一种热感集成电路功耗模型及其对动态电压调整技术的影响

提出了一种新型热感功耗模型,该模型能够准确估计出电压调整情况下的功耗和温度.实验结果表明如果忽略热效应,泄漏功耗将会被低估最高达52%.使用电压调整技术对电路的能量消耗和温度进行协同优化时,两者具有不一致的优化方向.温度是未来集成电路发展的一个重要限制因素,而温度优化方法可以降低电路温度最高达12℃,同时其能耗的增长低于最优解的1.8%.     

一种热感集成电路功耗模型及其对动态电压调整技术的影响

提出了一种新型热感功耗模型,该模型能够准确估计出电压调整情况下的功耗和温度.实验结果表明如果忽略热效应,泄漏功耗将会被低估最高达52%.使用电压调整技术对电路的能量消耗和温度进行协同优化时,两者具有不一致的优化方向.温度是未来集成电路发展的一个重要限制因素,而温度优化方法可以降低电路温度最高达12℃,同时其能耗的增长低于最优解的1.8%.     

操作系统级低功耗动态电压缩放算法分析

低功耗的设计已经成为嵌入式系统设计中一个非常重要的方面，而动态电压调度（Dynamic Voltage Scaling DVS）又被认为是降低功耗的一种有效手段。本文对各类针对系统的动态电压缩放算法做了较系统的总结，给出了算法的模型，重点描述了操作系统级的两类动态电压缩放算法——基于间隔和基于任务的动态电压调度算法，概述了针对编译级的任务内动态电压调度算法。文章对三类算法作了分析与比较，由此给出了结论与观点，对以后动态电压缩放算法的研究做了预测。     

一种基于二阶Markov目标状态模型的多帧关联动态规划检测前跟踪算法

传统的动态规划检测前跟踪(Dynamic Programming Track-Before-Detect,DP-TBD)算法在每一阶段的数据关联中,仅用当前帧的观测数据与前一帧的指标函数进行关联积累,对目标状态在连续相邻帧间的相关性以及目标运动特征的考虑不充分,这样在低信噪比时,容易发生目标关联错误,严重影响了DP-TBD算法的检测和跟踪性能。针对此问题,该文提出了一种基于二阶Markov目标状态模型的DP-TBD算法,该算法以目标状态的条件概率比最大为准则,采用二阶Markov模型描述目标状态的相关性,并根据目标运动特征给出了一种与目标转弯角度相关的状态转移概率模型。在此基础上,实现了多帧数据关联的DP-TBD算法。通过仿真实验与传统的DP-TBD算法进行了比较,验证了该算法的检测及跟踪性能。     

基于通用对象模型的动态质量信息管理研究

本文探讨了变化市场环境下动态质量信息管理的特点,并对企业质量信息管理活动的本质特征进行了分析与抽象,提出了基于通用对象模型构建质量信息管理系统的方法.这种方法具有较强的扩展能力与可适应性,能对产品寿命周期的质量信息进行动态管理,适应动态变化的企业环境和市场需求.     

优先级融合动态电压频率调节的云计算任务调度算法研究

为了在云计算任务调度过程中保证云设备效率的同时提高资源利用率,提出了一种基于优先级和动态电压频率调节的调度算法。首先,为调度算法定义了问题模型以规范异构服务器的性能;然后,利用优先级为任务提供可行的组合或调度;最后,利用动态电压频率调节为服务器提供适当的电压和频率供应,并且向虚拟机管理器发送分配结果。利用可扩展的模拟工具Cloud Sim进行实验评估了本文方法的能耗和调度时间,结果表明,本文方法的执行时间与MMF-DFVS方法相当,而能耗比MMF-DFVS降低了5%-25%。     

一种新的图像序列失真模型:动态偏移场模型

针对图像序列失真现象,该文提出一种新的图像序列失真模型:动态偏移场模型。该模型是一个充分参数化的模型,它为目前可观测到的多种失真现象提供了一个统一的描述框架。实验结果表明,动态偏移场模型能够简单有效地描述图像序列失真现象,并为失真校正工作提供了一个由简单到复杂渐进处理的研究平台。     

