπτυξη δορυφορικών υπερφασμα- τικών αισθητήρων παρατήρησης της γης. Η υπερφασματική απεικόνιση ορίζεται ως η απεικόνιση στενών συνεχόμενων φασματικών ζωνών σε μια συνεχή φασματική περιοχή, η οποία παράγει τα φάσματα όλων των pixel στη σκηνή. Η υπερφασματική απεικόνιση έχει ήδη παγιωθεί ως τεχνολογία κλειδί σε εφαρμογές τηλεπισκόπησης, που χρησιμοποιείται σε μη στρατιωτικές εφαρμογές όπως η έξυπνη γεωργία, η γεωλογία, η περιβαλλοντική παρακολούθηση, η αντιμετώπιση καταστροφών και η ανάκτηση για να αναφέρουμε μερικές. Ωστόσο, η εκρηκτική αύξηση του όγκου δεδομένων των συστημάτων υπερφασματικής τηλεπισκόπησης υψηλής ανάλυσης και υψηλής ταχύτητας επόμενης γενιάς, ανταγωνίζεται τους περιορισμένους εν-πτήσει πόρους αποθήκευσης και το εύρος ζώνης που διατίθενται για τη μετάδοση δεδομένων σε επίγειους σταθμούς, καθιστώντας την προεπεξεργασία και συμπίεση υπερφασματικής εικόνας μια κρίσιμη και προκλητική αποστολή για την επεξεργασία δεδομένων εν-πτήσει. Αυτή η διπλωματική εργασία συμβάλλει στην αρχιτεκτονική, το σχεδιασμό και την υλοποίηση ενός επιταχυντή υλικού υψηλής απόδοσης στην τεχνολογία FPGA, ως πυρήνα IP, για την εν-πτήσει προεπεξεργασία δεδομένων υπερφασματικής εικόνας και ειδικότερα την αναδιάταξη από διάταξη BIP σε διάταξη BSQ και αντίστροφα για χρήση σε ενσωματωμένες μονάδες επεξεργασίας δεδομένων δορυφόρων EO επόμενης γενιάς. Ο πυρήνας έχει σχεδιαστεί αναπτυχθεί και δοκιμαστεί στην πλακέτα Xilinx Zynq-7000 SoC ZC706. Ο στόχος είναι να επιτευχθεί μια αποδεκτή απόδοση, λαμβάνοντας υπόψη τον σημαντικό περιορισμό στην καθυστέρηση που δημιουργείται από τον αλγόριθμο αναδιάταξης. Ωστόσο, η υλοποίηση παρουσιάζει πολλές προκλήσεις, ώστε τα δεδομένα να μπορούν να αναδιατάσσονται γρήγορα στην αντίθετη σειρά. Το μέγεθος μιας υπερφασματικής εικόνας μπορεί να είναι απαγορευτικό για τοπική αποθήκευση μέσα στην BRAM του FPGA, και επομένως η μνήμη DDR του SoC πρέπει να χρησιμοποιηθεί για την αναδιάταξη. Για την αντιμετώπιση των παραπάνω προκλήσεων σχεδιάστηκαν και δημιουργήθηκαν στοιχεία όπως προσαρμοσμένοι Datamover και γεννήτριες διευθύνσεων για την ανάγνωση και εγγραφή δεδομένων. Το Zynq και το MΙG θα χρησιμοποιηθούν για τη διασύνδεση μνήμης για την προσωρινή αποθήκευση των ενδιάμεσων δεδομένων κατά την αναδιάταξη και χρησιμοπιείται η διεπαφή Full-AXI για ανταλλαγή δεδομένων με την μνήμη. Ο σχεδιασμός μας χρησιμοποιεί εκτενώς το AXI Smartconnect για τη συγχώνευση πολλαπλών διεπαφών Full-AXI καθώς και τη γεφύρωση σε διαφορετικές διεπαφές. Για τις δοκιμές BIPtoBSQ, θέτοντας τις κατάλληλες ρυθμίσεις, μπορέσαμε να επιτύχουμε ρυθμό κύκλων/δείγμα 2 για τις δοκιμασμένες περιπτώσεις σε συχνότητες έως και 250 και 266 MHz για τις διατάξεις Zynq και MIG αντιστοίχως. Για την αντίστροφη περίπτωση, δοκιμάστηκαν εικόνες μικρότερου μεγέθους, για λόγους που εξηγούνται παρακάτω, και σε ορισμένες δοκιμές θέτοντας προσαρμοσμέ- νες ρυθμίσεις καταφέραμε να πετύχουμε ρυθμούς πολύ κοντά στο 2. Στην ενότητα αποτελε- σμάτων παρουσιάζουμε μια ποικιλία διαμορφώσεων και τον αντίκτυπό τους στην απόδοση.","abstract_html":"Η αυξανόμενη ζήτηση για εξαιρετικά λεπτομερείς πληροφορίες σχετικά με τις ανθρώπινες και γεωφυσικές διεργασίες στη Γη έχει οδηγήσει την ανάπτυξη δορυφορικών υπερφασμα- τικών αισθητήρων παρατήρησης της γης. Η υπερφασματική απεικόνιση ορίζεται ως η απεικόνιση στενών συνεχόμενων φασματικών ζωνών σε μια συνεχή φασματική