奇偶校验电路多重故障的测试码自动生成和故障诊断

本文提出了奇偶校验与生成电路多重故障检测和定位的一种简便算法。故障模型为单重和多重固定故障。测试长度等于原始输入端数加一。还讨论了测试码自动生成和故障诊断的具体实现方法。     

一种北斗二号测距码生成器的设计

针对北斗二号卫星导航系统中普通测距码的生成问题,提出了一种改进的测距码生成的实现原理,并给出具体实现方案。与传统的测距码生成器相比,本设计采用不同卫星编码设置不同初值的方法,提高了电路使用的便利性,还在算法上采用并行处理的方法,提高了码生成速率。对电路功能的仿真证明其可以得到与传统码生成器相同的编码结果。     

片上网络互连线延迟故障测试方法研究

基于GALS结构的NoC节点间通常拥有较长的互连线,并且采用异步方式进行通信,对延迟匹配的要求较高。该文提出了一种内建自测试方法,完成跨时钟域互连链路的延迟测试问题。针对该方法完成了相应的测试电路以及测试矢量生成模块的设计与仿真,并在FPGA中实现该电路以验证测试电路的功能和性能。仿真与硬件验证结果都表明,所设计的测试电路以及ATPG模块能够实现NoC互连线延迟故障诊断的功能;该文的延迟故障诊断方法能够快速准确地发现互连线上存在的延迟故障。     

CSS型量子卷积码的编译码方法

定义了量子态的多项式表示形式,根据Calderbank-Shor-Steane(CSS)型量子码的构造方法,给出了CSS型量子卷积码的一种新的编译码方法,描述了编译码网络. 该方法将码字基态变换为信息多项式与生成多项式的乘积,然后用量子态上的多项式乘法操作实现编译码网络. 这种编译码方法高度结构化,思路简单,网络易于实现.     

最小生成树SVM的模拟电路故障诊断方法

提出最小生成树的支持向量机模拟电路故障诊断方法,通过小波分解提取电路故障特征,在特征空间中以故障类的可分性测度为权值构造最小生成树,得到具有聚类属性的故障子类划分,从而优化故障决策树节点的分布。按照最小生成树的结构建立具有较大分类间隔的多分类支持向量机,能够有效地提高模拟电路故障诊断的正确率。该方法简化支持向量机的结构,在实例电路的故障诊断中获得更高的诊断精度和效率,其性能优于常用的支持向量机方法。     

Turbo码在第三代移动通信中的译码实现研究

在分析TURBO码输入量化的基础上,结合已有的译码MAP算法实现结构,给出了第三代移动通信建议(3GPP)中TURBO码的译码实现电路和译码迭代电路,并提出了将TURBO码运用于多级调制的码设计和多步译码方法。并将每级TURBO码设计出不同码率,提高了低层码的纠错能力,使高层码具有较高的传输信息能力。对TURBO码在第三代移动通信中的译码也进行了分析,并讨论了延迟问题,研究了FPGA实现规模。该电路结构具有好的译码性能,并达到了3GPP的译码增益要求。     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点,提出基于小波神经网络的模拟电路故障诊断方法.采用能量分布特征提取方法和改进BP算法,用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.相对于传统的故障诊断方法,用小波变换对故障信号进行预处理,大大减少了神经网络的输入数目,从而简化了神经网络的结构和减少了它的训练时间,并提高了辨识故障类别的能力.对实例电路仿真结果表明,该方法能正确识别各种故障状态,准确率高.     

基于人工神经网络的电力电子电路故障诊断

提出了采用基于波形直接分析的人工神经网络故障诊断方法实现电力电子电路的故障诊断．以三相整流电路的诊断为例，设计了人工神经网络的层数和点数，建立了三相整流电路的模型获取了样本数据，并训练了人工神经网络．仿真表明用四层人工神经网络对三相整流电路进行诊断可获得正确结果、     

基于神经网络的某型雷达天线故障诊断

介绍了运用BP神经网络对某型雷达天线电路进行故障诊断的全过程.通过仿真结果可以看出,达到了故障定位的目的且诊断效果显著,从而为该雷达天线电路的故障诊断提供了一条新思路.     

一种新的Iddq故障定位算法研究

提出了一种新的基于静态电流检测的故障定位算法,该算法依据输入向量序列的响应和电路的结构特征,通过对DUT电路正常情况下的模拟,可直接计算出可能的故障点,并能够完成多故障的定位。实验结果表明该算法能对桥接故障、漏电流故障等进行有效的定位。     

基于数据挖掘的雷达故障数据管理系统

为提高雷达故障诊断系统的可靠性,运用数据挖掘技术,提出了一种雷达故障数据管理系统.通过对电路图信息进行聚类分析和关联分析,自动地发现其中关联性,将其提取为故障诊断所需的关联规则,并进行了实验验证.实验结果表明,该系统具有一定的应用价值.     

