SpaceWire总线作为航天器数据/控制的"神经中枢", 其网络层的结构和应用设计是系统可靠性的重要影响因素.为了在SpaceWire总线网络层设计部署过程中, 对◥其进行形式化分析, 发现设计缺陷, 提高可靠性.提出了一个用于SpaceWire网络层验证的■形式化分析模板框架, 将网络层的核心要素:实时数据包、终端节点、路由器和路由机制都使用时间自动机建模.然后根据具体案例将之实例化, 并在UPPAAL模型检验工具中根据规范提出性质进行检验.典型案例的分析验证了所提出的方法的有效性.

采用0.18 μm CMOS工艺设计了一种由数字信号控制的神□经元电路.相比于传统神经元电路, 本电︻路不需要偏置电压, 控制简单, 便于大规模集成.在数字信号的控制下, 本电路可以方便地实现Regular Spiking (RS), Fast Spiking (FS), Chattering (CH), Intrinsic Bursting (IB)四种神经元脉冲响应模式.此外本文介绍了一种激励型突触电路, 该电路的突触权值可以通过基于脉冲的Spike Driven Synaptic Plasticity(SDSP)学习机制进∩行调节.在此基础上本文利用3个神经元与2个突触实现了Pavlov实验, 证明了所设计的神经元♂电路支持SDSP学习规则, 可以用于构建神经形态硬件.

针对鲸鱼优化算法收敛速度慢, 收敛精度低等问题, 提出一种基于非线性收敛因子和惯性权重的鲸鱼优化算法.首先使用改进后的Logistic混沌映射来初始化种群, 增加种★群多样性.然后将线性变化的收敛因子改进为一种分段式非线性收敛因子, 同时增加了非线性惯性权重来增强算法的勘探和开发能力.最后选取7个基准函数进行测试, 实验表明改进后算法收敛速度快、精度高.

为提高基于支持向量机(SVM)模拟电路故障诊断的准确率和优化效率, 在灰狼优化(GWO)算法的基础上, 通过引入非线性收敛因子、动态权重和边界变异策略, 提出了一种改进灰狼优化(IGWO)算法优化SVM参数(IGWO-SVM)的改进型分类器.首先, 在Sallen-Key带通滤波器和四运放双二次高通滤波器电路中采集故障样本, 并对故障样本进行小波包特征提取; 然后, 将特征提取后的样本划分为训练样本和测试样本, 利用IGWO算法『来优化SVM中的惩罚参数C和核参数γ, 得到最优的SVM分类器模型; 最后, 与其他算法优化的SVM分类器进行对比, 结果表明IGWO-SVM分类器可以防止种群陷入局部最优, 同时收敛速度有了较大提升.

如何对三维片上网络(three Dimensional Network-on-Chip, 3D NoC)资源内核的测试进行优化以缩短测试时间, 提高资源利用率是当前3D NoC测试面临的主要问题之一.本文针对3D NoC IP核测试优化问题, 开展TSV位置与IP核测试数据分配方案协同优化研究.在带宽、功耗和TSV数量约束下, 将TSV位置方案和IP核测试数据分配方案作为寻优变量, 采用猴群算法进行寻优.算法通过爬和望跳过程进行局部搜索并结合翻过程在不同领域进行搜索从而找到最优解, 加入精英保留策略以确保算法收敛性, 使算法搜索结果更为准∮确.以ITC’02电路为实验对象, 实验结果表明, 该算法能够有效地优化3D NoC资源分配, 缩短测试时间, 提高资源利用率.

针对基于机器学习的版图热点训练过程中降维算法耗时长和大多数训练算法没々有利用多核资源的问题, 分别提出了基于MPI的PCA并行降维算法和基于OpenMP的AdaBoost并行训练算法.首先采用QR分解优化奇异值求∮解特征矩阵, 再结合MPI实现PCA的并行降维计算, 最后将降维后的数据利用多核CPU进行训练, 达到减小训练时间的目的.实验结果表明, PCA并行降维算法加速比达4.7倍, AdaBoost并行训练算法加速比达4.9倍, 验证了并行化的可行性.

