针对未来5G通信㊣网络频谱资源紧缺、高吞吐量和低功耗需求等难题, 研究♀了如何提高频谱资源利用率和能量有效性.首先, 基于协同频谱感知方法和动态时分多址接入机制构〗建了5G认知网络模型.其次, 推导出能量有效性函数表达式, 并给出多目标优化函数, 利用帕累托最优化方法将△非凸函数转化为凸函数求取全局最优解.最后, 通过仿真验证所提能量有效性优化算法在保证感知准确性和时间敏捷性的同时, 获得比其他两种方法更高的性能.

为提高软件定义网络(Software Defined Network, SDN)可疑流量检测算法性能, 提出一种基于无向图流程创建信息聚合推理的k近邻SDN可疑流量检测方法.利用OpenFlow模块进行数据流创建, 并进行入侵规则构建.然后, 基于马尔可夫链的图节点/边表示, 采用无向图方式进行攻击特征表示, 实现新增攻击的增量化表示, 降低无向图构建的计算复杂度, 并利用k近邻算法对无向图恶意攻╳击流量特征进行分类, 实现攻击有效检测.最后, 通过构建的SDN测试平台, 对所提算法的性能进行验证.

针对现有的去噪算法, 只能◆去除某一或两种特定的噪声, 而对其他类型的噪声无法去除的缺陷, 结合现有一些∩优秀的网络模型并改进, 提出了基于卷积神经网络的图像混合噪声的去除算法.采用9层卷积网络, 分别经过特征提取、维度收缩、非线ㄨ性映射、维度放大和图像重构对含噪图像进行训练最终得到去噪模型.实验结果表＠ 明, 算法生成的网络模型适用于含不同类型、不同程度的含噪图像的去噪∴, 且在主观视觉效果和客观指标上均有很好的结果.

本文针对45 nm及以下工艺节点中工艺角数目不断增多★的情况, 利用高斯过程模型GPM的贝叶斯回归▓方法实现了一种基于GPM的PVT电路快速仿真方法.该方法通过定义一组具有不同概率的〇备选函数族, 在自适应算法下通过尽可能少的仿真次数优化输出变量的不确定度■, 快速找出电路设计的最坏情况, 直至满足设计要求, 从而解决了传统的多项式卐拟合建立PVT解析模型方法的精度问题, 能够在保证仿真精度的同时缩短仿真时间, 提高电路设计效率.

当前主流的线段检测算→法大多利用了像素点的梯度方向特征, 但它们普遍存在过分段(over-segmentation)、长线段与低对比度线段容易被漏检的问题, 面对高分辨率彩色图像时此类问题尤其严重.本文提出了一种基于目前性能最为突出的线段检测器LSD(Line segment detector)的扩展改进算法.该算法充分利用了原始图像的多通道、多尺→度特性, 并结合具有鲁棒性的基于尺度特征的线段筛选方法以及↓多通道多尺度线段融合方法, 得到了更符合视觉认知的检测结果.实验结果表明, 本文算法显著降低了长线段和低对比度线☆段被漏检的可能, 明显消除了过分▲段现象.

对于传统的硅卐MOS场效应晶体管, 器件跨导的大小正比↑于沟道的宽长比.本文在石墨烯晶体管△中发现了相反的现象.制备了源漏之间距离相同, 且沟道宽度相同的▽石墨烯晶体管, 实验结果为沟道较长的晶体管跨导较大.究其原因, 石墨烯晶体『管中栅电极覆盖的沟道面积较大时, 被感应的载流子数量较多, 所以跨导较大.此实验结果和分析对石墨烯晶体管的进一步理解和应用有明显的意〖义.

