低测试逃逸的晶圆级适应性测试方法

为了降低集成电路中测试成本,提高测试质量,该文提出一种低测试逃逸率的晶圆级适应性测试方法。该方法根据历史测试数据中测试项检测故障晶粒的有效性筛选测试集,降低待测晶圆的测试成本。同时,分析晶粒邻域参数波动程度,将存在波动晶粒的参数差异进行放大并建模,提高该类晶粒质量预测模型的分类准确率;无波动的晶粒使用有效测试集建模的方法进行质量预测,减少测试逃逸的风险。根据实际晶圆生产数据的实验结果表明,该方法可以明显降低晶圆的测试项成本40.13%,并保持较低的测试逃逸率0.0091%。     

Test Development Through Defect and Test Escape Level Estimation for Data Converters

Testing integrated circuits (ICs) is understood as the task of filtering out defective ICs that violate data sheet specifications. The costs of this filter comprise both the direct cost of testing a device and the indirect cost of test escapes and test yield–loss. For analog and mixed-signal devices, such as data converters, traditional methods of estimating the defect and test escape levels require large sample sets of devices. This is because the defect level induced by manufacturing process variations is typically low. In this work, a model-based method of estimating defect and test escape levels is described. For this method, a small set of sample devices is sufficient, as we first derive a manufacturing process model which is then used to simulate the manufacturing of a large number of devices. These simulation results are subsequently used for the purposes of estimating the defect and test escape levels, as well as the test-related yield–loss when applying a given test. With these estimates, the quality and indirect costs of a test can be determined as a function of the test limits and guard-bands applied in production test.     

A Novel Adaptive Algorithm for Real-Time Image Enhancement

Aiming at the limitation of the traditional algorithm of unsharp masking for image enhancement, we deduce the function to get the coefficient for controlling image enhancement based on the unsharp masking and Gaussian operator. Then we propose a novel adaptive algorithm for real-time image enhancement, and analyze the way for realizing the algorithm by hardware. At last contradistinctive experimental results are given of the algorithm and other algorithms for image enhancement. The results show that we can enhance detail regions of image to the greatest extent, avoid excessive overshoot in edge regions, and minimize the degree of enhancement in uniform regions. A pleasant result is achieved by using the proposed algorithm. Furthermore, it can be realized simply by hardware. Accordingly, we can enhance image effectively to satisfy real-time demand.     

A Polynomial Approximation Algorithm for Real-Time Maximum-Likelihood Estimation

Maximum-likelihood estimation subject to nonlinear measurement functions is generally performed through optimization algorithms when accuracy is required and enough processing time is available, or with recursive filters for real-time applications but at the expense of a loss of accuracy. In this paper, we propose a new estimator for parameter estimation based on a polynomial approximation of the measurement signal. The raw dataset is replaced by $n+ 1$ independent polynomial samples (PS) for a smoothing polynomial of order $n$, resulting in a reduction of the computational burden. It is shown that the PSs must be sampled at some deterministic instants and an approximate formula for the variance of the PSs is also provided. Moreover, it is also proved and illustrated on three examples that the new estimator which processes the PSs is equivalent to the standard maximum-likelihood estimator based on the raw dataset, provided that the measurement function and its first derivatives can be approximated with a polynomial of order $n$. Since this algorithm proceeds from a compact representation of a measurement signal, it can find applications in real-time processing, power saving processing, or estimation based on compressed data, even if this latter field has not been investigated from a theoretical perspective. Its structure which is made up of several separate tasks is also adapted to distributed processing problems. Because the performance of the method is related to the polynomial approximation quality, the algorithm is well suited for smooth measurement functions like in trajectory estimation applications.      

