考虑NBTI效应的组合电路软错误率计算方法EI北大核心CSCD

工艺尺寸的降低导致组合电路对软错误的敏感性越发突出,由负偏置温度不稳定性(NBTI)效应引起的老化现象越发不容忽视.为了准确地评估集成电路在其生命周期不同阶段的软错误率,提出一种考虑NBTI效应的组合电路软错误率计算方法.首先通过对节点输出逻辑进行翻转来模拟故障注入,并搜索考虑扇出重汇聚的敏化路径;再基于单粒子瞬态(SET)脉冲在产生过程中展宽的解析模型对初始SET脉冲进行展宽,使用NBTI模型计算PMOS晶体管阈值电压增量并映射到PTM模型卡;最后使用考虑老化的HSPICE工具测量SET脉冲在门单元中传播时的展宽,并将传播到锁存器的SET脉冲进行软错误率计算.在考虑10年NBTI效应的影响下,与不考虑NBTI效应的软错误率评估方法相比的实验结果表明,该方法能够平均提高15%的软错误率计算准确度.     

考虑NBTI效应的组合电路软错误率计算方法

工艺尺寸的降低导致组合电路对软错误的敏感性越发突出,由负偏置温度不稳定性(NBTI)效应引起的老化现象越发不容忽视.为了准确地评估集成电路在其生命周期不同阶段的软错误率,提出一种考虑NBTI效应的组合电路软错误率计算方法.首先通过对节点输出逻辑进行翻转来模拟故障注入,并搜索考虑扇出重汇聚的敏化路径;再基于单粒子瞬态(SET)脉冲在产生过程中展宽的解析模型对初始SET脉冲进行展宽,使用NBTI模型计算PMOS晶体管阈值电压增量并映射到PTM模型卡;最后使用考虑老化的HSPICE工具测量SET脉冲在门单元中传播时的展宽,并将传播到锁存器的SET脉冲进行软错误率计算.在考虑10年NBTI效应的影响下,与不考虑NBTI效应的软错误率评估方法相比的实验结果表明,该方法能够平均提高15%的软错误率计算准确度.     

降低寄存器软错误的静态寄存器重分配方法

针对寄存器交换方法在降低寄存器软错误率过程中,未考虑寄存器分配过程对软错误所带来影响的问题,提出一种基于活跃变量对于软错误影响的静态寄存器重分配方法。首先,引入活跃变量权值来评估其对寄存器软错误的影响;然后,提出两条规则,在进行寄存器交换后对活跃变量进行寄存器的重新分配。该方法在更小粒度的活跃变量层次,进一步降低了寄存器软错误率。实验和分析表明,相对于寄存器交换方法,该策略能进一步降低30%的寄存器软错误率,增强了寄存器的可靠性。     

组合逻辑电路中软错误率的频域分析方法

基于频域的软错误率分析方法可实现快速而精确地分析组合逻辑中软错误的电气屏蔽特性和窗闩屏蔽特性.该方法利用信号和逻辑门的频域特性,计算瞬时错误信号在组合逻辑电路中传播过程.基于频域的分析方法主要分为2个处理步骤:线性系统处理和非线性系统处理.线性系统处理通过电路系统的频率响应来计算输出信号.非线性系统处理瞬时信号的幅度过...     

子词驻留特征在电话语音确认中的应用

语速和插入删除错误是导致自动电话转接系统发生错误的重要原因。该文给出一种基于子词似然比(LLR)和子词驻留特征融合的语音确认方法减少上述错误。提出基于最小分类错误准则方法求取子词特征融合参数。电话转接系统实验结果表明,采用子词驻留特征能有效提高语音确认效果,与LLR方法相比,名称关键词的等错误率下降3.35%,数字串关键词的等错误率下降4.05%。     

笛卡尔积运算对数据库数据质量的传递影响

本文在属性粒度给出了数据质量评价模型,定义了正确性评价指标.在分析属性量化前后错误率不同和假设错误出现随机性的基础上,给出了两种错误率之间的定量关系.还研究了笛卡尔积运算的质量传播关系,并分别用属性量化前后错误率进行了量化表示.     

