随着人们在科学计算、人工智能等领域对大规模数据计算的需求越来越高，使用图形处理器（GPU，Graphic Processing Unit）进行大规模并行计算正逐渐成为学术界和工业界的研究热点。建立一个能够全面反映GPU体系结构的GPGPU量化性能模型，从而评估特定并行算法如何高效映射到特定GPU硬件平台上就显得尤为重要。由于大多数商用嵌入式GPU的微结构参数都不公开，而针对传统GPU的GPGPU性能模型大多基于已知的GPU架构参数，且二者在架构上存在巨大差异，因此传统GPGPU模型无法直接适用于这些嵌入式GPU。　　本文旨在提出一种基OpenCL微测试集的嵌入式GPGPU量化性能模型。本文参考传统GPGPU性能模型的主要影响因素及建立过程，设计了一套基于OpenCL的较全面的GPU微架构测试程序集，用于探测模型建立所需要的计算单元数、指令开销、内存结构、访存延迟等微架构参数，作为模型的输入;然后，基于微测试集的测试结果，本文对传统GPGPU程序的主要执行方式，包括计算访存重叠、分支执行等重新进行分析修正，简化了分支执行部分的模型表达;最后，考虑同步语句开销影响，增加同步操作性能建模，使得模型更为准确。在实验部分，论文通过两个常用算子:矩阵乘法和Sobel图像滤波器，在Mali-T628 GPU上来验证所提出模型的有效性。实验结果表明，本文所提出的模型估算的执行时间与实际硬件执行时间相比，准确度最高为86.1％，平均为81.2％，达到预期指标。　　相比于传统GPGPU模型研究，本文首次针对未知架构参数的嵌入式GPU进行了架构建模，并证明了模型的有效性，帮助程序员更加高效地在嵌入式GPU上进行GPGPU程序的映射，程序员可以在进行GPGPU算法移植之前，借此评估模型估算GPGPU程序的执行性能。