A Danger Estimation System for Infants Based on a Foreground Dynamic Probability Model

This study presents a danger estimation system to prevent accidents among infants. A video camera positioned above the infant＇s crib captures video. The proposed system can monitor the behavior of infants aged zero to six months. If there is a change in behavior or any other unusual occurrence, the system alerts the person responsible to attend to the baby immediately. The proposed system operates in three phases, which are foreground color model （FC model） construction, infant detection, and degree of danger analysis. During FC model construction, the foreground color histogram is created iteratively; the background image does not have to be constructed first. A motion-history image （MHI） is also obtained based on the motion of the infant. The color and motion information supplied by the FC model and the MHI are combined to detect the infant, who is regarded as the foreground object in the input frame. Moreover, six features of infant behavior are extracted from the detected infant to measure the degree of danger faced by the infant, and the result is used to warn the baby-sitter if needed. Experimental results show that the proposed method is robust and efficient.     

面向国产UniCore的安卓系统动态变频低功耗策略

基于自主设计的国产UniCore嵌入式平台,分析了安卓电源管理和软件层面的动态变频低功耗技术.在此基础上,提出一种动态变频架构,设计实现了动态时钟供给、动态变频的内核层和驱动层,并对传统的动态变频策略进行改进,使其能够适应不同的应用环境.给出了LCD背光调整、单个设备休眠/唤醒等其他系统运行态低功耗技术.实验结果表明,采用功耗管理技术,系统极限运行功耗为全速运行时的45％,安卓系统运行功耗明显降低.     

基于粒子滤波的动态自回归预测模型方法

针对自回归模型以固定历史观测序列建模,模型不能随时间序列新的观测值实时更新,导致预测中对序列趋势变化适应性差,预测精度低的问题,提出以粒子滤波动态优化调整自回归模型的方法,通过对模型参数蒙特卡洛采样得到粒子,以粒子描述模型状态变量的演变,采用递推贝叶斯方法估计粒子权重,由粒子及其权重近似模型参数的后验滤波值,从而随观测序列的动态获得不断更新模型参数,提高了模型预测结果的精确性,并能给出预测结果的置信区间。最后以NASA艾姆斯中心锂离子电池试验数据为例,验证了该方法的有效性。     

基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用先听后说的机制对处于双门限之间的困惑信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。     

基于符号率动态变频的低功耗DOCSIS上行发射器设计

 为解决DOCSIS上行发射器的高功耗问题,本文在深入剖析信道突发特点和发射器结构的基础上,提出了一种全新的发射器VLSI（超大规模集成电路）设计低功耗体系. 通过引入发射符号率这一性能约束,该体系可使上行数据通路上所有运算电路能根据不同的突发符号率动态调节运算频率,以最小的功耗消耗匹配突发处理的性能要求. 实验结果表明,在不同突发符号率下,所提出体系可使上行发射器的总功耗平均降低67.13%. 本文设计的低功耗上行发射器已应用于符合EuroDOCSIS1.1规范的支持双向有线数字电视点播的Cabl e Modem（CM） SOC（片上系统）平台中,并表现出优良的低功耗特性. 不失一般性,本文所提出的设计体系不仅适用于其他对功耗敏感的通信系统,同时,也将有助于推动超大规模集成电路及SOC设计领域中低功耗这一关键技术的发展.     

基于RBF神经网络的加速度传感器动态补偿研究

提出一种应用径向基函数(RBF)神经网络进行加速度传感器动态性能补偿方法.介绍动态补偿原理以及算法,并将其与BP神经网络法和系统辨识法进行比较.该方法利用加速度传感器的动态标定数据,采用RBF神经网络搜索和优化补偿模型参数.结果表明,这种补偿模型误差小,比用系统辨识法有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度.     