多通道多模式融合LBP特征的纹理相似度计算

纹理相似度计算是大数据分析和数据挖掘的基本手段之一。为现有纹理特征对彩色图像鉴别能力不强的问题,提出了一种改进LBP特征的纹理相似度计算方法。该方法提出了极值模式、求和模式和编码模式三种特征融合模式,对彩色图像的H、S和V三个通道上获取的LBP特征进行融合,得到彩色图像的纹理描述特征。融合操作在邻域像素点LBP计算、中心像素点LBP计算、直方图特征提取三个阶段进行,提高特征鉴别能力。在VisTex纹理数据库上进行纹理相似度计算实验,结果表明该方法的错误接受率、错误拒绝率和等错误率明显低于文献[7,8,9]所述方法。     

SER-Tvpack:基于软错误率评估的SRAM型FPGA的装箱算法

为了提高基于SRAM的FPGA(SFPGA)上的容软错误能力,提出了一种基于软错误率(soft error rate,SER)评估的装箱算法SER-Tvpack.通过结合软错误率的两个组成部分错误传播率(error propagation probability,EPP)和节点错误率(node error rate,NER),得到软错误评估标准SER的估算值,并将该值作为可靠性因子加入到代价函数中指导装箱过程,以减少装箱后可编程逻辑块(configuration logic block,CLB)之间互连的软错误率,从而提高设计的可靠性.对20个MCNC基准电路(最大基准电路集)进行实验,结果表明,与基准时序装箱算法T-Vpack及已有的容错装箱算法FTvpack相比较,软故障率分别减少了14.5%和4.11%.而且,与F-Tvpack比较,在仅增加0.04%的面积开销下,减少了2.31%的关键路径的时延,提供了较好的时序性能.     

十字形QAM信号的符号错误率计算方法

针对十字形正交幅度调制(QAM)信号的符号错误率计算问题,提出一种通用的计算方法.根据十字形星座图的特点,采用基于判决门限的区域划分方法进行符号错误率计算,给出高斯白噪声信道和瑞利衰落信道下通用的十字形QAM的符号错误率的理论边界.分析和仿真结果表明,给出的符号错误率为十字形QAM的误码率评估提供了一个准确的参考.     

基于可信度的投票法

可信度投票法不仅使用了基分类器输出的类别,还使用了输出的可信度．推导了该方法训练错误率的界以及期望错误率的界．发现为了最小化期望错误率的界,应该使用错误独立的基分类器,如果基分类器的错误率不是很高,这个界以指数级速度随着基分类器错误率的降低而降低,而且这个界随着投票次数的增加也会下降．在最小化训练错误率的界的意义下,得到了一种权值分配方法．把这个方法应用于一种Bagging算法：AB,得到了综合分类算法CAB．使用UCI机器学习数据集中的数据,通过实验验证了CAB的有效性．     

基于渐近优化检测器的数字水印最佳检测阈值的确定

数字水印系统中检测阈值的大小会影响到检测器的检测效果。渐近优化检测器是一种采用Rao检验方式的盲水印检测算法,但其检测阈值是完全凭经验人为设定的,为了使渐近优化检测器阈值的确定客观与精确,利用最小差错概率准则对检测阈值进行了理论分析,并具体给出了一个水印检测系统错误率达到最小的最佳检测阈值的计算公式。实验结果表明,该方法能使水印检测系统的错误率在理论上达到最小,同时检测阈值的大小具有自适应性和客观性。     

基于门限动态调整的最优协作检测方法

为提高协作频谱感知的检测效率、减少系统的反馈开销,提出一种基于门限动态调整的最优协作检测方法。在单节点检测错误概率最小的情况下,导出能量检测中门限值与信噪比的关系表达式,利用二分法求得不同信噪比下的动态门限值。根据系统恒虚警率和恒检测率计算最优协作用户数,并与动态门限值相结合得到系统检测错误概率。仿真结果表明,该方法协作检测概率较高,检测错误概率较低。     

基于边缘化粒子滤波的红外小目标检测跟踪

针对红外探测系统中单帧红外图像中低信噪比小目标检测问题,提出一种基于边缘化粒子滤波算法的检测前跟踪方法.该方法根据混合状态滤波的思想,直接利用原始图像数据,采用粒子数确定的持续概率密度函数和新生概率密度函数,推导出目标存在的概率.对没有出现在量测方程中的线性状态变量边缘化,用卡尔曼滤波器进行时间更新.实验结果证明,该方...     

基于增强蚁群优化的海量规模MIMO系统快速检测算法

大规模MIMO系统的符号向量检测算法计算复杂度较高,对此结合粒子群优化与蚁群优化提出一种低计算复杂度的海量规模MIMO系统快速检测算法。首先,推导出一种新的概率搜索模型,将基于距离的蚁群搜索与基于速度的粒子搜索结合;然后,将ACO距离指标与PSO的方向、速度指标结合生成一种新的概率指标,将ACO的信息素更新步骤变为PSO速度的更新;最终,将MIMO检测问题建模为路径寻找问题,寻找MIMO符号检测问题的次优解。对比仿真实验结果表明,本算法的检测性能优于部分传统算法以及其他新颖的MIMO检测算法,在获得与最大似然估计检测法接近的误码率性能下,具有极快的计算速度,适用于海量规模的MIMO系统。     

