用于电弧检测的电力专用SoC设计

针对传统的电弧电路故障检测结果不准确的问题,设计用于电弧检测的SoC系统,并且在55nm工艺下进行流片验证。采用包含两种结构的模数转换器的片上电压源,设计了锁相环以及复位电路,精度最高可达8.67 bit。验证结果表明,本设计可提高电弧检测的准确性。     

嵌入式Flash读取加速技术研究

嵌入式Flash由于成本、存储密度等优势日益成为微控制器中重要的程序、数据存储器.然而嵌入式Flash相对较慢的读取速度, 制约着微控制器的整体性能, 因而提升Flash中指令和数据的读取性能十分重要.为了提升微控制器中嵌入式Flash的读取性能,提出了一种基于缓存和预取的Flash控制器,并对当前缓存和预取的不足进行...     

基于高密度计算的多核处理器电力芯片低功耗设计系统

多核处理器电力芯片是目前多种系统的重要组成部分,设计低功耗电力芯片,能够更好地保证系统正常运行。目前设计的电力芯片低功耗系统运行速度较慢,功耗难以达到用户要求,为此该文应用高密度计算设计了一种多核处理器电力芯片低功耗系统。兼容系统多核处理器与层次化AHB总线,探索处理器电力芯片的整体结构,集中处理存储数据信息,不断调整系统算法参数,通过高密度分析引入矩阵进行数据解析,确保运行过程的安全性。在分析处理器调度性能的基础上,利用高密度处理对数据进行层次化处理,避免数据冗余造成的系统运行故障。实验结果表明,引入所设计系统后电力芯片功耗减少了60%,加速比达到3.992,可以有效提高电力芯片运行性能。     

基于共享Cache划分的电力芯片能耗优化技术

提高电力终端芯片工作效率的同时降低其能耗,是优化智能电网系统的研究方向之一.首先针对MPSoC中高速缓存数据的高效管理问题,开展多处理器共享高速缓存划分(CP)技术研究,利用曲线拟合技术对高速缓存建模,通过数学方法求解CP问题;然后基于得到的缺失率曲线,根据共享高速缓存的缺失率与子系统能耗之间的数学关系,得出子系统能耗的数学表达;最后结合处理器能耗模型,综合全局求出最优的CP方案.实验验证表明使用求得的CP方法,处理器子系统能耗是进行优化前的子系统能耗的27.9％.     

一种具有自适应优化电源抑制比的低静态电流无片外电容LDO

为改善无片外电容LDO(Capacitor-Less Low-DropOut regulator,CL-LDO)的电源抑制比(Power Supply Rejection,PSR),本文提出一种低静态电流PSR自适应优化方案.采用push-pull放大器,避免复杂的频率补偿电路与片外大电容,缩小了面积.为优化中频段PSR,在功率管栅极注入一个与频率相关的补偿电流.采用低静态电流的补偿电流动态调整方案,减小压差和负载电流变化对PSR优化效果的影响.该LDO基于0.11μm CMOS工艺,芯片面积为0.026 mm².测试结果表明,在0.1～80 mA负载电流下,静态电流最大值为55μA.在8 kHz到1 MHz频率范围内,在不同压差和负载电流下,PSR最大优化值为21～37 dB.     

持久故障攻击威胁性研究

持久故障攻击是一种利用持久性故障及统计方法恢复密钥信息的强大攻击技术,可应用于分组密码查表实现的密钥恢复,其最大的优势在于仅需一次故障注入即可恢复密钥信息,并且持久故障攻击可以应用于检测技术、掩码技术等经典的分组密码防护实现。虽然如此,经典的故障攻击防护技术仍然提高了持久故障攻击难度,检测、感染技术都使得提取正确密钥所需的密文数量有了常数倍的提升,这对于实际场景中的攻击会造成阻碍。对S盒进行实时的健康性检测是一种防范持久故障攻击的有效手段,一旦检测到S盒被注入故障则不再进行后续加密。持久故障攻击充分利用了S盒的双射特性,故针对S盒的双射特性进行健康性检测是一种高效的防护方法,对于一个8比特的S盒,只需进行255次异或操作即可完成对S盒双射特性的检验,远高于SHA3等通用的校验方法。此外,激光传感器等非算法层面的防护也应受到重视。     

面向深度神经网络的电力芯片功能检测方法

电力芯片功能检测对于保证电力正常运行有重要意义,目前的方法检测准确率相对较低,导致检测时间过长。为了解决上述问题,面向深度神经网络提出了一种新的电力芯片功能检测方法,计算电力芯片功能指标参数,确定电力芯片功能检测的真实数据,将独立神经元进行离散运算,并对其粒子量进行计算。根据得到的数据信息分析检测的隐藏神经元,计算回路的品质因数或谐振系数,检测传输功能,根据得到的实际处理量检测电力芯片的处理功能,通过建立待测量曲线和日负荷数据曲线,确定异常数据筛选功能。实验结果表明,所设计方法传输功能和处理功能检测准确率在98%以上,异常数据筛选功能检测准确率在99%以上,当检测数据量大于300 GB时,检测时间低于0.5 s,所研究方法具有较好的性能。