SA作为软件系统的高层抽象及后续开发、测试、维护等阶段工作的依据, 其复杂性对系统影响深远.依据CN及SA理论特点, 提出了利用CN进行SA复杂性的度量及控制方法.论文首先介绍了复杂网络及无向无权网络方法, 在此基础上, 提出了通过构件的度、构件的度分布、SA簇系数、SA平均路径长度、SA模块度等度量属性进行SA复杂性的度量, 并给出了SA复杂性控制方法及具体度量属性值的参考范围.最后, 对给出的SA复杂性的度量方法及控制方法进行了实例验证.结果表明, 该方法在严格的形式化基础上, 可以较好地对所开发系统的SA复杂性的属性进行度量并进行控制, 为系统后续开发及维护等阶段的工作提供支持和参考.

为了实时监控机房服务器的工作状态, 提出了一种智能机房监控方案, 其通过基于卷积网络的图像识别完成服务器以及指示灯状态的识别与监控.针对目标识别中样本类别失衡会导致训练模型不收敛的问题, 设计了一种自动调控样本类别失衡的损失函数及参数更新算法, 用于平衡难易样本的训练, 在VOC2007数据集上的测试精度为78.3%, 好于YOLOv2等先进算法.为了减少训练数据采集所需要的成本, 提出了一种基于多尺度化随机边缘信息融合算法的图像合成∏方法, 使合成图片更加注重边缘信息, 在Cityscapes数据集测试的像素精度为71%, 较大程度超过pix2pix等方法, 证明其可以大大降低图像采集成本.

金属-绝缘体-金属(Metal-Insulator-Metal, MIM)反熔丝器件常被用于现场可编程逻辑阵列(Field Programmable Gate Array, FPGA)的互联结构单元.本文使用高介电常数材料Al₂O₃作为介★质层, 使用原子层沉积(Atomic Layer Deposition, ALD)技术, 制备了高可靠性, 高性能的MIM反熔丝单元.该反熔丝单元关态电阻超过1TΩ, 同时开态电阻非常低, 满足正态分布, 集中在22 Ω左右, 波动幅度很小, 标准差仅为3.7 Ω, 因此Al₂O₃反熔丝器件具有很高的开关比.本文研究了该器件编程前后两种状态的特性及时变击穿特性(Time Dependent Dielectric Breakdown, TDDB).研究结果表明, 在2 V工作电压下, 未编程的反熔丝单元的预测寿命为1591年, 同时, 当〖读电流在0~20 mA时, 编程后的反熔丝保持稳定.这说明该反熔丝单元在低阻态和高阻态都具有非常高的可靠性.

本文主要致力于解决参数化形式的优化问题, 即min_θf(θ, w), 其中θ是需要优化的变量, w则是对应不同优化问题的参数, 在现实中经常会遇到需要解决一系列不同参数下的优化问题.在对某种特定结构的问题下, 通过对不同的参数训练一个模型来解决所有参数下的优化问题.和传统的方法不一样, 并不是通过对不同的参数多次独立抽样来训练我们的模型, 而是利用强化学习的方法加速训练过程.强化学习算法中分别用策略网络来得到优化结果和利用价值网络来评价策略好坏, 通过迭代地训练两个网络来优化策略.在后面一些数学例子和电路优化的例子中显示强化学习的方法取得了比较好的效果.

OpenMP支持并行递增开发, 已成为目前用于共享内存系统上的一套事实主流并行编程标准.为了在多核DSP上实现对OpenMP的支持, 设计了一个对OpenMP程序面向多核DSP的并行编译器, 主要工作成果包括翻译器和运行时两部分, 翻译器将源文件中的OpenMP指令转换为运行时中的函数调用, 运行时提供具体实现.如何设计并行策略将计算任务分配在各个核上是并行编译的核心问题, 对应在OpenMP标准中为并行域的概念.编译器通过对并行指令的变换及运行时的支持, 实现了主从核的并行执行, 对并行编译器的设计具有指导意义.

