拓展摩尔定律已成为集成电路及电子信息通信硬件产业的重大战略之一, 其中微系统技术发展进入全新阶段, 集成电路芯片与集成封装组件的界限日渐模糊, 形成了融◤合发展的新局面, 正对微系统异质集成技术领域发展产生深远影响.结合团队科研实践, 本文从架构演进、芯片-封▲装一体化设计策略、多物理域协同分析与优化、集成平台的重大创新等层面, 分析IC与集成封装★融合发展阶段的技术特征、内涵与动向, 并对未来应用前景、发展路径进行展望.

本文介绍了一种采用浮地结构的高边功率驱动电路, 包括输入级电路、稳压电路、浮地产生电路以及基于电荷泵驱动电路.针对传统驱动电路中存在的地信号干扰, 信〓号串扰问题、栅击穿以及稳压源电路提出了一←种新的解决方法以及电路设计方法, 极大提高了高边功率驱动电路的稳定性.基于BCD工艺, 单电源电压7V~40V情况下的仿真结果表明:在2MHz振荡器频々率下, 浮地电路可正常工作, 浮地上的纹【波电压变化小于0.03V;可以对干扰信号进行有效过∑滤, 具有较强的防误触发能力.此新型浮地电路以及稳压源电路可很好的应用于高边功率驱动电路.

随着半导体技术的进步, 专用片上网络(ASNoC)成为解决纳米级片上系统通信问题的有效方案.本文提出了一种基于拉←格朗日松弛的ASNoC容错拓↓扑生成方法, 可实现大规模ASNoC用户自定义＠K容错拓扑生成.该ASNoC的容错拓扑生√成方法不仅考虑片上网络中可能◥发生的链路或路由器故障, 而且对于用户定义ξ　的容错数量K, 可以容忍路由器或链路中存在至少K个错误.该方法●同时求解IP核映射问题和路由路径分配问题, 在满足约束条件下最大程度地降低功耗.实ω验结果表明, 提出的方法显著降低了功耗、物理链路、跳数和运行时︼间.同时它在可接受的运行时间下实现了大规模ASNoC的容错拓扑生成.

基于0.15μm GaAs pHEMT工艺设计了一款Ka波段AB类功率放大器.该功率放大器对匹配网络中的通孔电容设计进行改进.将改进式通孔电容运用于功合器设计中.此项改进使输出级功合器的插入损耗改善了0.8~3dB, 提高了功率合∩成效率.测试结果显示, 此功率放大器在33-37GHz工作频率内, 实现了31±1dB的小信号增益, 饱和输●出功率大于31.18dBm, 功率⌒附加效率(PAE)大于21.7%.

矩阵计算是GPU最擅长的工作之一, NVIDIA公司在CUDA中提供了线性代数库cuBLAS, 用于矩阵和向量相关的计算.但是GPU容易受到电磁或者宇宙射线影响, 而发生"位"反转问题, 从而发生静默数据损坏错误.针对这个问题, 利用基↑于算法的容错方法, 提出了带容错的, 用于通用矩阵乘法计算的∴方法, 并以CUDA库函数的方式实◇现.论文讨论了算法的原理, 用一种高效的方法实现了容错计算, 并提出了一个低开销、高准确率的阈值计算方法用于在线的快速纠错和检错.在两款嵌入式GPU平台上对带容错功能的GEMM库函数进行了评估, 其纠错和检错能力与预期一致, 并且→在大部分情况下, 额外性能开销能够控卐制在50%以内, 证明了该GEMM函数可以在较低的性能开销情况下, 能够很好的实现GEMM计算的检错和纠错, 在某些结果-关键的高性能计算中, 具有ぷ一定的实用价值.

着卷积神经网络的发Ψ展, 基于多光谱图像的行人检测研究取得了巨大进◥步, 且▃应用广泛.最近研究表明, 融合由多光谱相机(可见光和热成像相机)捕获的图像信息可以使行人在强光和弱光条件下的↙检测都变得鲁棒.然而, 如何根据光照条件有效地融合图像信息仍缺乏进一步的研究.本文提出了一种多层次特征提取方法, 旨在从不同特征层提取有用信息.同时, 还提出一种置信度融合机制, 测量Ψ多光谱图像的光照情况.采用一个融合函数对双流网络输出的分类结果和RPN输出的分类∑结果进行融合, 提高行人检测的性能.通过实验将所提出的多光谱光照感知检测R-CNN(MIAD-RCNN)与现有的多光谱行人检测器进行比较, 该方法在全天候「均具有较低的漏检率和较快的速↙度.