针对传统故障树分析得到的诊断序列存在局部最优的问︾题, 研究提出基于TOPSIS的综合分析方法, 以概率重●要度、结构重要度、关键重㊣要度为分析指标, 构建集定量与定性为一体的综合分析方法.同时, 针对TOPSIS参数权重主观确定而导致的结果合理性♀弱的问题, 引入熵权系数定量确定参数权重.另外, 针对可能出现多个底事件分析结果相同的问题, 提出检测优先级的概】念, 对分析结果相同的底事件进行二次排序, 得到准＠确的诊断序列.通过实例验证发△现, 本方法所生成的诊断序列较传统方法在准确性和科学性¤方面具有一定的改进效果.

大点数FFT变换对处理器的运算能力和访存带宽要求非常高, 通常是高○实时性DSP应用的瓶↓颈, 因此研究高速、低资源消耗且便于硬件化的FFT加速器变得极有实用价值.本文设计了一种变维度FFT硬件加速器, 其采用体-面-线的数据组ㄨ织形式, 提出ξ　了一种面划分^[1]兼多路并◤行的架构, 从面和线2个层次展开计算, 以面为基本存储单位, 以线为基本【计算单位, 提高了FFT运算的并行度, 减少了处理器间的数据交互, 并通过乒乓预读取的设计和无冲突的地↓址调整, 提高了整机的√运算访存比.本文设计的FFT加速器内◥含32个并行计算单元, 支持IEEE-754标准下的32位单精度浮点数32点到64 K点一维FFT运算, 32点到256点的二维/三维FFT运算, 且具有较强的可扩展性, 可根据需要实现m×n×p序列的FFT运算.该设计◥已在Xilinx Virtex6 FPGA芯片上进行原型验证, 最高工≡作频率184.88 MHz.

介绍了一种基于SMIC 0.18 μm CMOS工艺的低噪声、宽输入摆幅的仪表放大器①设计.本文采用电流反馈型仪表放大器结构, 通过改进整体电路结构, 实现了⊙很高的电极失调抑制能力, 采用斩波技术减小低频闪烁噪声, 采用直流抑制环路(DCOC)减小电路的失调.该电路的电源电压为1.2 V, 功耗为56 μW, 等效带内输入噪声密度小于200 nV/√Hz, 电极Ψ失调抑制可达±300 mV, CMRR大于110 dB, 输入〇阻抗大于1 GΩ.

针对传统ROF模型在修复图像时易产生阶梯效应, 提出了一种自适应分数阶TV修复算法.该算法利用分数阶微分的全局性, 将ROF修复模型的正则项由一阶微分拓展到分数阶微分, 有效』地解决了传统ROF模型在修复图像时所产生的阶梯效应.另外, 为了更好地保持修复图像的边缘, 在分数阶微分正则项上设计了一个自适应边缘指示算子.由于该模型与鞍点结构的优化模型上〖具有相似性, 所以№在算法上采用基于预解式的原始对偶算法对新模型进行求解, 并且采用自适应卷积滤波函︻数来自由地控制新模型修复扩散的强弱.实验结果表明: 相比于传统的TV、TGV修复算法, 文中提出的自适应分数阶TV修复算法有着更好的修复效果, 能够对诸如斑块、划痕、文字等类型的图□　像破损进行较好地修复.

本文采用SMIC 0.18 μm CMOS工艺, 设计了一种基于阻变随机存储器(RRAM)的加〖法器电路.区别于传统的蕴含逻辑(IMP)型加法器, 本设计选取新型的多数表决器逻辑(Majority-Inverter Graph, MIG)实现加法运算.文中设计并验证了基于MIG逻辑的一位全加器的全√部运算, 证明了新逻辑在存储器计算方面的可行性.与传统RRAM一位全加器相比较, 本设计的一位全加器因为采用新的逻辑方法使得RRAM多个单元可以并行进行数据操作, 从而减少了运算步骤, 及原有冗长运算引起的误差, 有效提高了运算速度, 为存储器内部计算提供了♂新的思路.