περιοχή, η οποία παράγει τα φάσματα όλων των pixel στη σκηνή. Η υπερφασματική απεικόνιση έχει ήδη παγιωθεί ως τεχνολογία κλειδί σε εφαρμογές τηλεπισκόπησης, που χρησιμοποιείται σε μη στρατιωτικές εφαρμογές όπως η έξυπνη γεωργία, η γεωλογία, η περιβαλλοντική παρακολούθηση, η αντιμετώπιση καταστροφών και η ανάκτηση για να αναφέρουμε μερικές. Ωστόσο, η εκρηκτική αύξηση του όγκου δεδομένων των συστημάτων υπερφασματικής τηλεπισκόπησης υψηλής ανάλυσης και υψηλής ταχύτητας επόμενης γενιάς, ανταγωνίζεται τους περιορισμένους εν-πτήσει πόρους αποθήκευσης και το εύρος ζώνης που διατίθενται για τη μετάδοση δεδομένων σε επίγειους σταθμούς, καθιστώντας την προεπεξεργασία και συμπίεση υπερφασματικής εικόνας μια κρίσιμη και προκλητική αποστολή για την επεξεργασία δεδομένων εν-πτήσει. Αυτή η διπλωματική εργασία συμβάλλει στην αρχιτεκτονική, το σχεδιασμό και την υλοποίηση ενός επιταχυντή υλικού υψηλής απόδοσης στην τεχνολογία FPGA, ως πυρήνα IP, για την εν-πτήσει προεπεξεργασία δεδομένων υπερφασματικής εικόνας και ειδικότερα την αναδιάταξη από διάταξη BIP σε διάταξη BSQ και αντίστροφα για χρήση σε ενσωματωμένες μονάδες επεξεργασίας δεδομένων δορυφόρων EO επόμενης γενιάς. Ο πυρήνας έχει σχεδιαστεί αναπτυχθεί και δοκιμαστεί στην πλακέτα Xilinx Zynq-7000 SoC ZC706. Ο στόχος είναι να επιτευχθεί μια αποδεκτή απόδοση, λαμβάνοντας υπόψη τον σημαντικό περιορισμό στην καθυστέρηση που δημιουργείται από τον αλγόριθμο αναδιάταξης. Ωστόσο, η υλοποίηση παρουσιάζει πολλές προκλήσεις, ώστε τα δεδομένα να μπορούν να αναδιατάσσονται γρήγορα στην αντίθετη σειρά. Το μέγεθος μιας υπερφασματικής εικόνας μπορεί να είναι απαγορευτικό για τοπική αποθήκευση μέσα στην BRAM του FPGA, και επομένως η μνήμη DDR του SoC πρέπει να χρησιμοποιηθεί για την αναδιάταξη. Για την αντιμετώπιση των παραπάνω προκλήσεων σχεδιάστηκαν και δημιουργήθηκαν στοιχεία όπως προσαρμοσμένοι Datamover και γεννήτριες διευθύνσεων για την ανάγνωση και εγγραφή δεδομένων. Το Zynq και το MΙG θα χρησιμοποιηθούν για τη διασύνδεση μνήμης για την προσωρινή αποθήκευση των ενδιάμεσων δεδομένων κατά την αναδιάταξη και χρησιμοπιείται η διεπαφή Full-AXI για ανταλλαγή δεδομένων με την μνήμη. Ο σχεδιασμός μας χρησιμοποιεί εκτενώς το AXI Smartconnect για τη συγχώνευση πολλαπλών διεπαφών Full-AXI καθώς και τη γεφύρωση σε διαφορετικές διεπαφές. Για τις δοκιμές BIPtoBSQ, θέτοντας τις κατάλληλες ρυθμίσεις, μπορέσαμε να επιτύχουμε ρυθμό κύκλων/δείγμα 2 για τις δοκιμασμένες περιπτώσεις σε συχνότητες έως και 250 και 266 MHz για τις διατάξεις Zynq και MIG αντιστοίχως. Για την αντίστροφη περίπτωση, δοκιμάστηκαν εικόνες μικρότερου μεγέθους, για λόγους που εξηγούνται παρακάτω, και σε ορισμένες δοκιμές θέτοντας προσαρμοσμέ- νες ρυθμίσεις καταφέραμε να πετύχουμε ρυθμούς πολύ κοντά στο 2. Στην ενότητα αποτελε- σμάτων παρουσιάζουμε μια ποικιλία διαμορφώσεων και τον αντίκτυπό τους στην απόδοση.","abstract_has_math":false,"creators":["Πλεύρης Κωνσταντίνος","Plevris Konstantinos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:21:45Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3300901"],"render_values":[{"text":"uoadl:3300901","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3300901","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3300901","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3300901","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πλεύρης Κωνσταντίνος","Plevris