最大近似相容的分组测试向量相容压缩方法

针对长度过长的测试向量之间相容压缩的压缩效果不佳的问题,为了提高测试向量间的相容性,提出了最大近似相容的分组测试向量相容压缩方法。首先将测试向量按相同的数据块长度划分为若干组,然后提出对分组测试向量进行最大近似相容性的重排序,将测试集分为两个集合:已排序集合和未排序集合。先将确定位最多的测试向量作为已排序集合的首个测试向量,再对已排序集合的最后一个测试向量和未排序集合的所有测试向量进行近似相容性比较,将在未排序集合中与其近似相容性最大的测试向量依次插入到已排序集合中,直至重新排序完毕;最后,将重排序的测试向量编码压缩,每个测试向量都要存放两次,一次是源数据存入RAM存储器中以备下一测试向量参考,另一次是将压缩后的数据存入ATE中,第一个测试向量比较特殊,是将源数据不作处理分别存入ATE和RAM中。该方法使得不相容的测试向量能达到最大程度的近似相容,从而提高了测试向量之间相容压缩的压缩效果;且对测试向量间的重排序不影响故障覆盖率,且是在离线情况下实施,因此不影响测试时间。对ISCAS’89标准电路进行试验,与其他编码方案对比,证实方案可行有效,而且硬件结构简单。     

一种变游程编码的测试数据压缩方法

随着集成电路制造工艺水平的提升和芯片面积的增加,测试需要越来越多的测试数据。测试压缩能够有效地减少测试数据量,降低测试数据存储容量和测试设备数据传输通道的要求,减少测试时间,降低测试成本。提出了一种有效的测试数据压缩编码,称之为AFDR码。该码直接对测试序列中连续的0、连续的1以及交替变化位的长度进行编码,对测试序列没有要求,更加直接有效。实验结果显示,这种编码能够有效地压缩测试数据。     

基于位跳变相容的多扫描链压缩方法

通过对数据块进行相容性分析发现,大多数数据块之间的不相容只是由于其中极少部分的对应位不相容导致的。针对这种情况,本文提出了一种基于跳变位相容的测试数据压缩方法,将这些数据块归入同一组中,用同一个Huffman码字来表示,并用字典编码来表示这些跳变位在数据块中的位置,从而提高短码字数据块的出现频率和减少不能采用码字编码的数据块个数,进而提高压缩率。基于ISCAS-89标准电路的实验结果与已有的传统的Selective Huffman编码技术相比,本方案的压缩率平均提高了12.18%,最大压缩率达到了92.55%。     

一种基于分块编码和优化排序的测试数据压缩技术

为了有效地降低数字集成电路测试成本,提出了一种编码压缩方案和测试排序算法。这种压缩方案就是把每一个测试模式分成固定长度的块,并根据相邻测试模式的对应块是否相容和一位相异进行编码。同时采用贪婪的排序算法对编码过程中所有测试模式进行动态排序,寻找一种最佳压缩顺序,以便进一步发挥所提方案的压缩效果。文章最后给出了该方案的解压思想和实验结果,证明了该方案能够提高数据压缩率,降低附加硬件开销,优于已知的其他测试数据压缩方案。     

基于SVIC编码的SOC测试数据压缩

本文针对SOC测试数据压缩,提出了一种新的可挑选变长输入编码（SVIC）方案。先采用一启发式的贪婪算法,得到带有无关位测试集TD的差分矢量序列Tdiff后,再用该SVIC编码对其进行压缩,以缩短测试时间,降低测试数据带宽的要求。文中同时给出了相应SVIC解码器的设计。实验结果表明,在硬件开销接近时,SVIC的压缩比可比SC编码平均高出约17．46％;而与VIHC编码相比,虽然其压缩比略有下降,但SVIC解码器所要求的面积开销却可显著降低。     

利用少数相关位的SoC测试数据压缩方法

随着系统芯片集成度的提高,芯片所需要的测试数据也越来越庞大,为解决由此带来的自动测试设备(ATE)存储容量和带宽之间的矛盾,提出了一种基于数据块之间极少数相同位或极少数不同位的测试数据压缩及解压算法。根据数据块之间这些极少数相同位或极少数不同位,低频次数据块与参与Huffman编码的高频次数据块取得相关性联系,并通过一定的方式共享其较短的哈夫曼码字,从而精简Huffman编码状态表,达到测试数据压缩的目的。与同类经典方案相比,实验表明该方案的平均压缩率提高了6.11%~22.89%,且算法简单。     