介绍了一种工作在900 MHz ISM频段的低电压低功耗射频接收前端, 包括一个自偏置反相器结构的低噪声放大器和一个开关跨导型混频器.低噪声放大器利用电流复用技术以有限的电流实现较高的增益.混¤频器采用开关跨导技术、电流复用技术ω以及动态阈值电压技术以实现低电压低功耗.该射频接收前端在180 nm CMOS工艺下流片并测试, 测试结果显示, 该射频接收前端在840~960 MHz频段内S11 < -10 dB, 实现了22.5 dB转换增『益及8.5 dB单边带噪声系数, 输入三阶交调点为-10.1 dBm, 在0.8 V电源电压下消耗2 mW功耗.

为了解决机器人手指在抓取物体时无法识别其表面纹理信息的问题, 设计了一种基于视觉的纹理识别触觉传感器.该々传感器的硬件部分包括弹性体、照ω　明装置和摄像头, 而算法部分则是直接运用旋转不变LBP算法将拍摄到的纹理图像进行计算识别.为了加快传感器的速度并拓宽其适用范围, 将算法移植到硬件电路并在FPGA上进行了验证.实验结果证明该传感器不仅可以识▂别包括指纹、皮革、织物、纸张等◤在内的12种纹理, 而且可ξ　以达到24 f/s帧率的实时性处理.

设计并实现了一个高性能固态盘的硬〓件原型系统.该固♀态盘以NAND闪存为存储介质, 满足ONFI4.0相关标准.与主机通过第三代PCIe总线接⊙口进行通信.主控部分基于FPGA实现.在实现上, 采用了双总线结构, PCIE3.0接口并介绍了NAND闪存转换层的设计.

针对KNN分类算法在面对海量文本处理时效率低下的问题, 提出了一种基于超平面的非均衡局部敏感哈希分类算法, 该分类算法相比于传统的局部敏感哈希算法在提高分类的准确性和实时性上有显著的效果.同时, 为了进一步降低分类算法的执行时间, 提高分类◥效率, 将该分类算法与Spark并行计算模型结合, 在大数据处理平台Hadoop上实现了一种高效的并行文本分类系统.实验结果表明, 所设计的文」本分类系统在具有较高分类速度的同时保持了较高的分类准确性.

交叠社区结构可以保证网络信息传输的畅通性和高效性, 但现有的基于交叠社区的检测算【法无法有效地适用于具有间断连接特性的延迟容忍网络(Delay Tolerant Networks, DTN).为能够精准地检测出DTN网络社区结构, 提出了一种〒基于节点相似度的交叠社区检测算法, 利用相同社区内节点较高的相似度特性和不同节点间相似度来初步确定节点间的模糊关系, 在此∑　基础上计算节点的熵值以确定节点的社区归属.数值结果←表明所提出的检测机制与经典的社区检测机制相比较, 能显著提高检测的准确性.

图形流水线是GPU (Graphics Processing Unit)工作的通用模型.在图形流水线中, 图元装配位于关键环□节, 为了提高改善图形流←水线的速度和∏渲染效果, 快速准确地产生图元成为主要因素之一.立足当前图形流水线的要求, 首先采用SystemC语言建立图元装配单元的行为模╱型.然后采用Verilog语言实现其硬件电路描述, 同时采用SystemVerilog语言搭建验证平台, 完成图元装配单元的功能验证.通过各方面验证, 表明所设计的图元装配单元满足系统设计要求.

为了有效地检测和分割图像中多个显著性目标, 提出了全局颜色对比度检测和分割显著图的方法.该方法首先通过提取全局颜色对比度的特征, 来获取〓初步的显著图, 然后再进一步利用颜色离散度和空间信息进一步提高它们的显著性.以生成的显著图作为初始值, 给出了利用迭代动态更新的阈值, 来分割多⌒　个显著性目标的方法.利用公开Achanta数据库的实验结果表明此方法在ROC曲线上的表现优于文献报道中的方法, 并且适用于多目标★的检测与分割问题.