Konstantinos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3300901","https://pergamos.lib.uoa.gr/uoa/dl/object/3300901"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η αυξανόμενη ζήτηση για εξαιρετικά λεπτομερείς πληροφορίες σχετικά με τις ανθρώπινες και γεωφυσικές διεργασίες στη Γη έχει οδηγήσει την ανάπτυξη δορυφορικών υπερφασμα- τικών αισθητήρων παρατήρησης της γης. Η υπερφασματική απεικόνιση ορίζεται ως η απεικόνιση στενών συνεχόμενων φασματικών ζωνών σε μια συνεχή φασματική περιοχή, η οποία παράγει τα φάσματα όλων των pixel στη σκηνή. Η υπερφασματική απεικόνιση έχει ήδη παγιωθεί ως τεχνολογία κλειδί σε εφαρμογές τηλεπισκόπησης, που χρησιμοποιείται σε μη στρατιωτικές εφαρμογές όπως η έξυπνη γεωργία, η γεωλογία, η περιβαλλοντική παρακολούθηση, η αντιμετώπιση καταστροφών και η ανάκτηση για να αναφέρουμε μερικές. Ωστόσο, η εκρηκτική αύξηση του όγκου δεδομένων των συστημάτων υπερφασματικής τηλεπισκόπησης υψηλής ανάλυσης και υψηλής ταχύτητας επόμενης γενιάς, ανταγωνίζεται τους περιορισμένους εν-πτήσει πόρους αποθήκευσης και το εύρος ζώνης που διατίθενται για τη μετάδοση δεδομένων σε επίγειους σταθμούς, καθιστώντας την προεπεξεργασία και συμπίεση υπερφασματικής εικόνας μια κρίσιμη και προκλητική αποστολή για την επεξεργασία δεδομένων εν-πτήσει. Αυτή η διπλωματική εργασία συμβάλλει στην αρχιτεκτονική, το σχεδιασμό και την υλοποίηση ενός επιταχυντή υλικού υψηλής απόδοσης στην τεχνολογία FPGA, ως πυρήνα IP, για την εν-πτήσει προεπεξεργασία δεδομένων υπερφασματικής εικόνας και ειδικότερα την αναδιάταξη από διάταξη BIP σε διάταξη BSQ και αντίστροφα για χρήση σε ενσωματωμένες μονάδες επεξεργασίας δεδομένων δορυφόρων EO επόμενης γενιάς. Ο πυρήνας έχει σχεδιαστεί αναπτυχθεί και δοκιμαστεί στην πλακέτα Xilinx Zynq-7000 SoC ZC706. Ο στόχος είναι να επιτευχθεί μια αποδεκτή απόδοση, λαμβάνοντας υπόψη τον σημαντικό περιορισμό στην καθυστέρηση που δημιουργείται από τον αλγόριθμο αναδιάταξης. Ωστόσο, η υλοποίηση παρουσιάζει πολλές προκλήσεις, ώστε τα δεδομένα να μπορούν να αναδιατάσσονται γρήγορα στην αντίθετη σειρά. Το μέγεθος μιας υπερφασματικής εικόνας μπορεί να είναι απαγορευτικό για τοπική αποθήκευση μέσα στην BRAM του FPGA, και επομένως η μνήμη DDR του SoC πρέπει να χρησιμοποιηθεί για την αναδιάταξη. Για την αντιμετώπιση των παραπάνω προκλήσεων σχεδιάστηκαν και δημιουργήθηκαν στοιχεία όπως προσαρμοσμένοι Datamover και γεννήτριες διευθύνσεων για την ανάγνωση και εγγραφή δεδομένων. Το Zynq και το MΙG θα χρησιμοποιηθούν για τη διασύνδεση μνήμης για την προσωρινή αποθήκευση των ενδιάμεσων δεδομένων κατά την αναδιάταξη και χρησιμοπιείται η διεπαφή Full-AXI για ανταλλαγή δεδομένων με την μνήμη. Ο σχεδιασμός μας χρησιμοποιεί εκτενώς το AXI Smartconnect για τη συγχώνευση πολλαπλών διεπαφών Full-AXI καθώς και τη γεφύρωση σε διαφορετικές διεπαφές. Για τις δοκιμές BIPtoBSQ, θέτοντας τις κατάλληλες ρυθμίσεις, μπορέσαμε να επιτύχουμε ρυθμό κύκλων/δείγμα 2 για τις δοκιμασμένες περιπτώσεις σε συχνότητες έως και 250 και 266 MHz για τις διατάξεις Zynq και MIG αντιστοίχως. Για την αντίστροφη περίπτωση, δοκιμάστηκαν εικόνες μικρότερου μεγέθους, για λόγους που εξηγούνται παρακάτω, και σε ορισμένες δοκιμές θέτοντας προσαρμοσμέ- νες ρυθμίσεις καταφέραμε να πετύχουμε ρυθμούς πολύ κοντά στο 2. Στην ενότητα αποτελε- σμάτων παρουσιάζουμε μια ποικιλία διαμορφώσεων και τον αντίκτυπό τους στην απόδοση.","The increasing demand