基于OMP的SRAM成品率分析的分组建模方法

静态随机存取存储器(SRAM)电路的失效是极小概率事件,并且不同电路条件下的失效区域边界可能相距很远。因此,为了更高效地获得更精准的SRAM成品率预测结果,提出一种基于正交匹配追踪(OMP)算法的SRAM性能分组建模方法,并应用于典型SRAM电路成品率的预测。此方法主要根据不同SRAM电路条件下失效区域边界距离的差异将仿真数据划分为多组,之后利用OMP算法对不同组的数据分别建立多项式模型,该模型可用于对SRAM电路的成品率进行快速分析预测。与标准蒙特卡洛统计算法及基于OMP的单一建模方法相比,基于OMP的分组建模方法不仅可以缩短建模时间,提高建模准确度,还能够获得更加精确的SRAM成品率预测结果。     

多层局部块坐标下降法及其驱动的分类重构网络

卷积稀疏编码(Convolutional sparse coding, CSC)已广泛应用于信号或图像处理、重构和分类等任务中, 基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding, ML-CSC)模型的多层基追踪(Multi-layer basic pursuit, ML-BP)问题和多层字典学习问题成为研究热点. 但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method, ADMM)求解器和基于图像块(Patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况. 在切片(Slice)局部处理思想的基础上, 本文提出了一种新的多层基追踪算法: 多层局部块坐标下降(Multi-layer local block coordinatedescent, ML-LoBCoD)算法. 在多层迭代软阈值算法(Multi-layer iterative soft threshold algorithm, ML-ISTA)和对应的迭代展开网络ML-ISTA-Net 的启发下, 提出了对应的迭代展开网络ML-LoBCoD-Net. ML-LoBCoD-Net实现信号的表征学习功能, 输出的最深层卷积稀疏编码用于分类. 此外, 为了获得更好的信号重构, 本文提出了一种新的多层切片卷积重构网络(Multi-layer slice convolutional reconstruction network, ML-SCRN), ML-SCRN实现从信号稀疏编码到信号重构. 我们对这两个网络分别进行实验验证. 然后将ML-LoBCoD-Net和ML-SCRN 进行级联得到ML-LoBCoD-SCRN合并网, 同时实现图像的分类和重构. 与传统基于全连接层对图像进行重建的方法相比, 本文提出的ML-LoBCoD-SCRN合并网所需参数少, 收敛速度快, 重构精度高. 本文将ML-ISTA和多层快速迭代软阈值算法(Multi-layer fast iterative soft threshold algorithm, ML-FISTA) 构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验, 初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的, 分类准确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN.     

智能车载自组织网络中匿名在线注册与安全认证协议

随着智能交通系统(ITS)的建立,车载自组织网络(VANETs)在提高交通安全和效率方面发挥着重要的作用。由于车载自组织网络具有开放性和脆弱性特点,容易遭受各种安全威胁与攻击,这将阻碍其广泛应用。针对当前车载自组织网络传输中数据的认证性与完整性,以及车辆身份的隐私保护需求,该文提出一种智能车载自组织网络中的匿名在线注册与安全认证协议。协议让智能车辆在公开信道以匿名的方式向交通系统可信中心(TA)在线注册。可信中心证实智能车辆的真实身份后,无需搭建安全信道,在开放网络中颁发用于安全认证的签名私钥。车辆可以匿名发送实时交通信息到附近路边基站单元(RSU),并得到有效认证与完整性检测。该协议使得可信中心可以有效追踪因发送伪造信息引起交通事故的匿名车辆。协议可以让路边基站单元同时对多个匿名车辆发送的交通信息进行批量认证。该协议做了详细的安全性分析和性能分析。性能比较结果表明,该协议在智能车辆端的计算开销以及在路边基站单元端的通信开销都具有明显优势,而且无需搭建安全信道就能够实现匿名在线注册,因此可以安全高效地部署在智能车载自组织网络环境。     

基于限幅加权骨骼节点滤波的体感交互技术

为了改善机器人的操作方式,提高体感交互的识别精度,提出了一种基于限幅加权骨骼节点滤波的体感交互技术。首先利用Kinect传感器获取深度场景信息,并通过骨骼追踪技术处理所获得的深度信息以此匹配人体各个关节,建立人体各关节的3D坐标;然后采用空间向量映射的形式计算出各关节转动角度,并利用本文所提出的限幅加权滤波算法,即通过对采集并计算出的关节转动角度进行限幅加权滤波处理,减少了骨骼噪声的影响;最后将转动角度转化为控制指令,通过蓝牙串口将控制指令发送给机械臂控制器,操控机械臂舵机转动。实验结果表明,该方法能够实现体感交互效果,机械臂随人体手臂运动的识别率为96.3%,且限幅加权滤波算法能有效减少骨骼噪声影响。     