一种基于动态环形振荡器物理不可克隆函数统计模型的频率排序算法

针对现有环形振荡器物理不可克隆函数(ROPUF)设计存在的可靠性和唯一性不高,导致在应用时安全性较差的问题,该文提出面向ROPUF的统计模型,定量分析了可靠性和唯一性的影响因素,发现增大延迟差能够提高可靠性,减小环形振荡器(RO)单元间的工艺差异可以提高唯一性。根据该模型结论,设计了基于mesh拓扑结构的动态RO单元,结合RO阵列频率分布特性,设计了一种新的频率排序算法,以增大延迟差和减小RO单元的工艺差异,从而提高ROPUF的可靠性和唯一性。结果表明,与其他改进设计的ROPUF相比,所提设计的可靠性和唯一性具有显著优势,可达到99.642%和49.1%,且受温度变化的影响最小。安全性分析证明,该文的设计具有很强的抗建模攻击能力。

     

基于切片分析的CMOS组合电路贝叶斯动态功耗模型

为改善周期精确级功耗分析的准确度和速度问题,使用多维特征参数建立贝叶斯推理的动态功耗模型.基于功耗分布与电路内部节点状态的分析,发现仅使用端口信息作为参数的不足.定义了门单元级数的计算和对应切片的概念,提出使用切片分析的技术提取电路内部关键层的翻转密度作为参数,与端口信息共同参与贝叶斯推理.基于ISCAS85基准电路的实验结果表明,该方法使原始模型的误差降低21.9%,均方差降低25.0%,同时保持了相对现有门级功耗分析700倍的加速比.     

基于切片分析的CMOS组合电路贝叶斯动态功耗模型

为改善周期精确级功耗分析的准确度和速度问题,使用多维特征参数建立贝叶斯推理的动态功耗模型.基于功耗分布与电路内部节点状态的分析,发现仅使用端口信息作为参数的不足.定义了门单元级数的计算和对应切片的概念,提出使用切片分析的技术提取电路内部关键层的翻转密度作为参数,与端口信息共同参与贝叶斯推理.基于ISCAS85基准电路的实验结果表明,该方法使原始模型的误差降低21.9%,均方差降低25.0%,同时保持了相对现有门级功耗分析700倍的加速比.     

Dynamic Collaborative Support Vector Machine for Target Classification in Wireless Sensor Networks

Target classification is a significant topic addressed in Wireless sensor networks （WSNs）. The distributed learning for target classification is desired for highly-constrained WSN since the processing ability, energy and bandwidth are strictly limited. This paper presents a dynamic data fusion based collaborative Support vector machine （SVM） for target classification in WSN. With the collaboration of multiple sensor nodes, the dynamic collaborative SVM can independently select the optimal set of sensor nodes according to the estimated energy consumption and information contribution. Then the training process of SVM is incrementally carried out in the dynamic data fusion framework with the consideration of tradeoff between energy consumption and information contribution. Because of the purposeful sensor nodes selection strategy, the dynamic collaborative SVM can conquer the inevitable missing rate and false rate of samples in WSN and save the energy for prolonging the lifetime of WSN. Furthermore, the dynamic collaborative SVM can also improve the robustness in target classification, and achieve the tradeoff between the performance and the cost. The experimental results demonstrate that the proposed dynamic collaborative SVM can effectively implement target classification in WSN. It is also verified that the proposed dynamic collaborative SVM has outstanding performance in energy efficiency and time delay.     

基于PSO_BP神经网络的射频功放行为模型

神经网络具有模拟任意非线性系统的优势。考虑到射频功放的非线性和记忆效应,在BP神经网络模型的基础上,提出一种基于PSO的BP神经网络射频功放行为模型。利用飞思卡尔(Freescale)半导体晶体管MRF6S21140器件模型及设计的电路,从ADS中导出输入输出数据,对模型进行了仿真实现,得出输出电压幅度的拟合曲线以及均方根误差,并与BP神经网络模型进行比较。仿真结果表明,所提模型具有较高的精度和较好的逼近能力,可以精确模拟功率放大器的特性,对系统仿真的构建具有重要的应用价值。