一种面向无源RFID电子标签的电流灵敏放大器设计

提出了一种适用于无源射频识别RFID电子标签中多次可编程MTP非易失性存储器NVM的新型电流灵敏放大器结构。该电路在不增加面积的情况下具有低功耗、高速度、高可靠性和高灵敏度的优越性能。基于GSMC 0.13μm CMOS工艺下的仿真结果表明,新型灵敏放大器在-40℃~80℃的环境下具有很高的读取速度,且能够工作在低电压（0.8 V）下。在1.2 V工作电压、27℃室温下电路的读出延时是10.5 ns,平均功耗为6.1 μW@25MHz,分辨率可达到33 nA。     

一种面向RAID阵列的SSD设计优化方法

随着大数据时代的到来,固态硬盘已经逐渐在大型数据中心得到应用。作为使用最广泛的RAID技术,RAID5也开始应用于固态硬盘阵列,以保证数据的可靠性。然而,RAID5中校验信息需要频繁地更新,尤其在随机访问中,频繁地更新校验信息将会对固态硬盘阵列的性能和寿命造成很大的影响,针对此问题,提出PA SSD(Parity Aware Solid State Disk)控制器设计,从RAID5控制器得到校验信息的逻辑地址,在SSD控制器中设置一个缓存Pcache,暂存更新后的校验信息,并在SSD中将数据和校验分开布局,设置专门的区域存放校验信息。通过实验仿真测试,提出的方法能有效地减少校验信息对SSD的写操作,并且减少了SSD的擦除次数,提升了SSD阵列的性能和寿命。     

一种高性能FPGA辐射发射抑制方法研究

随着半导体技术的不断发展,集成电路的电路速度、集成密度和I/O端口数量已大大增加,FPGA的小型化、高密度集成会引发电磁兼容性的问题,电磁屏蔽是抑制电磁辐射最有效的方法,选择高效的电磁屏蔽材料可以取得良好的屏蔽效果。而目前电磁屏蔽材料在FPGA上的应用较少,因此选取了一款具有代表性的高性能FPGA作为研究对象,通过近场扫描测试来研究不同状态下FPGA的电磁辐射发射问题;针对芯片的特点,选取了复合金属屏蔽罩和吸波导电海绵作为电磁屏蔽材料,对FPGA的辐射发射进行抑制。进一步的实验结果表明,由金属材料复合而成的屏蔽罩具有更好的屏蔽效能,达到了10 dBm,相比之下,吸波导电海绵的压缩性和结构稳定性更有助于FPGA在多场景下应用。     

大规模数据流统计中冷热流替换策略优化

对大规模数据流统计的问题进行了研究,针对大流统计的典型结构Elastic Sketch替换策略中存在的问题进行优化,优化策略解决了冷流被误判为热流插入重部的问题.针对重部中保存的不一定是最大流的问题进行优化,提出了基于最大值和组相连的替换策略,保证了存储在重部的一定是最大的流,提高了大流统计的精度,同时大大降低了热碰撞发生的概率.相比于传统的测量统计方法,在提高了测量精度的同时,减少了内存占用.     

轻量级安全内存：RISC-V嵌入式微处理器安全增强

近年来,针对嵌入式设备中硬件的新型攻击不断出现,严重威胁嵌入式设备的安全.特别是随着非易失性存储器开始被配备到嵌入式设备中,就需要考虑如何保护配备非易失性存储器的嵌入式设备的安全.安全内存,就是这样一种通过保护内存来增强嵌入式设备安全性的有效手段.通过设计一种安全内存加密引擎来实现安全内存.在保证该安全内存加密引擎足够轻量、开销低的同时,将其集成到RISC-V嵌入式微处理器中,并通过FPGA对该安全内存加密引擎进行了评估.评估结果表明,安全内存加密引擎能够在提升RISC-V嵌入式微处理器安全性的同时,保证其合理的访存性能以及较小的面积开销.研究结果具有良好的参考价值和应用前景.     

无线数据中心网络：进展、挑战和展望

随着动态数据流量的迅速增长,庞杂的有线数据中心网络架构给网络扩张、能耗管理和运营维护等方面均带来了巨大的挑战。高速无线技术具有高带宽、动态连接且灵活可控的特征优势,成为一种潜在的数据中心组网解决方案,可以缓解数据中心长期存在的流量拥塞热点问题,减少部署和维护光缆所花费的时间、精力和成本。首先介绍了当前数据中心网络架构的发展趋势,分析比较了毫米波、太赫兹和自由空间光作为无线数据中心网络候选高速无线技术的优缺点。然后深入讨论了当前典型的无线数据中心网络架构,阐述了无线数据中心网络设计和部署面临的挑战,并对其未来发展方向进行了展望。     

SAR成像应用特征分析及硬件设计空间讨论

合成孔径雷达SAR是一种主动式的对地观测系统.近年来SAR逐渐朝着多平台化发展,陆续出现了在无人机、探测车等小型移动平台上.SAR成像是运行在SAR上的成像程序,由于新的特殊运行环境的出现、其对低能耗和高算力有了更严格的要求.如何针对特定的平台,提供高性能、低功耗的应用支持,便成为其核心要点.对SAR成像计算和访存等特征进行了分析,针对性地进行了程序优化并测试了该程序在x86平台上的性能,以获得可靠的性能参考.在此基础上,面向DSP+FFT加速器的硬件结构,构建了一个算力配比数学模型,为硬件设计提供解决方案.     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

基于深度学习的文本分类技术研究进展

随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、注意力机制等方法在文本分类中的应用和发展,分析多种典型分类方法的特点和性能,从准确率和运行时间方面对基础网络结构进行比较,表明深度神经网络较传统机器学习方法在用于文本分类时更具优势,其中卷积神经网络具有优秀的分类性能和泛化能力。在此基础上,指出当前深度文本分类模型存在的不足,并对未来的研究方向进行展望。     

基于频繁项挖掘的贝叶斯网络结构学习算法BNSL-FIM

贝叶斯网络能够表示不确定知识并进行推理计算表达,但由于实际样本数据存在噪声和大小限制以及网络空间搜索的复杂性,贝叶斯网络结构学习始终会存在一定的误差。为了提高贝叶斯网络结构学习的准确度,提出了以最大频繁项集和关联规则分析结果为先验知识的贝叶斯网络结构学习算法BNSL-FIM 。首先从数据中挖掘出最大频繁项集并对该项集进行结构学习,之后使用关联规则分析结果对其进行校正,从而确定基于频繁项挖掘和关联规则分析的先验知识。然后提出一种融合先验知识的BDeu评分算法进行贝叶斯网络结构学习。最后在6个公开标准的数据集上开展了实验,并对比引入先验/不引入先验的结构与原始网络结构的汉明距离,结果表明所提算法与未引入先验的BDeu评分算法相比显著提高了贝叶斯网络结构学习的准确度。