for highly detailed information on human and geophysical processes on Earth has driven the development of earth observation (EO) satellite hyperspectral sensors. Hyperspectral imaging is defined as imaging narrow contiguous spectral bands over a continuous spectral range, which produces the spectra of all pixels in the scene. Hyperspectral imaging is already consolidated as a key enabling technology in remote sensing applications, used in civilian applications such as smart agriculture, geology, environmental monitoring, disaster response and recovery to name a few. However, the explosive growth of data volume of next generation high-resolution and high-speed hyperspectral remote sensing systems, compete with the limited on-board storage resources and bandwidth available for the transmission of data to ground stations, making hyperspectral image preprocessing and compression a mission critical and challenging task for on-board payload data processing. To address the above challenges components such as custom Datamovers and address generators were designed and built for reading and writing data. This master's thesis contributes in the architecture, design and implementation of a high-performance hardware accelerator in FPGA technology, as IP core, for on-board hyperspectral image data preprocessing and especially reordering from band interleaved by pixel (BIP) order to band sequential (BSQ) order and vice-versa to be used in on-board data processing units of next generation EO satellites. The Core has been designed, implemented and validated on the Xilinx Zynq-7000 SoC ZC706 board. The goal is to achieve an acceptable throughput, considering the significant limitation in latency created by the reordering algorithm. However, the implementation presents many challenges so that the data can be reordered quickly to the opposite ordering. Furthermore, the size of a hyperspectral image can be prohibitive for local storing inside the BRAM of the FPGA, and thus the SoC's DDR memory must be used to perform the reordering. Components such as custom Datamovers and address generators for reading and writing data were designed and built to address the above challenges. Lastly, the Zynq and MΙG (Memory interface generator) will be used for memory interfacing to buffer the intermediate data during the reordering. The interfacing for storing and retrieving the data from memory is done using the Full-AXI interface. Our design extensively uses the AXI Smartconnect for merging multiple Full-AXI interfaces as well as bridging into different interfaces for compatibility. For the BIPtoBSQ tests, by setting proper settings, we were able to achieve a cycles/sample rate of 2 for the tested cases at frequencies up to 250 and 266 MHz for the Zynq and MIG set-ups respectively. For the reverse case, smaller sized images were tested, for reasons explained below, and in some tests by setting custom settings we were able to achieve rates very close to 2. In the results section we present a variety of configurations and their impact on performance."]},{"key":"dc:title","label":"Title","values":["Architecture, Design and Implementation of a Hardware Accelerator in FPGA SoC Technology for On-Board Hyperspectral Image Data Reordering in Next Generation Earth Observation Satellites."]