基于部分游程翻转的SoC测试数据压缩

提出一种基于变长输入Huffman编码的SoC测试数据压缩方法,在测试序列中直接对连续的"0"游程和"1"游程进行编码。通过部分游程翻转的方法,使用单独的码字对翻转操作进行标识,使得长度相等的"0"和"1"游程共用一个码字,从而减少了短游程的数目。它的解压体系结构由一个Huffman解码器和控制生成单元(CUT)组成,且不需要循环扫描移位寄存器。实验结果表明,这种方法能够有效的压缩测试数据。     

基于部分数据块复用的SoC测试数据压缩方法

提出了一种基于部分数据块复用及统计的测试数据压缩方法。以测试向量为单位,首先寻找出一个最优参考数据块,再利用数据块的相关性及部分数据块可复用性,并按编码规则对其进行编码压缩。它的解压结构只由一个有限状态机(FSM)控制,其结构简单、硬件开销较小。在基准电路上进行的实验表明,本文提出的方案能够有效的压缩测试数据,较同类编码方法有更高的压缩效率。     

基于模式相似度和LZW压缩编码的电能质量数据压缩方法

针对电能质量数据多数情况下具有周期性、对称性、奇偶性等特点,提出了一种基于模式相似度和LZW压缩编码的电能质量数据压缩处理方法.在该压缩算法中,利用模式相似度归一化距离测度良好的畸变识别能力,对畸变和非畸变数据分别进行无损和有损压缩;合理引入LZW编码压缩,进一步提高算法的压缩比.依据IEEE电能质量标准,在MATLA...     

一种用于继电器寿命预测试验中的数据采集压缩技术

针对继电器寿命预测试验中的触点电压信号具有长时间域、瞬变特征波形的时域位置不确定等特点,提出了一种扩展游程编码数扰采集压缩方法。描述了系统的硬件设计及工作流程。该方法解决了高速采集与大容量数据存贮之间的矛盾,具有较高的实用价值。     

基于参考向量和纠错编码的测试数据压缩算法

随着系统级芯片SoC的集成度越来越高,所需的测试数据量呈指数倍增长,针对测试数据量大这一关键问题,提出了一种有效的基于参考向量和纠错码编码的压缩方案,该方案对测试数据进行三步处理:对测试向量进行分块处理;按照特定的团划分方式选出参考向量;利用纠错码和测试数据相容性的特点对测试数据进行编码.提出的编码具有更短的码字,解压...     

基于向量分析法的三相交联电缆局部放电检测与分析识别技术

三相交联电缆的局部放电诊断易受到外界环境、相间串扰等因素的影响。为了解决信号的串扰问题,介绍了基于向量分析法的三相交联电缆局部放电检测与识别技术。该方法基于不同的局放脉冲衰减程度不同的原理,利用三相信号脉冲组的幅值关系构建三相幅值相位关系图,用来区分外部噪声和内部局放信号,同时分离不同的局放源。通过理论研究与现场实例的分析可以得出结论,该方法在高压交联电缆的局放诊断方面具有较好的可行性和优越性,可有效应用于三相交联电缆局放现场检测和绝缘诊断。     

基于整数小波变换和SPIHT编码的录波数据压缩算法

提出了基于整数小波变换和多级树集合分裂SPIHT (Set Partitioned in Hierarchical Tree)编码的电力系统录波数据压缩方法.首先对故障录波数据进行整数小波变换,再对变换后系数量化,然后进行一维SPIHT编码形成嵌入式码流,便于系统根据通讯线路的负荷情况灵活控制传输码率.整数小波变换运算速度快,节约内存,易于DSP实现.SPIHT编码方法形成的码流易于实现可变码率.仿真结果验证了该方法的有效性.     