位移估计自适应滤波算法

基于“当前”统计模型的基础上 ,利用位移预测估计与实时位移估计间的偏差进行自适应方差调整 ,提出了一种新的自适应滤波算法———位移估计自适应跟踪算法 (AdaptiveFilteringAlgorithmofDistanceEstimation简记为ADE)。大量仿真结果表明 ,采用ADE算法既保持了对机动目标的跟踪性能 ,又显著提高了对弱机动目标及非机动目标的跟踪精度     

基于分层的自适应运动估计算法

提出了一种基于分层的自适应运动估计算法,选取菱形作为搜索模型,提取相邻宏块间的运动矢量关系检验运动状况,对大运动块采用分层结构搜索,其他运动使用小菱形搜索,结合多种提前截止准则,在保证匹配精度的前提下提高了搜索速度.     

自适应逃逸粒子群算法的网络节点覆盖优化仿真

研究无线传感器节点优化选择。传统LEACH分簇算法中,节点选择的随机性很大,没有很好地参考节点中的多个属性,通信的簇头分布也无规律,算法把能量消耗分摊到所有的节点上,一旦选择边沿节点作为簇头,一些节点必须经过长距离的路由转发才能到达簇头,造成通信效率较低。为了避免上述缺陷,提出了一种基于自适应逃逸粒子群算法的网络节点覆盖优化方法。建立自适应逃逸粒子群算法的数学模型,准确描述网络节点覆盖问题。利用自适应逃逸粒子群方法,计算无线传感网络节点最优位置,从而实现网络节点覆盖优化。实验结果表明,这种算法能够实现网络节点覆盖优化处理,从而提高无线传感网络数据传递的效率。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

一种用于实时体绘制系统的自适应采样算法

本文讨论了一种用于体绘制的、支持基于空间跳跃和自适应光线终止等优化算法的高效硬件结构及一种加速半透明物体绘制的新技术.这种硬件结构用于绘制规模为256³体元的数据时可达到70Hz的帧频,但这样的帧频只是在体元的透明度都被置为0(完全透明)或1(完全不透明)的情况下才能取得.引入新的加速技术后,绘制半透明物体的帧频也可接近上述数值.新的加速技术采用自适应采样步长减少体绘制过程中冗余的体元重采样,从而使算法的复杂度和对存储器的带宽要求大大减小.新的加速技术对半透明体数据可取得高达4.7倍的加速比.采用新的加速技术需要在开始交互绘制前对体数据进行距离编码.优化后的距离编码对有8兆体元的体数据的预处理时间仅需要8~30秒.     

基于机动检测的自适应实时时间配准算法

多传感器航迹数据的时间配准是分布式融合处理的前提之一。在几种常用时间配准算法的对比分析中发现,不同算法仅在某种目标运动模型条件下是最优的,而目前的研究大多采用固定某一种配准方法,难以保证目标复杂机动情况下的配准精度。因此提出基于机动检测的自适应实时时间配准算法。融合中心根据传感器航迹数据估计目标加速度以检测目标运动模型的变化,然后采用当前模型对应最优的时间配准算法。仿真结果表明,该算法能够有效降低整体的时间配准误差,性能优于各单一固定的算法。     

一种自适应稀疏度的混合场信道估计算法

针对6G超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)系统信道特性变化造成现有的近场和远场信道估计方案不能准确估计XL-MIMO混合场信道的问题,同时考虑到实际系统中稀疏度难以获取,提出了一种基于分段弱正交匹配追踪的混合场信道估计(Hybrid-field Stagewise Weak Orthogonal Matching Pursuit,HF-SWOMP)算法。该算法利用XL-MIMO混合场中近场和远场区域不同的信道特性,分别对近场和远场信道分量进行估计,从而得到混合场信道。仿真结果表明,所提XL-MIMO混合场信道估计算法性能相对于仅考虑近场和远场信道估计方案分别提高了约3.5 dB和3 dB,更符合实际信道场景。     

一种高斯白噪声中的信道质量自适应估计算法

提出了一种自适应的信道估计算法,适用于线性数字调制信号在高斯白噪声中的情况。该算法是一种盲信噪比估计,应用了模式识别技术。估计在基带完成,完全用软件实现。仿真结果表明,这种方法具有准确度高、占用内存小、计算速度快和所需数据量小等特点,符合实时信道估计的要求。     

