适应于自动驾驶的计算结构与平台综述

信息与通信技术领域的不断发展,推动了自动驾驶汽车的巨大进步。自动驾驶汽车有效解决了用户对出行日益提高的安全、便捷、舒适、高效等个性化需求,有着巨大的商业前景和应用价值。首先从自动驾驶的定义出发,对自动驾驶汽车计算任务进行了分类总结,阐述了自动驾驶汽车集移动端、边缘节点和云端一体的计算结构。然后分类讨论了目前自动驾驶汽车移动端计算平台,呈现出异构多核的特点,并对当前主流的底层计算平台进行了对比分析。最后,从性能与成本和信息安全两个方面总结目前自动驾驶汽车计算结构和平台遇到的问题与挑战。     

Keccak算法|海绵结构|哈希算法|可重构|现场可编程门阵列

在分析研究Keccak算法的基础上,针对现有Keccak算法的硬件实现方案版本单一,应用不灵活的问题,设计了一种高性能可重构的Keccak算法硬件实现方案。实验结果表明:该方案在Xilinx 公司的现场可编程门阵列(FPGA)Virtex-5平台上的时钟频率可达214MHz,占用1607slices;该方案具有吞吐量高(9131Mbps),应用灵活性好,可支持4种不同参数版本的优点。     

面向FlexRay-CAN异构网络的帧封装研究

FlexRay-CAN互连的异构网络是当前汽车网络的一个研究热点,本文旨在提高FlexRay-CAN异构网络的带宽利用率,对帧的封装算法进行研究.现有的帧封装算法主要面向单独的CAN或FlexRay网络,对具有FlexRay-CAN网关的异构网络的研究较少.本文对FlexRay-CAN网络中的网关信号进行实时性分析,建立了实时性约束模型,最终提出一种面向FlexRay-CAN异构网络的帧封装算法FCFP.文中最后对FCFP算法进行性能评估,实验结果表明该算法在满足实时性的条件下能够有效的提高网络的带宽利用率.