考虑工艺波动影响的RLC互连统计延时

该文提出了一种考虑工艺波动的统计RLC互连延时分析方法。文中首先给出了考虑工艺波动的寄生参数和矩的构建方法,然后基于Weibull分布给出了RLC互连的统计延时模型。所提方法同样适用于已有的延时模型如Elmore模型,等效Elmore模型和D2M模型。通过对几种模型的比较,表明,基于Weibull分布的RLC互连的统计延时模型是最精确的,和HSPICE相比,50%延时误差最大0.11%,蒙特卡洛分析中的均值和平均偏差误差最大2.02%。     

工艺浮动下数字门电路延时建模研究

作为一种有望解决工艺浮动下数值电路时序问题的技术,基于模块的统计静态时序分析(SSTA)需要特殊形式的门延时模型。虽然多数研究都假设能够获得这些特殊形式的模型,对于一个完整的数字库建立这必不可少的模型却不是一件简单的事。为了在不花费不可承受的代价的前提下,获得一个精度可以接受的库,我们提出利用一些具有更一般形式的数字门延时模型作为电路仿真数据和特殊形式的门延时模型的中介。在本工作中,我们提出了两个工艺浮动下可以同时考虑不同的驱动及负载条件的门电路模型。从实验结果来看,这两个模型,特别是其中那个结合了有效维度降低技术的可理解门延时模型可以以较低的代价提供较高精度的模型,因此适用于SSTA技术。同时,这些模型也可以用在其他形式的SSTA技术中。     

双光子Jaynes－Cummings模型的亚泊松光子统计特性研究

本文利用量子电动力学理论和缀饰原于方法，对双光子Ｊａｍｅｓ－Ｃｕｍｍｉｎｇｓ模型中单模激光场的稳态亚泊松光子统计性质进行了系统研究。结果表明：激光上能级相对泵浦参量Ｘａ具有一个确定的阈值Ｘａｔ；当Ｘａ＞Ｘａｔ时，光场呈现亚泊松光子统计；而当Ｘａ＞＞Ｘａｔ时，光场将呈现出深度且完全恒定的亚泊松光子统计。     

基于主成分分析的CO2统计反演方法

二氧化碳（CO2）卫星遥感中,大气环境因素是影响反演精度的重要原因,目前反演条件通常限制在气溶胶光学厚度小于0.3的情况。我国大气气溶胶高值情况较为普遍,对大气条件的较高要求将严重影响我国CO2卫星遥感数据的应用能力。针对这种情况,利用基于主成分分析法对中国京津地区高气溶胶光学厚度的大气CO2反演,得到的CO2柱浓度与2013年、2014年GOSAT-Level2产品进行对比分析,均方根误差分别为0.65%和0.46%,相关性分别为0.77和0.93。     

非波动方法建模5.3GHz移动通信系统的路径损耗

根据电磁波传播的随机射线理论和渗流网格理论,得到Euclid距离和Manhattan距离度量下的二维随机网格信道中的路径损耗模型,式中参数具有明确的物理意义.使用此模型分析了视距和非视距情况下5.3GHz移动通信系统的功率分布特征.与实测数据进行比较,结果发现使用Euclid距离度量和Manhattan距离度量进行建模,所得的数值解与实际测量结果的均方误差在可以接受的范围内,证明了此模型的准确性和有效性.     

一种基于机器学习的众工艺角延迟预测方法

在不同工艺角下,关键路径呈现显著差异,因此需要进行大量的静态时序分析,从而导致时序分析运行时间较长。与此同时,随着工艺尺寸的缩小,静态时序分析的精度问题变得不容忽视。本文提出一种基于机器学习的适用于众工艺角下的延迟预测方法,考虑工艺、电压和温度对时序的影响,利用基于自注意力Transformer模型对关键路径进行全局聚合编码,预测众工艺角下关键路径的统计延迟。在EPFL基准电路下进行验证,结果表明该方法的平均绝对误差范围为5.8%～9.4%,有良好的预测性能,可以提高时序分析的准确度和效率,进而缩短数字电路设计周期和设计成本。     

Projection spectral analysis: A unified approach to PCA and ICA with incremental learning

Projection spectral analysis is investigated and refined in this paper, in order to unify principal component analysis and independent component analysis. Singular value decomposition and spectral theorems are applied to nonsymmetric correlation or covariance matrices with multiplicities or singularities, where projections and nilpotents are obtained. Therefore, the suggested approach not only utilizes a sum-product of orthogonal projection operators and real distinct eigenvalues for squared singular values, but also reduces the dimension of correlation or covariance if there are multiple zero eigenvalues. Moreover, incremental learning strategies of projection spectral analysis are also suggested to improve the performance.     

基于ELM和PCA的汉语数字语音识别研究

传统BP网络在语音识别应用中存在训练时间长,容易陷入局部极小值等问题,针对上述问题,本文建立一种基于ELM的语音识别系统。ELM是一种快速的单隐层前馈神经网络(SLFN)训练算法,将该算法与单隐层BP网络进行实验比较。实验中对提取的特征矩阵采用主成分分析(PCA)算法进行降维,该算法有效地提取了语音信号的主要成分。实验结果表明在训练时间上,ELM明显优于BP算法,在识别率上,ELM优于BP算法。     

基于BP神经网络的近红外光谱法鉴别芝麻油品牌的研究

研究了一种用近红外光谱分析技术快速鉴别芝麻油品牌的方法。首先对芝麻油样品的近红外光谱采用主成分分析法进行聚类分析,加结合人工神经网络技术进行芝麻油品牌的鉴别。通过主成分分析,得到前15个主成分的累计可信度达到99.72%,再将55个校正集样品的前15个主成分数据作为BP网络输入变量,建立一个3层BP人工神经网络的芝麻油...     

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。     

BOTDA传感系统的布里渊频移提取方法研究进展

随着布里渊光时域分析(BOTDA)传感技术在许多大型基础工程设施安全监测中的广泛应用,对测量精度和实时性的要求日益提高.采用传统的最小二乘曲线拟合方式对布里渊散射谱进行布里渊频移提取,其测量结果的精度依赖于参数初始值的选取和噪声的影响,并且拟合算法的参数迭代求解过程增加了数据处理的时间,降低了工程实时性.文章综述了多种非线性参数优化估计的曲线拟合算法和基于神经网络的布里渊散射谱特征提取的混合优化算法,介绍了无需经过曲线拟合的互相关法(XCM)、深度学习法(DL)和亚像素级精度的重心提取算法(CDA),这些算法能适应更大的扫频步长,实时性更好.     

一种新的智能性天线方位角计算及小区覆盖分析方法

在移动通信网络中天线方位角和小区覆盖发生偏差是影响移动通信质量的关键因素,传统采用人工测量或路测方式核查,耗时耗力。本文提出了一种新的智能性天线方位角计算及小区覆盖分析方法,该方法基于OMC中大量手机实测数据,计算天线方位角及偏差,从电平分布、采样点分布、干扰分类等多种因素来分析小区覆盖问题,同时基于GIS平台进行地图定位及呈现。该方法相比传统测量方法具有智能性、成本低、精度高的特点,已在实际系统中得到证实。