提出了一种基于智能手机识别人体姿态的神经网络分类器的设计方案.该设计的主旨是用第一级分类器区分动态和静态动作, 然后用第二级分类器分别识别这两类动作.第一级分类器采用直接核感☆知机DKP(Direct Kernel Perceptron), 其具有』简单、快速, α系数可直接计算得出而无需任何反复训练的特点.在线序列核极限学习机OS-KELM(Online Sequential Kernel Extreme Learning Machine)因其高效性被作为第二级分类器.实验结果成功验证▲提出的识别方案是可行的.

针对当前FPGA测试♀过程中, 板级测试存在的实施代价高、测试充分性受限、测试可信度差等问题, 提出了一种自动的、实时的、非侵入性的闭环半实物仿真测ㄨ试环境, 通过真实的物理接口测试技术、动态总线数据技术和外部对象仿真建模技术, 将目标FPGA运行环境映射至板级︾自动化仿真测试环境, 并对测试环境进行任务结构、物理结构的定ζ　义和划分, 围绕测试数据的产生消费过程设计测试环境的工作过程, 最后基于↓该框架开发了测试工具的基本原型, 并在测试项目中取得了较好的效果.

随着网络水军团体行为破坏性越来越强, 如何有效检测网络水军成为一个迫切问题.针对∏这一问题, 提出了一种基于结构与内容的网络谣言水军检测模型MSD, 该模型认为重叠结构中多次传播谣言的节点为网络谣言水军.MSD首先从单位时间内发送信息的节点中, 挖掘传播能『力强的节点(重叠结构); 然后根据已知的谣言与重叠结构中的节点传播内容进行相似度检测, 检测出嫌疑网络∮水军; 最后根※据疑似网络水军传播谣言的频率㊣　确定网络水军.实验表明, MSD模型较相关其他模型, 在检测网络谣言水军方面具有更高的准确率.

为了延长节点负荷超载环境下ad-hoc网络№的使用寿命, 需要对节点负荷超载下的ad-hoc网络能量均衡㊣算法进行研究.使用当前算法, 在节点负荷超载情况下, 无法解决ad-hoc网络节点能量消耗不均衡造成网络过早瘫痪的问题.为此, 提出【一种基于分层结构的节点负荷超载下ad-hoc网络能量均衡算法.该算法以分布局部信息的方△式衡量ad-hoc网络的能量指标, 将ad-hoc网络能量划分为正常、警告、危险三个等级, 根据节点剩余能量处在的不同等级, 采用不同的◥方法进行ad-hoc网络节点数据传输, 最后采用分层〒结构的算法均衡ad-hoc网络能量.实验仿真证明, 所提算法有效延长ad-hoc网络的使用寿命.

近年来, 恶意程序的隐身性越来越强.针对这个问↓题, 提出了一种基于系统管理模式(System Management Mode, SMM)的隐藏进程检测模型(SMM-based Hidden process Detection model, SHPD).该模型能够有效地检测系统中的隐藏恶意进程, 同时保证自身的透明性.模型包括客户端和监控端两部分.客户端运行在BIOS中, 利用内外语义信息建立操作系统进程的多个视图, 将建立的视图发送到监控端.监控端通过对比视图间■的差异, 识别出隐藏的恶意进程.在提出的SHPD模型理论支持下, 搭建了实验原型系统, 并进行了功能测试和分析, 实验结果证明了该模型的有效性.

针对果蝇优化算法在优化复杂高维问题易陷入局部最优, 从而导致收敛速度慢, 寻优精度□较低的问题, 提出一种最优小波转移的逆向果蝇优化算法.鉴于果蝇优化算法只向种群最优个体※聚拢的算法局限性, 增加了小波转移的逃逸机制以保证迭∞代方向选择的正确性.在种群多样性较低时对群体进行逆向小波转移, 指引种群从局部限制逃离◢向全局最优解处收敛.通过仿真实验测试, 新算法可以有效保持种群正确的进化方向、有效抑制算法陷入局部★最优并具有良好的优化性能.

