基于BIST的NoC系统通信链路测试研究

采用内建自测试技术,完成了对NoC系统通信链路的测试。测试内容包括路由节点与其之间链路的测试,以及其与资源节点之间链路的测试。文中用硬件描述语言Verilog HDL完成各个测试模块的设计,用Quartus II软件自带的逻辑分析仪在基于FPGA的NoC系统硬件平台上完成测试。该测试方法不仅提高了故障覆盖率,还大幅降低了测试时间。     

基于混沌粒子群算法的数字微流控生物芯片污染故障清除

数字微流控生物芯片的可靠性和安全性在生化分析领域具有很高要求,先后经过同一电极的液滴会造成污染,因此对芯片上的污染故障进行清除是保证生化实验准确性的重要途径。通过分析清洗模型与粒子群算法的特性,提出基于混沌粒子群算法的清洗液滴调度方案。将芯片转换为TSP模型,通过概率选择策略选择污染点,引入优秀系数和混沌序列对算法进行优化,把约束条件转换为动态禁忌表,完成故障清除,得到最优清洗时间。实验结果表明,该方案完成了对污染故障的清除,且相对于粒子群优化算法(PSO)和最大最小蚁群优化算法(MMAS)方案,可有效缩短清洗时间,提高阵列单元使用率。     

基于BIST的NoC系统通信架构测试研究

随着片上网络(network-on-chip,NoC)体系的发展,片上网络系统的测试成为不可或缺的一部分;对NoC系统的通信架构测试研究,运用多播的方式建立片上网络通信的测试模型,创新性的把内建自测试(build-in self test,BIST)技术和改进型的MATS++算法相结合,完成对NoC系统的通信架构测试;采用Verilog语言完成测试模型的设计,并且在基于FPGA的NoC系统平台上实现了对NoC系统的通信架构的测试;实现结果表明该测试方法在面积开销增加少于4%的情况下,不仅实现了100%的故障覆盖率,而且将测试时间降低到35.2ms。     

基于云模型进化算法的硅通孔数量受约束的3D NoC测试规划研究

针对硅通孔(TSV)价格昂贵、占用芯片面积大等问题,该文采用基于云模型的进化算法对TSV数量受约束的3维片上网络(3D NoC)进行测试规划研究,以优化测试时间,并探讨TSV的分配对3D NoC测试的影响,进一步优化3D NoC在测试模式下的TSV数量。该方法将基于云模型的进化算法、小生境技术以及遗传算法的杂交技术结合起来,有效运用遗传、优胜劣汰以及保持群落的多样性等理念,以提高算法的寻优速度和寻优精度。研究结果表明,该算法既能有效避免陷入局部最优解,又能提高全局寻优能力和收敛速度,缩短了测试时间,并且优化了3D NoC的测试TSV数量,提高了TSV的利用率。     

基于蚁群算法的数字微流控生物芯片污染故障在线清除

生化分析领域对数字微流控生物芯片的可靠性要求严格,对实验中污染故障进行清除,能够保证复杂生化实验分析结果的准确性。提出基于最大最小蚁群算法的污染故障在线清除策略,完成污染清除,同时降低清洗污染单元时间。方案针对数字微流控生物芯片污染故障建立MTSP模型,建立基于流体和时间约束的禁忌判断策略,采用最大最小蚁群算法,重新定义概率选择函数与信息素更新策略,实现清洗液滴路径规划、快速清除污染故障的目的。实验结果表明,该方案能有效地减少清洗时间,且与MCC方案相比较,能够有效减少阵列单元使用数目。     

蚁群算法的数字微流控生物芯片污染故障清除

数字微流控生物芯片在生物化学分析中有良好的应用前景,为保证复杂生化实验分析结果的准确性,需对污染故障进行清除.提出了基于最大最小蚁群算法的污染故障清除策略,对清洗液滴清洗路径进行路径寻优.针对数字微流控生物芯片污染故障建立多旅行商问题(MTSP)模型,建立了基于流体和时间约束的禁忌判断策略、蚁群算法的选择策略,实现了优化清洗液滴路径规划、清除污染故障的目的.实验结果表明:该方案能有效地减少清洗时间,能够有效减少阵列单元使用数目.