目前,基于CPU+FPGA异构架构的可重构计算系统正在被广泛应用,面向可重构计算系统的可重构编译器逐渐成为异构加速系统中的研究热点。在可重构编译器中,基于程序性能评估技术的软硬件自动划分是研究的重点与难点,通过对程序进行精确的性能评估,能够为可重构编译器中软硬件自动划分提供辅助信息,进而实现更加高效的软硬件自动划分。可重构编译器的软硬件自动划分功能是在IR中间代码层设计实现的,因此,需要在IR层评估软件程序的执行时间,为软硬件划分提供依据。由于受流水线、分支预测和cache等因素的影响,程序的执行时间往往是非线性变化的,而BP神经网络具有非线性映射能力,因此,本文主要研究一种基于BP神经网络的IR层程序性能评估方法。在研究中发现对程序进行分类能够提升评估结果的准确性,因此本文还提出一种程序分类方法。该程序分类方法通过判断IR程序中if基本块的执行次数占程序基本块总执行次数的比率来判断程序是控制流为主的程序还是数据流为主的程序,并且还能够检测出程序的cache命中情况,进而提升评估程序执行时间的准确度。实验结果表明,针对不同类型程序训练不同BP神经网络模型的方法能够获得更准确的评估结果。与其他程序性能评估方法相比,基于BP神经网络的IR层程序性能评估方法能够获得比基于线性模型的IR层程序性能评估方法更准确的评估结果。与基于仿真的程序性能评估方法相比,本文的评估方法在评估准确度上和其相当,但具有速度上的优势。对软硬件划分来说,本文的程序性能评估方法在评估的准确性和效率上都是满足要求的。