基于二次筛选的回溯广义正交匹配追踪算法的稀疏信号重构

压缩感知是一种新型的信号采样及重构理论,高效的信号重构算法是压缩感知由理论转向实际应用的枢纽。为了更精确地重构出原始稀疏信号,本文提出一种基于二次筛选的回溯广义正交匹配追踪算法。首先采用内积匹配准则选出较大数目的相关原子,提高原子的利用率。其次利用广义Jaccard系数准则对已选出的原子进行二次筛选,得到最匹配的原子,优化原子选取方式。实验结果表明,在不同稀疏度和观测值下进行信号重构,相比于回溯广义正交匹配追踪算法、正交匹配追踪算法及子空间追踪算法,本文算法在重构误差及重构成功率方面有较大的优越性。     

因果图研究双馈风电系统最大功率跟踪控制北大核心

针对双馈风力发电系统,首先对激励源-风速随机变化的特性,提出一种合理并符合实际生活的自然风的数学模型,其次根据双馈风力发电系统中的风力机各部件数学模型,利用因果次序图的求逆规则推导出风力机最大功率跟踪控制策略,搭建Matlab/Simulink模型,最后对控制参数进行整定以及优化。运行仿真模型,得到了风轮机输出功率、输出转矩、输出角速度、风能利用系数等信号的波形曲线。仿真结果表明,使风能利用系数在系统运行过程中保持最优值,最终体现在风轮机对风力捕捉能力,为驱动发电机提供最大输入功率,证明了上述方法的有效性。     

多路系统Cache一致性验证中的错误追踪定位技术

以某国产多路系统的验证为例,基于事务级验证TBV技术,提出并实现了一种可以应用于模拟验证的自动错误追踪定位技术,通过在验证环境中对处理器的特定功能流程、相关各种请求响应、访存地址和数据流等信息进行事务级建模,记录并生成了验证环境运行产生的事务级信息库,基于上述信息实现了错误的自动追踪定位,显著缩短了错误定位时间,提升了多路系统模拟验证的查错效率。同时,基于事务级的模型,也使得验证人员可以在比设计部件更高的层次描述复杂流程的Cache一致性覆盖点,这种事务级维度的覆盖率描述弥补了原有代码覆盖率和功能覆盖率局限于模块和部件级的不足,是对全面性和充分性验证的有益补充。     

iGame RTX 3050系列显卡发布

2022年众多游戏大作蓄势待发,新年的第一张游戏显卡究竟怎么选?技术的、创新的、服务的七彩虹为广大的玩家带来全新4款GeForce RTX 3050显卡,为入门级玩家“圆梦”光线追踪之旅。NVIDIA GeForce RTX 3050进一步扩展了基于NVIDIA Ampere架构的GPU系列。RTX 3050使更多玩家得以享受该架构的性能和效率,它是首款“50”级别台式GPU,能以超过60 fps的帧率为最新光线追踪游戏提供动力。RTX 3050使作为游戏全新标准的光线追踪技术比以往任何时候都更平易近人。同时,RTX 3050为创作者提供了更多选择。     

DSP程序异常的高效检测方法

由于嵌入式系统日趋复杂,程序的复杂程度也与日俱增,这导致程序异常跳转、数组越界、堆栈溢出等异常现象时有发生,但编译器以及专业的静态代码扫描工具无法发现此类问题。程序运行时一旦发生此类异常,往往会导致系统死机等严重故障,系统死机后,留给开发人员的有用信息一般很少,常常需要花很多时间及精力才能查出导致程序异常的具体原因,因此,开发一种高效的程序异常检测手段就显得十分必要。利用DSP软件编译器的插桩功能,可完整记录程序异常前的运行轨迹数据,通过分析这些轨迹数据可重建程序异常前的运行轨迹,利用这些信息,开发人员可高效地查出程序异常的具体原因。     

个性化学习推荐研究综述

个性化学习推荐是智能学习的一个研究领域,其目标是在学习平台上给特定学习者提供有效学习资源,从而提升学习积极性与学习效果。虽然现有的推荐方法已被广泛用于教学场景,但教学活动自身的科学规律,使个性化学习推荐在个性化参数设置、推荐目标设定、评价标准设计等方面具有一定的特殊性。针对上述问题,在调研大量文献的基础上对近年来个性化学习推荐的研究进行了综述。从学习推荐通用框架、学习者建模、学习推荐对象建模、学习推荐算法、学习推荐评价五方面对个性化学习推荐的相关研究进行了系统的梳理和解读。首先提出了学习推荐系统的通用框架,其次介绍了学习者建模的思路和方法,接着讨论了学习推荐对象建模的思路和方法,然后归纳了学习推荐的算法与模型,接下来总结了学习推荐评价的设计与方法。并对这五方面现有研究的主要思想、实施方案、优势及不足进行了分析。最后还展望了个性化学习推荐未来的发展方向,为智能学习的进一步深入研究奠定了基础。