低功耗电流模互连电路设计

芯片长距离互连时,通过传统的插入缓冲器方法减小延迟存在功耗大、占用芯片面积多等问题。针对这些问题,提出了一种电流模互连电路。这一电路在互连线上传输的信号电压摆幅很小,从而能够有效降低互连功耗、减小信号延迟。通过综合使用强、弱两个驱动器作为信号发送器,进一步减小了信号延迟。对于10 mm的片上互连线,延迟为649 ps,功耗为498μW。为了提高电路在制造工艺发生波动时的鲁棒性,电流模互连结构在驱动电路中添加了电流偏置电路。在Hspice中进行的蒙特卡罗仿真结果表明,180 nm工艺技术下,10 mm互连线的延迟和功耗方差均值比分别为7.91%和12.7%,在工艺发生波动时电路能够稳定工作。     

结构主动控制的LQG/LTR改进方法

提出一种改进的LQG／LTR(Linear Quadratic Gaussian synthesis with a Loop Transfer Recovery)结构主动控制方法,一种新的补偿器结构被用于回路传输恢复(LTR)。这个补偿器有以下优点：(1)它是开环稳定的;(2)它能保证整个闭环系统的稳定性;(3)更重要的是．对于相同的回路传输恢复度,它所需要的增益要小于传统LQG／LTR方法的基于观测器的控制器增益。还有,就是这个新的补偿器比传统的基于观测器要有较好的恢复性能。最后,数值算例验证了本文方法的有效性。     

耦合时空混沌的模糊混沌神经网络鲁棒自适应控制

将模糊逻辑系统和混沌神经网络结合起来,利用模糊逻辑系统的逼近能力和混沌神经网络的时空混沌行为,对模型未知的耦合时空混沌系统提出了一种模糊混沌神经网络自适应控制方案;同时考虑系统扰动、未建模动态特性和建模误差的影响,设计自适应补偿器,增强时空混沌系统控制的鲁棒性;并用Laypunov方法证明了该方案的稳定性;仿真验证了方案的有效性和鲁棒性。     

基于H∞滤波的变权多通道数据融合方法研究

在对多通道定位数据进行数据融合中，采用H∞滤波可有效地解决各传感器数据误差模型不确定的滤波和状态估计问题。但由于数据采样时刻及精度的不一致性，对于多通道数据的融合应采用变权融合方式，以提高融合后数据的可靠性。该由此给出了一种基于H∞滤波的变权数据融合计算方法，通过对实测实时数据的仿真计算表明，其方法具有很好的实用性。     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。     

基于线性鲁棒性优化的弦支结构设计及分析

结构的鲁棒性是指结构抵抗不相称破坏的能力。目前,研究集中于框架类结构鲁棒性的评价,缺少弦支结构鲁棒性评价及设计方法。首先基于H∞理论,采用结构系统传递函数的H∞范数作为结构鲁棒性的定量评价指标。然后,采用SIMP模型描述建立了人工材料模型,以结构线性鲁棒性为优化目标,将结构鲁棒性设计转化成连续体拓扑优化,并通过粒子群算法求解。以弦支双曲球壳模型为例,通过鲁棒设计得到了鲁棒构形。最后通过作用超越静荷载,制造干扰场景,分析不同结构设计方案的非线性鲁棒性。结果表明,H∞结构鲁棒性评价指标可以反映干扰与后果是否相称,通过连续体拓扑优化进行鲁棒设计,能够有效地提高结构鲁棒性,可以为弦支结构初始概念设计提供参考。     

遗传算法在运动目标检测中的应用

运动目标的检测在智能交通监控、车辆导航、标的正确检测十分困难，当观测采样数据受到异常污染时，辅助驾驭、高速公路上的自动收费等都有广泛的应用。运动目检测的性能对模型的微小变化不敏感。这就要求系统检测具有在其特性或参数发生摄动时仍可使品质指标保持不变的性能即鲁棒性。该文提出了在动态图像序列中基于Otsu法和遗传算法相结合的方法动态确定差分图像二值化的阈值以代替人工确定阚值的方法，从而鲁棒地检测出运动目标。     

嵌入式命令词语音识别系统

当今语音识别技术的一个重要应用就是嵌入式平台上的命令词识别系统,本文提出了一种新的组合解码和置信度的一遍解码方法,同时在算法高精度、运算低复杂度两方面做出了很大的努力,最终在PDA(Compaq iPAQ 3630)平台上实现了一个基于HMM的定点命令词语音识别系统。系统具有较强的鲁棒性和集外词拒识能力,而且系统也具有完整性、高精度、低运算复杂度,整体设计框架灵活,可以非常容易的移植到各种嵌入式平台。     

基于自适应BP神经网络的结构损伤检测

描述基于人工神经网络的结构损伤检测的基本步骤以及该方法在实际5层钢框架结构损伤检测上的应用．提出了一种改进的BP神经网络方法，它能够解决传统BP神经网络在实际应用中存在的两个问题：收敛速度慢并存在局部极小．其基本思想是引入动态自适应算子加速传统BP算法的梯度下降速度，从而提高运算速度，通过自调节保证学习过程中每一时刻具有较大的sigmoid函数值，从而可以避免局部极小．数值仿真结果表明基于该自适应神经网络的结构损伤检测方法具有强的鲁棒性，而且与传统的BP神经网络相比，不仅提高了计算速度，并且具有很高的精度．最后，实例的应用也证明了该方法的有效性．     

组合网络控制拓扑建模与鲁棒性分析仿真

组合网络最优决策控制拓扑建模与结构鲁棒性分析能够提高组合网络控制结构的抗干扰能力.在组合网络最优决策控制过程中,容易受到环境因素的干扰,无法形成固定的控制决策,影响了组合网络决策控制的鲁棒性测试.提出基于概率解析算法的组合网络控制结构鲁棒性测试方法.筛选组合网络中控制结构鲁棒性影响因素,建立鲁棒性影响因素数据集合,并对不同鲁棒性影响因素的权重进行计算.根据概率解析算法相关理论,获取组合网络最优决策控制鲁棒性影响因素的灵敏度函数和数据传输函数,对结构的鲁棒性进行准确的分析.实验结果表明,利用改进算法进行组合网络中最优决策控制结构鲁棒性分析,能够提高分析的准确性,满足组合网络应用的实际需求.