基于LSTM的风矢量预测方法

从特征工程角度对风速与风向间的相关性进行分析,结果表明,风速与风向包含的特征信息不同,可以同时将其作为输入变量,用于训练模型。该结果也为输入变量时间长度的选择提供了依据。将风速分解为东西及南北方向2个正交的一维变量,以防止多维变量增加方法复杂度。采用长短时记忆神经网络(LSTM)分别对2个方向风速训练预测模型,并将预测结果还原为风速与风向预测数据。实验结果表明,所提方法能够更好地捕捉风速与风向中的信息量,在风速与风向的预测误差分别小于1.0 m/s和5°时,预测准确率可达到90%以上。     

基于测试集主成分的变换-拆分法提高编码压缩率

芯片测试是防止缺陷或故障芯片流入市场的有效手段。 在测试应用中,将大规模测试向量通过芯片引脚传输到片上系 统。 在有限芯片引脚下,测试应用时间主要取决于测试向量传输时间。 编码压缩在不提供被测电路信息条件下减少测试向量 传输时间,同时节约测试向量存储空间,因而被广泛应用于压缩由测试向量组成的测试集,然而编码压缩未能充分挖掘测试集 特征,导致编码压缩效果不佳。 针对该问题,提出一种基于测试集主成分的变换-拆分方法,使主流编码压缩效果显著。 该方法 首先提取能代表测试集特征的主成分,然后利用这些主成分作为向量构造出一个矩阵。 该矩阵与位流经过数学中的矩阵变换 即可将测试集拆分成主分量集和残差集。 相比原测试集,残差集有更好的可压缩性,而主分量集可片上压缩,不占用传输时间。 对 ISCAS’89 部分标准电路的实验结果表明,该方法下的最高平均压缩率达到 80. 53%,与最先进的变换-拆分法相比,不同编 码下的平均压缩率都有提高,且最大提高幅度为 5. 27%。     

一种用于测试数据压缩的改进型EFDR编码方法

针对集成电路测试中测试数据量过大的问题,提出一种改进型EFDR编码压缩方法。该方法保留了原EFDR编码中可同时对0游程和1游程编码的优点,同时将相邻组别游程的编码长度之差缩减为1位,使游程的编码长度更符合游程在实际测试数据中的出现频率,提高了编码效率。在解码方面,编码后的码字经过简单的数学运算即可恢复得到原测试数据的游程长度,因此解码电路具有较小的硬件开销。实验结果表明,本方法的平均压缩率为68.01%,在保持较小硬件解码开销的同时,具有较高的测试数据压缩率。     

基于支持向量机的无线电干扰预测算法

针对给定海拔高度、温湿度、风速风向等环境因素下的特高压直流线路无线电干扰分布无法仿真计算的问题,采用灰色关联度模型提取给定环境参数相似的现场测试样本数据,利用遗传算法优化惩罚系数和支持向量的核宽度,提出了特高压直流无线电干扰预测的最小二乘支持向量机法(lest squares support vector machine,LSSVM)。通过分析迭代步数与训练误差证明了灰色关联度的遗传LSSVM方法计算效率和计算精确度优于LSSVM方法和遗传LSSVM方法。对比本文预测方法的计算结果与实际测量值、同类算法计算结果表明:低海拔时0.5 MHz无线电干扰水平负极全压下平均偏差为10.1%,正极半压负极全压下平均偏差为6.75%,双极全压下平均偏差为4.64%;海拔1 900 m时,双极全压下0.5 MHz和10MHz无线电干扰水平平均偏差分别为4.63%和3.5%。     

An efficient method for network topology identification based on an SOM algorithm

In this paper we consider a large number of wireless terminals that are interconnected by a multihop wireless network called an ad hoc network. Design of routing protocols is a crucial problem in ad hoc networks. Location information of wireless terminals is an effective measure for ad hoc network routing. This paper presents a method to identify network topology implying terminal location and connections among terminals. A modified Self‐Organizing Map (SOM) algorithm is proposed to apply to the network topology identification. This method exploits information of the received power levels of the signals that are transmitted by other terminals. This paper has evaluated how network topology is identified by means of an example graph made by random numbers. The results show that only one bit information about the received power level in each terminal can identify network topology accurately with a mean error of about 10% for more terminals than a certain value. © 2003 Wiley Periodicals, Inc. Electr Eng Jpn, 142(4): 34–44, 2003; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.10100     

基于高频测试信号注入的配电网故障节点在线识别方法

为准确识别带电网络中的故障,提出了一种适用于多层复杂配电网故障节点的在线识别和定位方法。该方法将高频测试信号注入电网,通过智能电表向中心单元提供的电网信息获取阻抗参数,并根据阻抗特性和电网高频测试信号下的响应结果检测是否存在故障节点。采用该方法对45节点三层配电网进行多种条件下仿真,接着对8节点低压网络模型进行测试,讨论模数转换分辨率和测量误差公差对检测精度的影响。仿真和测试的结果发现,故障节点处高频接收信号电压与估计电压差值最大,表明该方法能够准确识别配电网中的故障节点。