基于FPGA的新型强弱混合型PUF电路设计

物理不可克隆函数(PUF,physically unclonable function)通过提取芯片制造过程中无法避免引入的工艺偏差,可产生具有随机性、唯一性和防篡改特性的特征密钥.通过对PUF电路结构和工作原理的研究,提出一种基于现场可编程门阵列(FPGA,field-programmable gate array)...     

基于多值开关-信号理论的三值低功耗动态异或/同或电路设计

通过对多值开关-信号理论(Multiple-value Switch-signal Theory,MST)和三值异或/同或(XOR/XNOR)电路工作原理的研究,本文提出具有预充电功能的三值低功耗动态异或/同或电路的设计方案.该方案通过在预充电阶段将输出信号预充至逻辑值"1",避免电路级联电荷再分配;采用开关级逻辑结构消除输出悬空态,保证输出信号具有完整的逻辑摆幅和高噪声容限.PSPCIE模拟验证所设计电路逻辑功能正确,低功耗特性明显.     

基于R-2R梯形网络数模转换器的高可靠性PUF电路设计

通过分析数模转换器输出电压的非线性特性,提出一种新型的PUF电路,即DAC-PUF电路。电路设计过程中借助灵敏放大器将偏差信号进行放大,使得DAC-PUF电路具有高鲁棒性。在TSMC 65nm CMOS工艺下对电路进行设计,版图面积为86.06μm× 63.56μm。蒙特卡洛仿真结果显示DAC-PUF电路在不同工作条件下可靠性为98%。     

基于GM-Markov模型的线缆温度预警系统设计

针对电力线缆分布情况复杂、缺乏全面有效预警手段等问题,提出基于灰色马尔科夫(GM-Markov)模型的线缆温度预警系统。首先分析温度预警系统设计总体结构以及数据通信方式,通过采用LoRa和GPRS相结合的方式,保证数据采集的可靠性;其次,通过灰色马尔科夫模型预测线缆温度,将预测结果用线缆温度预警模型进行故障判断,提高预警系统准确性;最后,通过实验验证线缆温度预警的可行性,并构建线缆温度分级预警平台,实现将各种故障信息及时推送给企业管理人员,达到实时预警的目的。     

包含无关项逻辑函数的固定极性转换

通过对Boolean逻辑和RM((Reed-Muller)逻辑的研究,针对Boolean逻辑函数SOP(Sum-of-Products)展开式中无关项取舍不确定的特点,结合快速列表技术,提出一种包含无关项逻辑函数的固定极性转换方法。该方法首先求出最小项和无关项的相关与项,然后生成最小项索引表以及无关项索引表,最后搜索无关项取舍,得到最佳固定极性RM(Fixed-Polarity Reed-Muller,FPRM)展开式。通过对10个MCNC Benchmark电路进行测试,结果表明:与不考虑无关项的极性转换方法相比,该方法能有效简化FPRM展开式。     

基于遗传算法的DFRM极性转换

n变量的逻辑函数具有2n个固定极性,而每个极性对应不同的DFRM(Dual Forms of Reed-Muller)逻辑展开式,因此极性直接影响着DFRM电路的面积和功耗.通过对DFRM逻辑展开式和极性转换算法的研究,本文成功地将遗传算法应用于DFRM逻辑电路最佳极性的搜索.对10个较大规模的MCNC Benchmark电路测试表明,所提算法搜索到的最佳极性相对应的DFRM电路,与极性0时的DFRM电路相比,面积和功耗的平均节省分别达到了75.0%和65.2%.     

采用交流能源的低功耗绝热触发器

研究采用交流能源的绝热触发器。首先提出绝热触发器结构并进行了详细分析，然后讨论绝热时序电路的设计，通过扭环形计数器的设计演示了绝热时序电路的设计方法。应用MOSIS的0．25μmCMOS工艺参数，经SPICE模拟证实了设计的电路具有正确的逻辑功能与可观的能量节省。     

基于三值多样性粒子群算法的MPRM电路综合优化

通过对离散三值粒子群算法的研究,提出一种三值多样性粒子群算法以求解MPRM（Mixed-Polarity Reed-Muller,MPRM）电路综合优化问题.首先根据混合极性XNOR/OR展开式的特点和几率换算法则,推导出三值粒子群算法的运动方程,在此基础上,采用广泛学习策略和三值变异操作进行算法改进;然后建立三值多样性粒子群算法的粒子与MPRM电路极性的参数映射关系,结合估计模型和XNOR/OR电路混合极性转换方法,将所提算法应用于MPRM电路的最佳功耗和面积极性搜索;最后对10个PLA格式MCNC Benchmark电路进行测试.结果表明：与已发表的方法相比,该文的优化算法表现出了总体显著性的性能优势.     

基于多策略离散粒子群算法的MPRM电路延时与面积优化

针对大规模混合极性Reed-Muller(Mixed Polarity Reed-Muller,MPRM)逻辑电路的延时与面积优化,提出一种基于多策略离散粒子群优化(Multi-Strategy Discrete Particle Swarm Optimization,MSDPSO)的极性搜索方法.在MSDPSO算法中,对粒子进行团队划分,每个团队既执行不同策略,又相互联系,并行完成探索与开发的双重任务.同时在进化过程中采用高斯调整来激活寻优能力较差的粒子.结合MSDPSO算法和列表极性转换技术,对大规模MPRM电路进行延时与面积极性搜索.最后对PLA格式的MCNC Benchmark电路进行算法性能测试,结果验证了MSDPSO算法的有效性.与离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)算法的优化结果相比较,MSDPSO算法获取的电路延时平均缩短8.43%,面积平均节省38.36%.