近年来, 云计算的出现极大地改变了现有的计算方法.尽管云计算有诸多优点, 但同样面临着一些挑战.云计算面临的主要挑战包括动态资源缩放和功耗, 这些因素导致云系统变得低效且昂贵.工作载荷预测是云效率和运行成本得以改善的变量之一.准确性是工作载荷预测的关键组成部分.在前人◥研究的基础上, 本文提出了一种基于神经网络和自适应差分进化算法的负荷预测模型, 该模型能够学习最优的变异策略以及最优交叉率.最终, 和反向传播学习算法模型的预测结果进行比较, 证明了所提模型的有效性.

本文提出了一种只用投影仪和单摄像头搭建的投影触摸板人机交互系统.本人机交互系统是利用投影仪摄像头系统对手指的运动进行捕捉↘, 可以使任何平面变成触摸板.本文分析了系统测量三维坐标的误差, 通过优化标定提高了测量精度.为了解决手指触碰的高度和位置的精准度问题, 基于建立的手指模型利用颜色结构光来实时获取手指三维信息和寻找触碰点, 并且利用卡尔曼滤波优化手指触碰后手指的运动轨迹, 提高了手指触碰的精度在2 mm以下99%准确率, 触碰后的位置№精度达到1个像素点, 利用投影仪-摄像头系统实现了触摸板的功能和应用.

兴趣点(Point-Of-Interest, POI)推荐是基于位置的社交网络中(Location-Based Social Networks, LBSN)一种重要的个性化推荐功能.本文提出基于预测的兴趣点推荐算法.该算法根据LBSN中用户历史POI数据分布学习用户出行行为, 利用变阶的马尔科夫算法根据当前位置预测用户未来到达POI的语义※信息, 最终推荐时考虑用户签到次数的差异为用户推荐N个具有高兴趣度的POI.实验结果表明:本文提出的算法在准确率和召回率上均高于两个对比算法, 说明该算法提高了兴趣点推荐效果, 并可以有效的推荐给用户下一个访问的兴趣点.

语音情感识别是人机交互的研究热点之一.针对传统随机森林模型(RF)中决策树不分优劣具有同样决策权的不合理性, 提出一种差分进化加权优化的随机森林分类模型(DERF).RF中样本的选择及每个节点变量的产生都是随机的, 因此每次分类结果会有微小波动.为提高系统分类稳定性及识别准确率, 集成构建三个相同的DERF分类器, 按照多数投票原则确定最终决策々结果.实验中融合语音的时域特征、频域特征、听觉语谱图特征及非线性hurst参数特征, 分别选取柏林数据库和CASIA中文库中的五种情感进行识别, 结果表明, 本文所提方法有效提高了系统识别性能.

量子保密通信设备集成化是目前的趋势, 而量子密钥分发系统是其中的关键.本文针对该系统中对安全性和系统性能的需求, 提出了一种基于硬件的TCP/IP协议处理结构.该结构采用数字电路设计方法, 实现了TCP/IP协议中网络层和传输层的相关功能, 并通过AHB接口集成到系统芯片中.该结构作为独立的网络数据处理模块能够减轻CPU的计算↘负担, 同时设置该模块以自定义端口方式工作, 将量子域与经典网络隔离, 降低密钥泄露风险.测试结果显示该结构可达到450 Mbps的数据吞吐率, 能够满足量子密钥分发中网络带宽的需求.

传统的电路优化和模型参数提取方法假定仿真器为黑盒子, 通过修改参数或者优化变量得到仿真结果, 并用迭代的方式进行优化或模型参数提取.由于仿真器并未「提供梯度信息, 因此只能采用不依赖于梯度的优化方法, 限制了优化和参数提取的性能.本文介绍了一种开源的电路仿真工具, 通过在给出仿真结果的同时计算出指定函数对指定参数的梯度, 为基于梯度的优化算法在电路参数提取、电路优化等领域的应用提供了便利.使用该工具实现的梯度下降算法在电感模型和变压器模型参数提取问题上的实验表现显著优于模拟退火等非【梯度方法和同一算法不使用其梯度的实现的版本.实验结果证明, 本文提出的方法在电路优化和模型参数提取问题上▅的性能有很好的改进作用.