Universal background modeling for acoustic surveillance of urban traffic

Traffic congestion in modern cities is an increasing problem having significant consequences in our daily lives. This work proposes a non-intrusive, passive monitoring framework based on the acoustic modality which can be used either autonomously or as a part of a multimodal system and provide valuable information to an intelligent transportation system. We consider a large number of audio classes which are typically encountered in urban areas. We introduce a combination of a powerful audio representation mechanism based on time, frequency and wavelet domain features with universal background modeling which leads to higher recognition accuracies and detection rates (in terms of false alarm and miss probability rates) with respect to commonly employed methodologies. The basic advantage of a class-specific model derived using the universal background modeling logic is its tolerance to data which belong to other sound classes. Another important feature of the proposed system is its ability to detect crash incidents, which apart from their catastrophic impact on human life and property, have negative consequences on the traffic flow. Our experiments are based on the concurrent usage of professional sound effect collections which include audio recordings of high quality. We thoroughly examine the performance of the proposed system on isolated sound events as well as continuous audio streams using confusion matrices and detection error trade-off curves.     

常规多传感器系统的分布检测融合方法研究

着重研究多传感器分布检测系统中融合中心的各种信息融合方法,包括"and"、"or"逻辑、表决融合规则和基于最小错误概率准则的一般融合方法.最后对各种融合方法进行了仿真比较.     

光电跟踪系统临界探测概率研究

光电跟踪系统的估计性能随着探测概率的下降而降低,是否存在一个临界探测概率,当跟踪系统的实际探测概率高于临界探测概率时,跟踪系统统计意义下的估计误差协方差对任意估计初值均收敛是跟踪系统设计时的一个关键问题。本文证明了跟踪系统临界探测概率的存在性,并且给出了临界探测概率的一组上下界,其上界被描述成一个非线性矩阵不等式(NMI)的最优解,其下界仅与跟踪系统状态转移矩阵的特征值有关。进一步利用摄动线性化方法给出了求解临界探测概率上界的一种迭代线性矩阵不等式(ILMI)算法,并且对跟踪系统在三种标准测试场景中的临界探测概率上界进行了仿真求解,仿真结果表明:当跟踪系统的探测概率高于50%时,其统计意义下的估计误差协方差对任意估计初值均收敛,这为跟踪系统探测概率的设计提供了理论依据。     

基于超级节点MAC中继的复域分布检测非正交网络编码

为解决正交通信过程存在的数据发送等待问题,提出一种基于超级节点多接入信道（MAC）中继的复域分布检测非正交网络编码策略。首先,对经典正交信道分布检测技术进行介绍,并针对其存在的问题,使用中继MAC无线传感器网络,把复数域网络编码技术应用在无线传感器网络中,有助于实现协同分集降低信道衰落不利影响。其次,针对中继MAC复数域网络编码正交信道分布检测技术,基于传感器的虚警率和检测概率,提出结合网络符号差错概率的最大似然（ML）最佳传感器标签选择算法,降低误差概率,同时通过超级节点近似,获得中继功率和总发射功率的公平分配。仿真结果显示,该算法在非正交网络编码检测中,检测率指标可达到91.3%,而错误率指标仅为25.1%。实验结果表明,该算法可以有效地提高非正交网络编码算法在实际应用中的检测性能。     

基于自编码器的网络异常检测研究综述

网络入侵检测技术是指对危害计算机系统安全的行为进行检测的方法,它是计算机网络安全领域中的必不可少的防御机制。目前,基于有监督学习的网络异常入侵检测技术具有较高的效率和准确率,该类方法获得了广泛关注,取得了大量的研究成果。但是这类方法需要借助大量标注样本进行模型训练。为减少对标注样本依赖,基于无监督学习或半监督学习的网络入侵检测技术被提出,并逐渐成为该领域的研究热点。其中,基于自编码器的网络异常检测技术是这方面技术的典型代表。该文首先介绍了各类自编码器的基本原理、模型结构、损失函数和训练方法。然后在此基础上将其分为基于阈值和基于分类的方法。其中,基于阈值的方法用又可分为基于重构误差和基于重构概率两类。合适的阈值对异常检测技术的成败至关重要,该文介绍了三种阈值的计算方法。接着对比分析了多个代表性研究工作的方法、性能及创新点,最后对该研究中存在的问题做了介绍,并对未来的研究方向做了展望。     

检测门限与中继用户配置的快速优化

在基于数据融合的协作频谱感知中,检测门限与中继用户是影响总错误率的主要因素。为避免采用复杂度高的全搜索方法,分别提出检测门限快速优化算法以及中继用户快速优化算法。前者依据总错误率的单调性,采用二分法逐步逼近最佳检测门限;后者根据贪婪思想,渐次选择一个最佳中继用户直至总错误率不再降低。仿真结果表明在保证高频谱感知性能的前提下,两者搜索次数均远低于全搜索方法。