种模拟电路参数型故障诊断新方法

模拟电路参数型故障诊断一直是电路与系统无法回避的难题。该文基于被测电路主输出电压信号的时间序列值,建立了一种基于本征值和相位差的模拟电路参数型故障诊断模型。该模型利用故障电路的电压输出时间序列值获取电路的故障相位偏移信息,同时,该模型把电压时间序列变换成一个方阵,并求取该方阵的最大本征值。将故障相位偏移信息和故障最大本征值与通过前期仿真获得的每种器件相对应的无故障最大相位偏移和无故障最大本征值的变化趋势进行比较,实现故障定位和参数辨识。实测实验结果表明:该方法具有定位准确、计算效率高,所需测试点少、参数辨识精度高,易于工程实施等优点。     

一种新颖的乘法器核内建自测试设计方法

提出一种新颖的乘法器核内建自测试（BIST）方法。结合C可测性与伪随机测试的优点。所设计的测试电路的附加面积比传统的伪随机电路要低56％，该方法采用独特的赋值方法。生成精简的、故障覆盖率高于99％的测试图形，并用开发的软件对测试图形排序和压缩，平均跳变密度和宽度得以大大减少．基于上述研究成果，可容易实现低成本BIST电路，基于Synopsys相关工具软件的模拟和分析结果表明，提出的BIST电路在面积、功耗和速度等方面均优于现有的BIST设计。     

MCKD-Teager能量算子结合LSTM的滚动轴承故障诊断

为解决滚动轴承故障时产生的信号具有强背景噪声而导致弱周期冲击特征难提取,以及在对轴承故障模式进行智能诊断时一般的诊断模型对故障振动信号的时序特征识别效果不强这两大问题,提出一种基于最大相关峭度解卷积(MCKD)、Teager能量算子和长短期记忆网络(LSTM)的故障诊断方法。使用MCKD算法对滚动轴承振动信号进行降噪处理,提取出信号中被噪声掩盖的周期冲击特征,并利用Teager能量算子检测信号的瞬态冲击,得到Teager能量序列;将结果分为训练集和测试集,将训练集输入到建立的LSTM故障诊断模型中进行学习,不断更新网络参数并提取出时间维度的特征信息;将训练好参数的LSTM模型应用于测试集,输出故障诊断结果。实验结果表明,提出的方法以端到端模式可以一次性诊断多种类型、尺寸的故障,具有很高的识别精度,是一种可以有效利用强背景噪声信号中时序特征的故障诊断方法。     

基于IDDQ测试的VLSI门内电阻式桥接故障仿真

为真实模拟集成电路中的桥接故障并评价测试集质量,提出一种基于静态电源电流( IDDQ)测试的逻辑电路门内电阻式桥接故障仿真算法. 首先,针对该故障类型,提出一种覆盖率评价标准;其次,利用电路级故障注入与仿真方法构造基本逻辑门单元的故障字典;最后,通过在逻辑电路功能仿真中查询故障信息实现门级的故障仿真. 仿真实验表明:相比于传统方法,所提方法能更好地反映测试集对真实桥接故障的覆盖效果,并具备良好的仿真效能.     

基于测试向量相容的编码压缩方法

为进一步提高测试数据压缩率,提出一种新的编码压缩方法(FDR-BC).根据测试集中向量间相同位置绝大部分相容的情况,把相容位个数最多的向量划分为一组并合并为一个向量,不相容的位赋值1.用FDR-BC对合并后的向量编码.对分组内向量的个数、不相容位的个数以及不相容位上的值进行编码得到组头编码.解码器结构由输入控制部分和解码部分组成,输入控制部分将编码存储,解码时可以重复利用.解码部分解码的同时移入编码,很大程度上缩短了测试时间.针对ISCAS-89基准电路测试向量集的实验结果表明,用FDR-BC方法进行压缩,相比FDR方法压缩,压缩率平均提升了19.95%.     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。     

基于优化权集的数字集成电路随机测试

提出了一种基于确定性测试集的数字集成电路随机测试生成方法。通过将完备测试集分成若干子集，由每一子集计算产生子集中测试矢量的被测电路各主输入端取“1”值的概率组合即所谓的权集。通过减小测试子集生成概率的方差可以减少低生成概率的测试矢量数，进而减小在高故障覆盖率下的测试长度，该方法对大规模集成电路的内测试和外测试皆适用。