}]}],"canonical_facts":{"dc:creator":["Πλεύρης Κωνσταντίνος","Plevris Konstantinos"],"dc:date":["2023"],"dc:description":["Η αυξανόμενη ζήτηση για εξαιρετικά λεπτομερείς πληροφορίες σχετικά με τις ανθρώπινες και γεωφυσικές διεργασίες στη Γη έχει οδηγήσει την ανάπτυξη δορυφορικών υπερφασμα- τικών αισθητήρων παρατήρησης της γης. Η υπερφασματική απεικόνιση ορίζεται ως η απεικόνιση στενών συνεχόμενων φασματικών ζωνών σε μια συνεχή φασματική περιοχή, η οποία παράγει τα φάσματα όλων των pixel στη σκηνή. Η υπερφασματική απεικόνιση έχει ήδη παγιωθεί ως τεχνολογία κλειδί σε εφαρμογές τηλεπισκόπησης, που χρησιμοποιείται σε μη στρατιωτικές εφαρμογές όπως η έξυπνη γεωργία, η γεωλογία, η περιβαλλοντική παρακολούθηση, η αντιμετώπιση καταστροφών και η ανάκτηση για να αναφέρουμε μερικές. Ωστόσο, η εκρηκτική αύξηση του όγκου δεδομένων των συστημάτων υπερφασματικής τηλεπισκόπησης υψηλής ανάλυσης και υψηλής ταχύτητας επόμενης γενιάς, ανταγωνίζεται τους περιορισμένους εν-πτήσει πόρους αποθήκευσης και το εύρος ζώνης που διατίθενται για τη μετάδοση δεδομένων σε επίγειους σταθμούς, καθιστώντας την προεπεξεργασία και συμπίεση υπερφασματικής εικόνας μια κρίσιμη και προκλητική αποστολή για την επεξεργασία δεδομένων εν-πτήσει. Αυτή η διπλωματική εργασία συμβάλλει στην αρχιτεκτονική, το σχεδιασμό και την υλοποίηση ενός επιταχυντή υλικού υψηλής απόδοσης στην τεχνολογία FPGA, ως πυρήνα IP, για την εν-πτήσει προεπεξεργασία δεδομένων υπερφασματικής εικόνας και ειδικότερα την αναδιάταξη από διάταξη BIP σε διάταξη BSQ και αντίστροφα για χρήση σε ενσωματωμένες μονάδες επεξεργασίας δεδομένων δορυφόρων EO επόμενης γενιάς. Ο πυρήνας έχει σχεδιαστεί αναπτυχθεί και δοκιμαστεί στην πλακέτα Xilinx Zynq-7000 SoC ZC706. Ο στόχος είναι να επιτευχθεί μια αποδεκτή απόδοση, λαμβάνοντας υπόψη τον σημαντικό περιορισμό στην καθυστέρηση που δημιουργείται από τον αλγόριθμο αναδιάταξης. Ωστόσο, η υλοποίηση παρουσιάζει πολλές προκλήσεις, ώστε τα δεδομένα να μπορούν να αναδιατάσσονται γρήγορα στην αντίθετη σειρά. Το μέγεθος μιας υπερφασματικής εικόνας μπορεί να είναι απαγορευτικό για τοπική αποθήκευση μέσα στην BRAM του FPGA, και επομένως η μνήμη DDR του SoC πρέπει να χρησιμοποιηθεί για την αναδιάταξη. Για την αντιμετώπιση των παραπάνω προκλήσεων σχεδιάστηκαν και δημιουργήθηκαν στοιχεία όπως προσαρμοσμένοι Datamover και γεννήτριες διευθύνσεων για την ανάγνωση και εγγραφή δεδομένων. Το Zynq και το MΙG θα χρησιμοποιηθούν για τη διασύνδεση μνήμης για την προσωρινή αποθήκευση των ενδιάμεσων δεδομένων κατά την αναδιάταξη και χρησιμοπιείται η διεπαφή Full-AXI για ανταλλαγή δεδομένων με την μνήμη. Ο σχεδιασμός μας χρησιμοποιεί εκτενώς το AXI Smartconnect για τη συγχώνευση πολλαπλών διεπαφών Full-AXI καθώς και τη γεφύρωση σε διαφορετικές διεπαφές. Για τις δοκιμές BIPtoBSQ, θέτοντας τις κατάλληλες ρυθμίσεις, μπορέσαμε να επιτύχουμε ρυθμό κύκλων/δείγμα 2 για τις δοκιμασμένες περιπτώσεις σε συχνότητες έως και 250 και 266 MHz για τις διατάξεις Zynq και MIG αντιστοίχως. Για την αντίστροφη περίπτωση, δοκιμάστηκαν εικόνες μικρότερου μεγέθους, για λόγους που εξηγούνται παρακάτω, και σε ορισμένες δοκιμές θέτοντας προσαρμοσμέ- νες ρυθμίσεις καταφέραμε να πετύχουμε ρυθμούς πολύ κοντά στο 2. Στην ενότητα αποτελε- σμάτων παρουσιάζουμε μια ποικιλία διαμορφώσεων και τον αντίκτυπό τους στην απόδοση.","The increasing demand for highly detailed information on human and geophysical processes on Earth has driven the development