对于监控视频下的垂直视角, 常常会出现人体遮挡, 背景㊣　模糊等导致检测人体精度低的问题, 本文提出以人头为目标代替人体进行检测的监控视频人数统计的方法.该方法对一种轻量型的网络FaceBoxes进行改进, 并加入多尺度特征融合的方式, 提升密集人头检测¤的精度.由于监控视频中, 人头目︻标比较小, 一般不会出现特大目标, 因此使用k-means方法对候选框的尺度进行聚类, 再进行训练, 并使用交叠区域检测方法提高预测框的精度.实验结果表明, 改进型的FaceBoxes方法相比之前的网络精度提高了约4%, 其速度◣稍有降低.

针对目前单粒子故障注入实验中存在的故障注入位置盲目导致的效率低下、耗费△大量的时间人力成本从而难以在工程项目中推广的问题, 提出一种SRAM型FPGA故障注入实验集的筛选方法用来指导单粒子故障注入.该方法剖析SRAM型FPGA芯片结构, 归纳单粒子故障的时间特性, 确定单粒ω子故障模式; 并结合具体FPGA设∩计的资源占用情况、资源特性、资源连接关系☉等给出故障注入实验集的筛选和优先级排序方法; 搭建单粒子◤故障注入原型系统对所提々方法进行了工程验证.结果表明提出的单粒子故障注入实验集的筛选和优先级排序方法正确、有效, 能快速定位出★设计中与功能密切相关的配置位, 缩短故障注入的时间成本, 使得〓故障注入方法广泛应用于实际工程成为可能.

针对当前片上网络(NoC)在通讯流量较大时出现拥塞而引起的网络性能受限的问题, 本文提出了一种向量引导的超前自◆适应(AdSa)路由算法, 设计了一种基于拥塞超前感知的NoC路由器, 通过超前感知网络拥塞进行自适应的路由传输⌒, 均衡网络负载.实验结果表明, 搭载AdSa路由算法的拥塞感知路由器在平均包延时和卐平均吞吐量上, 相较于搭载↑动态XY(Dy-XY)路※由算法的路由器最大提升了31.2%和38.4%, 相较于搭载回退转向(RT)路由算法的路由器最大提升了18%和19.5%, 在高负载和大▲通信量NoC中具有更优的传输性能.

大棚面积统计是蔬菜业♂进行科学管理的客观需求，通过深度学习自动获取大棚面积能更好地降低人●工成本.为了准确『获取大棚面积，本文使用基于深度学习的模型框架来解决这一问题.首先，使用金字塔池化模块★和链式池化模块分别处理大尺度和小尺度的高层特征，在保持分辨率和避免退化的情况下提取多尺度的语义信息；然后，使用递归残差模块交替△融合高层和低层信息，进一步优化分」割结果。通过和三种较新的算法进行比较，实验结果表明本文的∮方法取得了最优的结果.

高性能快速傅〖里叶变换(FFT)处理器在雷达与通信等实时信★号处理系统中具有广泛的应用场景.本文通过优化无冲∏突访存规则，结合基-2和基-8时域抽取的FFT算法，设计了一种高性能的混合基FFT处理器.该处理器采用基于存储的架构，主要组成单元包括〖蝶形运算单元，存储单元和控◢制单元.通过优化无冲突访存规则以及旋转因子生成方案，提高计算速度和硬件效率。在SMIC 40nm标准CMOS工艺下，FFT处理器工作主频超过500 MHz，核心面积为1.76×0.85 mm²，且计算结果信噪比超ㄨ过136 dB.在32K点FFT计算任◤务下，计算速度相比同类型FFT处理器提高约4倍.