本文提出了一种适合ASIC实现的可编程的数字下变频器(DDC)设计方法, 该DDC嵌入于4GS/s-12bit ADC中, 能够处理频率为4GHz的输入信号, 并提供抽取因子分别为4、8、16、32的降采样功能.设计的DDC由一个基于CORDIC算法实现的数控振↓荡器(NCO)和一个全半带滤波器(HB-FIR)级联结构的抽取滤波器组组成.优化半带滤波器系数和各级数据精度, 提出多种改进结构优化设计, 有效减少硬件开销.基于40 nm CMOS工艺, 完成数字下变频器的前端设计和后端实现, 并进行了流片.仿真结果显示, 该设计可以在500 MHz的工作时钟频率下达到设计目标, 抽取因子为4模式下, 最大无衰减通带带宽可达420 MHz, 版图面积1550*650 μm², 0.9 V工作电压, 功耗为180.69 mW.验证了该设计方法适合于高速高精度→数字信号的2n下变频.

为了更好的抑制由差分积分调制器(DSM, Delta-sigma modulator)引起的量化噪声、降低小数分频时钟源的时钟抖动, 本文提出了一种基于双锁相环级联的抖动消除技术.通过前级整数分频锁相环的倍频提升后级小数⌒　分频锁相环DSM的工作频率, 抑制系统的量化噪声; 针对后级参考频率过高, 引发相差转化困难的问题, 本文提出一种新型的高速电荷泵, 在不增加功耗的前提下更好地实现电流的动态匹配.基于180 nm CMOS工艺完成级联系统设计, 仿真结果显示系统输出频率范围为3~4 G, 抖动为137 fs, 功耗为47.7 mW.

介绍了一种内含多个DSP的SoC系统, 并对SoC中的FLASH引导过程进行分析; 由于大规模SoC系统中内部嵌入多个DSP以及SoC系统本身内部存储程序的空间有限, 且每次上电后用户加载的程序会丢失, 需要每次重新加载烧写.而借助于SoC系统中的多个DSP核的引导功能, 通过EMIF接口每次自动加载外接于SoC系统的FLASH存储器里的程序, 实现上电后SoC系统自动运行用户程序.介绍了∏该多核SoC系统的相关boot功能的软硬件配置设计及引导控制程序, 并对引导过程进行分析以及对多DSP核SoC系统的boot功能进行了仿真验证及测试.结果表明该多核SoC系统能够快速、准确地对FLASH程序进行引导和搬移; 是一种有效的和可行的多核SoC系统引导方法.

忆容器是具有记忆功能的非线性电容.近年来, 研◤究人员已经提出了一些整数阶忆容器模型, 并分析了整数阶忆容器模型在不同类型信号激励下的响应特性, 而分数阶忆容器的研究还比较少.在分析了现有整数阶忆容器模型的基础上提出了一种分数阶压控忆容器模型, 并对该分数阶忆容器模型在正弦信号激励下的响应进行了实验分析, 结果表明该模型能够正确地模拟忆容器的特性.分数阶阶次和非线性窗函数中的控制参数对分数阶忆容器ぷ电气特性的影响规律也得到了分析和总结, 这些结果对忆容器的应用具有一定的参考价值.

时间触发以太网(Time-triggered Ethernet, TTE)通过精确的时间调度, 保证了通信数据的〓实时性传输, 在很多实时性要求高的数据传输领域中脱颖而出.分析TTE同步特性, 工程中可通过最小二乘时钟补偿算法对同步主节点的本地时钟进行补偿, 提高确定性和实时性.然而同步主节点本地时钟易受外界环境影响产生野值, 影响到最小二乘时钟补偿算法的适用性.因此, 本文提出一种具有野值预剔除的时钟补偿算法来提高系统的实时性.即首先利用拉依达准则(Pauta criterion)对最小二乘敏感的本地时钟野值进行预先剔除, 然后利用最小二乘法对本地时钟补偿值【进行估计, 最后根据估计的时钟补偿值对本地的时钟进行补偿.仿真结果表明本文提出的方法解决了TTE时钟补偿中同步主节点出现本地野值的问题, 结果证实在野值比例不大于10%的情况下, 所提出的算法时钟同步精度可达到10^-6秒级, 远远高于没有野值预剔除的最小二乘时钟补偿算法的10^-3秒级的精度.