DDR小常识

ＤＤＲ ＳＤＲＡＭ的全称（Ｄｏｕｂｌｅ Ｄａｔａ Ｒａｔｅ），就是双倍数据传输率的意思。也称ＳＤＲＡＭ ＩＩ，是目前ＳＤＲＡＭ的更新产品。它是由ＶＩＡ、ＩＢＭ、ＡＭＤ等一大批原来ＰＣ１３３ ＳＤＲＡＭ标准的倡导者们，于１９９８年１２月正式确定的完全开放式的新一代内存规范。１９９９年的５月第一批 １８４－ｐｉｎ的 ＤＤＲ ＳＤＲＡＭ ＤＩＭＭ模组正式获得了认可。 ＤＤＲ的核心建立在ＳＤＲＡＭ的基础上，但在速度和容量上有了提高。首先它使用了更多、更先进的同步电路。其次，ＤＤＲ使用了Ｄｅｌａｙ－Ｌｏｃｋｅｄ Ｌ…     

单片微机系统RAM自检的研究

在各种单片微机测控系统中，ＲＡＭ的正常与否直接关系到该系统的正常工作，ＲＡＭ的自检可有效地避免ＲＭＡ不正常工作带来的损害，本讨论了单片微机应用系统中ＲＡＭ自检的方法。     

含ARMA噪声系统模型的参数辨识方法*

实际问题中，大量的动态系统控制问题可归结为含ＭＡ，ＡＲＭＡ噪声系统模型的参数辨识问题。本文提出ＲＭＡ，ＲＡＲＭＡ两种系统模型参数辨识的一种新方法，主要手段是构造和研究特殊的辅助线性模型。理论分析和实际计算表明，本文方法较传统表度有明显提高。     

单片微机系统RAM自检的研究

在各种单片微机测控系统中，ＲＡＭ的正常与否直接关系到系统的正常工作，ＲＡＭ的自检可以有效地避免ＲＡＭ不正常给系统带来的损害。本文讨论了单片微机应用系统中ＲＡＭ自检的方法。     

多变量ARMA信号自校正最优去卷平滑估计方法及其渐近稳定性*

本文讨论信号去卷估计问题。运用新息理论和射影方法，基于ＡＲＭＡ新息模型设计多变量ＡＲＭＡ信号最优去卷平滑器，讨论了平滑器的渐近稳定性。在信号模型及噪声统计未知时，通过在线辨识ＡＲＭＡ新息模型提出了ＡＲＭＡ信号自校正去卷平滑器。     

多因素问题的启发式搜索算法MFRA

本文新定义了一类多因素启妇式搜索问题，提出了适于此类问题求解的启发式搜索算法ＭＦＲＡ。文中研究了算法ＭＦＲＡ的可采纳性质，单调限制性质和比较性质等。基于算法ＩＤＡ的思想，提出了ＭＦＲＡ的改进算法ＭＦＲＡ－ＩＤＡ，这一算法具有线性存储空间这一重要特性。     

有必要升级到Rambus系统吗

几个月以来，我们一直怀疑 Ｒａｍｂｕｓ　ＤＲＡＭ将在何时开 始展现它的效能优点。我们现在仍然很怀疑。自去年秋季开始推出的ＲＤＲＡＭ　ＰＣ在一些测试指标上好像表现不错，但是却很难断定是否有其他因素对性能有所影响，例如更快的ＣＰＵ或强大的３Ｄ加速卡。为了要澄清问题，我们测试了使用ＲＤＲＡＭ或ＳＤＲＡＭ技术的完全相同组态的８００ＭＨｚＰＣ，以独立辨别出ＲＤＲＡＭ的影响。 结果是：至少就目前而言，ＲＤＲＡＭ只有在一些图形密集的软件上如高级设计或多媒体制作应用程序上，才具有少许的效能优势，而在办公室应用程序…     

经验点滴

显示卡知识大全 （接上期） ＳＧＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ Ｇｒａｐｈｉｃｓ ＲＡＭ） ＳＧＲＡＭ（同步）是一种比较新的显存，而且它是为专为显示卡所设计的，它改进了过去低效能显存传输率较低的缺点，为显示卡性能的提高创造了条件。但是因为其设计制造成本过高，在普通显卡上采用的较少，一般都是运用在高端加速卡上。现在有很多低档３Ｄ加速卡都使用ＳＧＲＡＭ，但是经过比较你会发现其性能甚至还不如使用ＳＤＲＡＭ的同等产品。 ＳＤＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ ＤＲＡＭ）相信大家对这种显存并不陌生，ＳＤＲＡＭ与早期…     

混合型符号几何规划的递归二次规划算法

混合型符号几何规划的递归二次规划算法张希，张可村（西安交通大学科学计算与应用软件系）ＡＳＵＣＣＥＳＳＩＶＥＱＵＡＤＲＡＴＩＣＰＲＯＧＲＡＭＭＩＮＧＡＬＧＯＲＩＴＨＭＦＯＲＭＩＸＥＤＳＩＧＮＯＭＩＡＬＧＥＯＭＥＴＲＩＣＰＲＯＧＲＡＭＭＩＮＧ￥Ｚｈａｎｇ...     

