基于视觉显著性的AMOLED显示器多区域功耗优化

AMOLED显示器作为嵌入式设备的高功耗组件,其功耗由显示内容中所有像素点的像素值决定,同时人类视觉系统通过视觉关注机制对显示内容的重要区域优先解读,对非重要区域关注较低.基于上述特性,本文提出基于视觉显著性的AMOLED显示器多区域功耗优化方法,方法的核心是通过视觉显著性算法对显示内容的重要区域进行提取,根据图像重要区域的特征图对AMOLED显示内容进行多区域划分,最后基于视觉关注度对各区域进行动态像素调节,在不降低显示内容整体视觉效果的同时最小化显示功耗.最后,通过多组图像测试,结果表明在保持图像较好的视觉效果的同时可以降低图像显示功耗.     

基于PNN的GIS局部放电模式识别方法

气体绝缘开关设备(GIS)因绝缘缺陷引起的局部放电特性具有复杂性和分散性,其特征量的选取易产生数据的丢失和冗余,导致故障类型的识别效果不佳.据此,提出了采用线性判别分析(LDA)方法和遗传算法优化概率神经网络结合的局部放电模式识别方法.通过GIS局部放电实验平台模拟了5类典型的GIS局部放电模型,并建立相应的超高频图谱,提取了相关的特征参量;经过线性判别分析降维得到低维的样本空间,并送入到遗传算法优化后的概率神经网络中进行模式识别;分别采用BP神经网络、SVM、概率神经网络、优化概率神经网络4种分类器进行模式识别,实验结果表明,样本空间经过LDA降维,并经过遗传算法优化概率神经网络进行模式识别,具有较优的识别效果和识别时长.     

GPU内置传感器的功耗数据矫正方法研究

功耗数据采集是绿色计算的前提,也是软件能耗测量的基础工作。在功耗数据采集中,通常内置功率传感器采集软件能耗面临功率迟滞、程序能耗受启动时间影响等问题,产生的原因在于内置传感器的硬件构成及其使用的功耗算法。该文针对内置传感器的功耗算法问题,提出了一种基于逼近函数的功率数据矫正方法。该方法根据程序运行时间长短,分别采用数据拟合方法和基于误差方向的逼近函数进行矫正。最后,在代表性的K20系列GPU实验平台上进行验证,实验结果表明该方法能较好地解决传感器采集功耗数据存在的问题,且使用该方法和经验参数法获得的能耗数据相比误差小于1%,具有较高的精度。