of earth observation (EO) satellite hyperspectral sensors. Hyperspectral imaging is defined as imaging narrow contiguous spectral bands over a continuous spectral range, which produces the spectra of all pixels in the scene. Hyperspectral imaging is already consolidated as a key enabling technology in remote sensing applications, used in civilian applications such as smart agriculture, geology, environmental monitoring, disaster response and recovery to name a few. However, the explosive growth of data volume of next generation high-resolution and high-speed hyperspectral remote sensing systems, compete with the limited on-board storage resources and bandwidth available for the transmission of data to ground stations, making hyperspectral image preprocessing and compression a mission critical and challenging task for on-board payload data processing. To address the above challenges components such as custom Datamovers and address generators were designed and built for reading and writing data. This master's thesis contributes in the architecture, design and implementation of a high-performance hardware accelerator in FPGA technology, as IP core, for on-board hyperspectral image data preprocessing and especially reordering from band interleaved by pixel (BIP) order to band sequential (BSQ) order and vice-versa to be used in on-board data processing units of next generation EO satellites. The Core has been designed, implemented and validated on the Xilinx Zynq-7000 SoC ZC706 board. The goal is to achieve an acceptable throughput, considering the significant limitation in latency created by the reordering algorithm. However, the implementation presents many challenges so that the data can be reordered quickly to the opposite ordering. Furthermore, the size of a hyperspectral image can be prohibitive for local storing inside the BRAM of the FPGA, and thus the SoC's DDR memory must be used to perform the reordering. Components such as custom Datamovers and address generators for reading and writing data were designed and built to address the above challenges. Lastly, the Zynq and MΙG (Memory interface generator) will be used for memory interfacing to buffer the intermediate data during the reordering. The interfacing for storing and retrieving the data from memory is done using the Full-AXI interface. Our design extensively uses the AXI Smartconnect for merging multiple Full-AXI interfaces as well as bridging into different interfaces for compatibility. For the BIPtoBSQ tests, by setting proper settings, we were able to achieve a cycles/sample rate of 2 for the tested cases at frequencies up to 250 and 266 MHz for the Zynq and MIG set-ups respectively. For the reverse case, smaller sized images were tested, for reasons explained below, and in some tests by setting custom settings we were able to achieve rates very close to 2. In the results section we present a variety of configurations and their impact on performance."],"dc:identifier":["uoadl:3300901","https://pergamos.lib.uoa.gr/uoa/dl/object/3300901"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Architecture, Design and Implementation of a Hardware Accelerator in FPGA SoC Technology for On-Board Hyperspectral Image Data Reordering in Next Generation Earth Observation Satellites."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:21:45Z"}