节点是控制网络系统的基本构成单元, 无尺度网络节点的分布对无尺度网络卐工作效果存在直接影响.为了优化无尺度网络节点的自适应分配, 提出人工蜂群和差分进化』相结合的差分蜂群算法对协同性攻击下无尺度网络节点进行优化调整, 实验证明, 所提方法能够提高协同性ζ攻击下无尺度网络节点自适应分配的效率和合理性, 为无尺度网络节点自适应分配提供借鉴, 具有良好的使用价值.

针对固定加速因子导致※粒子群算法中函数优化精度差、易●于陷入局部最优、后期时收敛速率较缓慢等问题, 提出一种基于动态加速因子的改进粒子群优化算法(PSO-DAC).采用递减的惯性权重系数, 提高权衡局部搜索和全局︾搜索的能力, 引入动态的加速因子, 有≡利于全局搜索以改善粒子群算法的收敛速度及精度.借助四个常用的测试函数与标准粒子群算法进行仿真测验对比, 结果显示, 改进之后的算法的最优解精度明显提高于利用标准粒子群算法所得出的最优解精度, 同时比标准粒子群算法迭代次数降低51.28%以上, 能够更快搜索到⊙最优解, 特别是在多峰函数中表现更加明显.

随着数据量的爆炸式增长, 为了挖掘海量数据中蕴含的巨大价值, 如何在有效的时间内对海量的数据进行处理变得越『来越重要.近年来※出现的Hadoop凭借其高可靠性、高扩①展性以及MapReduce编程模型获得了产业界和学术界的巨大关注.但是Hadoop设计之初是用来处理大规模聚集任务的, 这类任务往往需要扫描全部的数据, 这种基于扫描的数据处理方式效率比较低.为了提高Hadoop的数据处理效率↙, 在Hadoop集群中加入FPGA对Hadoop分布式文件系统中存储的数据进行过滤, 这样MapReduce程序只需要对过滤后的数据进行自定义的操作, 从而避免了扫描▃全部数据.实验表明处理海量的数据时, FPGA能够显著地过滤掉无用数据, 从而提高数据处理效率.

由于多媒体图像数据资源的种类繁多, 维数较大, 直接对其进行聚类融合的结果不理想, 需要对聚类融合算法进行优化.目前存在的基于邻域保持嵌入的多媒体图像数据投影聚类融合算法, 首先使用邻域保持嵌入法对多媒体图像数据投影样本维数进行约简处理; 然后对约简处理后的多媒体图像数据投影进行聚Ψ类融合.当前算▼法存在聚类性能较差, 融合效果不佳的问题.提出基于粒子群的多媒体图像数据投影聚类融合优化算法, 首先利用误差反传的梯度下降训练, 选取出多媒体图像数据投影的聚类成员, 为后续聚类融合提供准确的数据基础; 其次计算每个多媒体图像数据投影基聚类算法被选入优㊣　化基聚类子集的概率; 最后利用粒子群算法进行全局寻优, 实现对多媒体图像数据投影聚类融合算法的优化.通过实验验证分析, 结果表明, 所提算法可以提高多媒体图像数据投影融合质量和聚类准确率.

为提高个性化标签推荐方法性能, 提出基于Gibbs采样推理的微博个性化标签隐含关系主题模型(Relation Topic Model, RTM)推荐算法.首先, 利用图形化形式对微博中的潜在局部信息进行表达, 对用户主题分布为代表的用户进行top-k相似用户发♀现, 然后计算出现在这些╲用户中的所有标签的频率, 并推荐与用户最相关的标＠签.其次, 为挖掘潜在主题信息, 利用带惩罚项的增强型余弦相◥似度RTM模型对微博标签进行命名, 大大提高联合建模对潜在主题生成标签的影响, 并可发现全局标签和主题之间的关系; 最后, 通过真◇实的实验结果显示, 所提推荐方法要优︻于选取的TF-IDF、RTMSA等几种经典标签推荐算法, 验证了算法有效性.