基于增强位平面的自适应运动估计算法

提出了一种基于增强位平面的自适应运动估计算法(ABPS)。算法采用位平面的思想,将图像分解为8个增强位平面,在图像的位平面中完成运动矢量的搜索,匹配准则使用简单的布尔函数就可以实现;根据运动矢量场自适应选择搜索起始点和不同的搜索策略进行搜索,同时设定阈值对静止块直接中止搜索。实验结果表明：该算法的搜索点数比全搜索算法提高了95％以上,搜索速度优于绝大多数现有的运动估计算法;且PSNR值比全搜索算法仅相差0．05dB左右,具有较高的搜索精度。     

一种基于贝叶斯决策的自适应运动估计算法

为了提高视频编码运动估计中运动矢量预测的速度和准确性,提出一种基于贝叶斯决策的视频自适应运动估计算法.该算法充分利用贝叶斯理论、运动矢量的空间一致性和己编码帧对当前帧的影响,根据视频中前一帧和当前帧的已搜索宏块的运动信息,以目标宏块周围3个宏块的运动矢量与目标宏块的运动矢量空间距离最小为原则,利用贝叶斯决策来得到目标宏块运动矢量的预测值.实验表明,该方法在图像重建质量基本不变的情况下,比DS,ARPS和ARPS-3具有更快的搜索速度.     

OFDM-UWB系统的自适应联合信道估计算法

提出了一种新的MB-OFDM-UWB自适应联合信道估计算法,该算法首先对基于DFT的信道估计算法进行改进,使其能自适应的调整滤波窗口的大小。然后利用改进后的算法与梳状导频估计相结合。算法的优点在于能根据不同的信道的统计特征,自适应调整滤波器窗口的大小,从而减少了噪声对信道估计的影响,并保留了梳状导频估计能快速跟踪信道变化的特性。仿真结果表明,该算法能很好地适用于UWB室内信道。     

有效的自适应波达方向盲估计算法

本文在分析自适应信号盲分离算法渐近稳定性基础上,提出了一种有效的自适应学习算法用于波达方向盲估计。研究了算法的有界性和渐近稳定性。以渐近稳定性为前提,给出了算法中非线性函数的适当选择。为了抑制噪声和估计信源数,在算法中还增加了白化过程。仿真研究表明,算法是有效的而鲁棒的,其能够从有操声的阵元信号中估计波达方向。     

自适应功率估计算法的计算机仿真

本文提出并建立了一种称之为功率估计算法的ＭＴＩ滤波算法,与现有的自适应算法相比,它具有结构简单,易于工程实现之优点。基于这个算法已构成了一个最优低阶自适应ＭＴＩ系统的模型,计算机仿真结果表明,这个系统的性能十分逼近于理想系统,从而证明了新算法的正确性和可行性。     

RLS算法自适应信道估计的性能分析

文中首先介绍了基本的RLS算法,分析了RLS算法中的初始化系数δ和遗忘因子λ对RLS算法收敛性能的影响。通过仿真可以看出,在相同的信噪比下,不同的δ对应不同的收敛性能。而不同的λ对收敛性能也有较大的影响。     

一种基于自适应模板的运动估计算法

在对H.264参考模型JM10.2中采用的非对称十字多重六边形网格搜索(UMHexagonS)运动估计算法进行详尽分析的基础上,提出了针对非对称动态十字搜索、5×5模板搜索和非均匀多层次六边形格点搜索模式三方面的改进措施来优化算法.该自适应模板运动估计算法可显著减少运动估计所需搜索点数,实验表明,本文算法可在图像质量和码率基本不变的前提下平均可节省30％运动估计时间.     

稳健估计的自适应信号处理方法

本文把应用数学学科研究的热门方法之一“稳健估计”应用于自适应信号处理系统中，理论分析和计算机模拟结果都证明ＲＥ方法在实际应用中，基本保持了最小二乘估计的优点。