双端口RAM实现任意波形发生器

本文讨论了双端口ＲＡＭ的结构、特点，利用双端口ＲＡＭ同时读写同一ＲＡＭ芯片的特点，实现它在任意波形发生器中的应用     

组合ARMA与SVR模型的时间序列预测

经典的ARMA模型常用于平稳时间序列的预测,而对于自然界绝大部分的非平稳序列一般采用确定性时序分析和随机时序分析.确定性时序分析对随机性信息浪费严重,而随机时序分析经过差分平稳序列后又回归到ARMA模型.本文利用在充分ARMA模型拟合后的残差序列进行支持向量回归(SVR)拟合,进而对原序列进行组合预测,比起单一模型的拟合及预测,该组合有效地提高了预测精度.     

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题.应用状态空间方法和现代时 间序列分析方法[1],基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了 Hagander和Wittenmafk的结果[2],并给出了在雷达跟踪系统和检测数据数字滤波方面的应 用.仿真结果说明了本文结果的实用性和有效性.     

微机械陀螺零偏稳定性建模与滤波研究

首先介绍了时间序列ARMA模型及其建模方法,并利用该方法基于振动环式微机械陀螺的实测数据建立了振动环式微机械陀螺随机漂移的ARMA模型。在此模型基础上,设计了Kalman滤波器。仿真结果表明此方法能够有效抑制微机械陀螺的零点随机漂移。     

Transient detection with an application to a chemical process

We propose a sequential test procedure for transient detections in a stochastic process which can be expressed as an autoregressive moving average (ARMA) model. Preliminary analysis shows that if an ARMA(p,q) time series exhibits a transient behavior, then its residuals behave as an ARMA(Q,Q) process, where Q ≤ p + q. Based on this fact, we derive a new sequential test to determine when a transient behavior occurs in a given ARMA time series. Simulation experiments conducted in this study show that the proposed test can detect the occurrence of a transient in the ARMA model. We also apply the proposed method to detect transient changes in the pH of an erythromycin salt.     

Time-domain approaches to multichannel optimal deconvolution

Using the modern time series analysis method, based on the autoregressive moving average (ARMA) innovation model and white noise estimators, two time-domain approaches to multichannel optimal deconvolution are presented. In the first approach, the multichannel optimal deconvolution estimators are given in the ARMA innovation filters form, where the solution of the Diophantine equations is required. Their global and local asymptotic stability is proved. In the second approach, the multichannel ARMA recursive Wiener deconvolution filters without the Diophantine equations are presented, which have asymptotic stability. The relationship between the ARMA innovation filters and ARMA Wiener deconvolution filters is discussed. Each approach can handle the deconvolution filtering, smoothing and prediction problems in a unified framework. An illustrative example and two simulation examples show their effectiveness.     

基于小波去噪及ARMA模型的故障率预测方法研究

在现有的故障诊断与预测方法的基础上,提出了一种基于小波及ARMA模型的预测方法。首先给出了小波去噪的原理,以及ARMA模型预测的思想,结合民机故障率的特点,对实际的故障率数据进行小波去噪,保留故障发展的主要趋势,对主要趋势进行ARMA建模预测,并将预测结果与实际值进行比较。结果说明,进行小波去噪后的ARMA建模预测的结果有较高的准确率。     

General results on the McMillan degree and the Kronecker indices of ARMA and MFD models

This paper shows that the McMillan degree of general ARMA and MFD models is equal to the pole-zero excess of the matrix consisting of the polynomial factors. Furthermore, the left Kronecker indices are equal to the row degrees of this matrix if and only if it is row-reduced and irreducible. For left coprime ARMA and MFD models the McMillan degree and the left Kronecker indices are related to the determinantal degree and the row degrees of a suitable submatrix of the polynomial factors. Under certain (necessary and sufficient) conditions this information can even be inferred from the denominator matrices in the ARMA and MFD models. Finally a rank test is presented for actually computing the McMillan degree of left coprime ARMA and MFD models.     

Computation of the exact Cramer–Rao lower bound for the parameters of a nonsymmetric half-plane 2-D ARMA model

The Cramer–Rao lower bound (CRLB) that gives the minimal achievable variance/standard deviation for any unbiased estimator offers a useful tool for an assessment of the consistency of parameter estimation techniques. In this paper, a closed-form expression for the computation of the exact CRLB on unbiased estimates of the parameters of a two-dimensional (2-D) autoregressive moving average (ARMA) model with a nonsymmetric half-plane (NSHP) region of support is developed. The proposed formulation is mainly based on a matrix representation of 2-D real-valued discrete and homogeneous random field characterized by the NSHP ARMA model. Assuming that the random field is Gaussian, the covariance matrix of the NSHP ARMA random field is first expressed in terms of the model parameters. Then, using this matrix structure, a closed-form expression of the exact Fisher information matrix required for the CRLB computation of the NSHP ARMA model parameters is developed. Finally, the main formulas derived for the NSHP ARMA model are rearranged for its autoregressive and moving average counterparts, separately. Numerical simulations are included to demonstrate the behavior of the derived CRLB formulas.     

FCBLUP模型在高频金融数据中的应用

将函数延拓最优线性无偏估计(FCBLUP)引入高频金融数据挖掘中,对离散观测值序列建立函数数据模型,并进行预测。选取上证收盘价格为实验数据,建立FCBLUP模型。为能对预测效果进行有效的评价与定位,设立基于ARMA模型的预测组。实验结果表明,FCBLUP预测效果较ARMA模型更理想,FCBLUP预测误差除在小段预测区间略大于ARMA外,其余时刻均低于ARMA预测。