胚胎型仿生电路中具有自修复性能的存储器设计

胚胎型仿生电路是一种芯片级容错数字电路,其工作机制为汲取生物体生长过程的灵感从而使得数字系统具有自主容错能力。该电路是由二维电子细胞阵列组成,文中分析了这种数字电路的结构和容错机制,讨论了细胞的主要组成部件的设计,并基于海明码(Hamming Code)为细胞中的存储器设计了一种具有自检测和自修复能力的结构。最后,以4×4乘法器为应用实例,通过仿真实验验证了细胞中存储器的自诊断、自修复能力和该仿生电路的自修复能力。     

可重构DES、3-DES加减密系统设计

针对目前密码算法软件实现和ASIC实现的局限性,提出可重构加减密系统设计;在分析DES和3-DES算法原理的基础上,通过减少3-DES的密钥长度,设计新型的3-DES加减密系统;综合新型3-DES加减密系统和DES加减密系统,设计基于可重构硬件的DES、3-DES加减密系统,该系统在xinlinx在Virtex-E系列FPGA上成功实现;实验结果显示,该系统兼有软件实现的灵活性和硬件实现的可靠性、高效性、安全性,硬件资源少,同时可以成功抵制密码攻击,密码分析和线性分析.     

AES中字节代换和列混合的硬件可逆设计

针对AES硬件实现占用大量资源的缺点,对其两个核心计算部件(字节代换和列混合)进行了硬件可逆设计.该设计采用模块复用技术,使字节代换及其逆变换模块最大限度地共享GF(2<'8>)域中的模逆运算单元,而使列混合及其逆变换模块最大限度地共享p(x)乘运算单元,以较小的硬件代价实现了字节代换模块和列混合模块的硬件可逆设计.最后在Xilinx的FPGAVirtexE xev2000e-6上进行了仿真验证,实验结果表明,与其他同类设计相比,新设计方案明显减少了硬件开销.     

一种基于遗传算法的动态电流测试生成方法

针对数字电路测试矢量生成复杂、数量庞大的问题,研究了采用遗传算法进行优化选择的数字电路动态电流测试矢量生成方法.利用遗传算法全局优化、并行处理结构等特性来获得冗余度较小的精简测试集.将得到的测试集施加至电路中,并检测数字电路动态电源电流,再采用小波包分析提取故障特征信息,用BP神经网络来进行故障定位.以ISCA85'基准电路C432为例,验证了文中方法的有效性和可行性.实验结果表明所提出的新方法可以在较小的测试集下达到100%的故障诊断率.     

一种云样本的控制产生及在电路故障诊断中的应用

为了选择电路故障诊断中的特征样本,提出了产生云样本的方法,并用于神经网络的训练和识别.首先采用逆向云理论对初始特征样本进行统计以获取数字特征,其次采用正向云理论产生扩展训练样本,并用新产生的样本训练两种神经网络.仿真结果表明,采用云样本训练的神经网络要比采用常规样本训练的性能稳健,具有较好的抗噪卢性能,在模拟电路故障诊断中达到了较好的诊断效果.     

基于敏感度因子与故障隔离度的模拟电路测点选择

提出了一种基于类内类间敏感度因子与故障隔离度的新方法对模拟电路测试节点进行优选.计算电路各测点采样数据的类内与类间距离离散度来定义测点敏感度因子,根据敏感度因子大小对待优选测点进行重新排序,利用KNN网络计算重排序测试节点的故障隔离组(度),最后优选出能辨识全部预设故障的最优测试节点集.实验结果证明:新方法得出的最优测点集包含的测点数量更少,该方法可以优选出相比其他文献方法故障诊断效率更高的同等规模的测试节点集合.     

可重构阵列自主容错方法研究

设计了一种具有故障自诊断和自修复能力的可重构阵列单元结构。在功能细胞单元内部实现分布式的故障自诊断,在测试到故障后,可以自主地将距故障单元最近的空闲单元进行替换,接着自动取消受故障影响的线网,并在新的布线端点间对这些线网重新布线。以4位并行乘法器为例,实验结果证明了可重构单元阵列的故障自修复能力,并验证其重构时间较短且可靠性较高。     

基于故障可诊性与遗传算法的模拟电路测试激励优化方法*

测试激励的选择影响电路故障诊断的精度。对待测电路进行十倍频程AC Sweep分析来确定正弦测试信号的频率优化范围,基于电路幅频响应中离散频点相应的电压有效值来计算各故障特征数据类内类间离散度,统计多频测试信号敏感度因子大小,并以此为目标函数利用遗传算法实现测试信号中频率参数优化。以双带通滤波电路为例进行了仿真验证,实验结果表明该方法优化出的测试激励信号能有效降低电路故障响应特征分布模糊性,提高了故障诊断率。     

演化硬件技术及其在硬件设计中的应用

本文给出了基于演化算法和可编程逻辑器件的演化硬件的实现原理，并结合一个应用 实例加以说明，分析了该方法与传统的硬件设计方法相比的优越性，最后扼要介绍了演化硬件的研究方法以及它的应用现状和发展方向。