针对学习者在网络学习平台中面临的信息过载导致获╲取个性化信息不足问题，应用领域本体构建方♀法，对学习课件进行数据建模及表示，构建了一种基于领域本体与学习者属性信息的◣特征模型，模型结合领域本体主题及学习者基本信息要素具有语ω义支持并随时间推移进行更【新.以学习特征模型为基础设计一种融合相似度的协同☉过滤推荐方法，有效缓解推荐算法面临的冷启动及其语义支持不足的问题.实验结果表明，所提的方ぷ法与传统的协同过滤推荐方法相比，数据推荐的准确率MAE减小12.29%，有效提高数据推荐质量.

别大规『模数据的潜在模式.但其存在两个问题：多次迭代Master和Worker节点【间数据交换，导致算法运行效率低；对初始聚类中心敏感，导致聚类结果不稳定且收敛速度慢.为提高√算法运行效率和结果稳定性，提出了一种主动重叠K-means聚类算法.其在各个分区上执行重叠K-means算法获得局▆部聚类中心，将结果汇总回收到Master节点，在Master节点№运行重叠K-means算法聚合所有聚类中心，作为最终聚类中心；同时采用并行化主动选择策◤略获得更优的初始簇中心，提高算法准确性、收敛速度.实验结果表明，改进后的主动重叠聚类算法提高了算法准确性，降低了算法运行时间.

基于有源相控阵雷达的应用，设计了一款S波段四通道低中频接收▽芯片，射频接收信号为2.2~2.5 GHz，中频信←号为2~6 MHz可调.为满足T/R组件低成本、轻量化的要求，芯片集成了四条接收通道、本振通路和数字控制等模块.针对多通道芯片容易产生耦合的现象，采用了多种物理布局方式提▼高通道隔离.采用SMIC 0.13 μm CMOS工艺进行了设计仿真和流片，芯●片面积为3.91 mm×3.66 mm。测试结果表明，四通道低中频接收电路增益调整范围≥58.29 dB，通道噪声系数≤9.25 dB，通╲道隔离度≥32.2dB.

微☆博谣言早期检测对于谣言防治有重要作用，而在谣言发生的早期缺乏相关信息，检测难度大.该文通过构建检测特征和组合多种检测▼算法实现微博谣言的早期检测.在∞检测特征选取方面，不直接使用微博的评论转发信息，而是通过对待∮检测微博文本和用户历史微博进行情感分析，构建刻画出用户和微博的情感特征.在检测算法方面，采用◎集成学习方法作为谣言检测算法，算法的基模型由多个异构深度学习模型组成，元ㄨ模型采取随机森林算法，以元模型在基模型的预测输出上进行二次训练的方式组合不同模型以提高检测准确率.实验表明，该方法在谣言早期检测方面具有较好的检々测效果.

用加速器因其专业性过强往往缺乏一定的灵活性，在处理不同类型的应用时不可避免的导致能※效比的下降.本文设计了一款自适应可重构浮点加速器，它可以根据计算任务需求和可重构计算资源使用情况，在运行时将计算任务映射到可重构计算资源，具有自适■应可重构的能力.该浮点加速器整体采用“RISC-V+可重构浮点运◥算单元”的架构，可重构浮点运ぷ算单元由一系列粗粒度浮点运算器构成，负责具体的浮点计算.该设计在Xilinx Ultrascale XCVU440FPGA芯片上进行了原型验证，结果表明，该浮点加速器具有较▂广的应用面，运算∏效率高，算法适应性强.

MOEA/D-M2M算法将一个多◣目标优化问题同时转换为若干个多目标优化子问题，分别求得∩这些子问题的Ψ Pareto解，最终得到原多目标优化问题的Pareto解，保证了种群的多样性，比MOEA/D具有更好的算〒法性能.多项式变异算子具有强化局部搜索和加强收敛的作用，但是在多目卐标进化算法中应用多项式变异算子的成果不多.将多项式变异算子『和MOEA/D-M2M中提出的多目标优化问题的新的★分解方法相结合，提出了一＠ 种新的采用多项式变异策略和分解方法的多目标进化算法(MOEA/PmD).考虑到非均匀变异算子通过动态调整步长获得自适应性的特点，尝试通过将ㄨ非均匀变异算子替换MOEA/PmD中的多项式变异算子而构造采■用非均匀变异算子和分解方法的多目标进化算法(MOEA/NumD).实验表明MOEA/PmD算法比MOEA/NumD算法和MOEA/D-M2M算法具有更好的性能.