嵌入式微处理器的可测性设计技术研究

文章介绍了一个嵌入式微处理器的可测性设计技术。根据嵌入式微处理器各个组成部件逻辑功能的特点,分别采用了内置自测试(BIST)、部分扫描(PartialScan)、边界扫描(BoundaryScan)等方法完成各个部件的可测性设计,并将符合IEEE1149.1的TAP控制器作为整个微处理器的测试控制器,达到了较优的可测性设计结果。     

通用接口控制器GPIO_WB IP核设计与实现

通用IO接口是SoC系统中非常重要的一种外围端口。本文完成了一种基于WISHBONE总线的GPIO_WB控制器IP核的逻辑设计和物理实现，较具体地介绍了GPIO_WB IP核的体系结构以及WISHBONE接口和DMA传输方式的设计方案，并对所设计实现的GPIO_WB性能及可重用性做了分析，结论表明，与已有的通用IO接口IP核相比，GPIO_WB IP核具有性能高、实现代价小、硬件简单、可重用性好、易于扩展等优点。     

UHF RFID标签的伪随机数发生器研究

分析了一个基于属性签名方案的安全缺陷,并改进了Li等人的基于属性签名方案,从而减少了签名计算代价和签名长度。在随机预言机模型下,利用CDH问题的困难性,证明了改进方案满足在适应性选择消息和断言下的不可伪造性。改进方案还满足签名者属性隐私安全。仿真实验结果表明,改进方案可以较好地应用于移动对等网络数据分发,以实现消息认证。     

基于多输入特征寄存器的哈希方法

无源器件的能量和计算资源有限。针对这种器件的安全认证需求,提出了一种新的哈希方法M—hash。该方法基于低复杂性的并行输入LFSR,即多输入特征分析寄存器（MISR）,采用并行压缩方法,具有硬件复杂性低、速度快等特点。理论分析和具体硬件实现表明,M-hash在硬件复杂性、压缩速度和安全性等方面均优于另外一种基于LFSR的Toeplitz希方法。     

基于单向函数的伪随机数发生器

伪随机数发生器(pseudorandom number generator, PRNG)是重要的密码学概念.基于单向函数的伪随机数发生器起始于1982年的BMY发生器,将单向函数反复迭代,周期性地输出伪随机序列.单向函数的性质和种子长度关系到发生器的可实现性和安全性,是此类发生器的2个重要参数.在分析现有工作的基础上,改进了单向函数的随机化迭代方式,基于不可逆性证明了迭代过程的安全性.迭代方式的改进消除了单向函数的长度保持性质,采用一般的压缩规范单向函数和通用散列函数构建伪随机数发生器.输出级与BMY发生器结构类似,以迭代函数的核心断言作为伪随机序列.基于与真随机序列的不可区分性,证明了伪随机数发生器的安全性.所构建的伪随机数发生器与现有同类发生器结构类似,但放松了对单向函数性质的要求,增强了可实现性,减小了种子长度,提高了效率.     

基于DN-YOLOv5遥感目标快速检测方法

针对遥感目标检测中检测速度慢,网络计算量大的问题,提出一种基于DN-YOLOv5的遥感目标快速检测方法。目标检测锚框采用K-means++重新聚类,以减少网络的计算量;修改算法主干网络部分的CSP1＿X模块以减少参数量,并在主干网络进行双密集连接,加强卷积操作对特征的利用率;将算法模型中的CBL模块的Leak ReLU激活函数替换成H-swish激活函数,以提高网络检测速度。将快速目标检测方法 DN-YOLOv5在公开的DIOR遥感数据集上进行验证。结果表明,改进后的快速检测方法,模型大小为48 MB,降低了约47.2%,推理时延为33.8 ms,推理加速了约39%。     

基于Co-PSPNet的轻量级水下鱼体图像分割算法

为解决水下环境中图像模糊和资源有限等问题,提出了一种基于Co-PSPNet网络的轻量级水下鱼体图像分割算法;主干网络使用了MobileNetV2,以降低网络的计算复杂度和参数量;引入了CoordConv模块,以增强网络对鱼体边界等细节信息的感知能力;将全局池化后的特征作为注意力机制网络的输入,以增强具有较高语义信息的特征;经过大量的实验评估,该算法在公开的水下鱼体图像数据集上取得了优越的性能;实际应用中,该算法满足了水下生态研究和水下机器人领域对水下鱼体图像分割的工程需求;通过对水下环境下图像模糊和资源限制等问题的解决,该算法为水下生态研究和水下机器人领域的应用提供了有效的图像分割解决方案。     

基于深度学习的端到端车牌检测与识别

针对目前传统车牌号识别算法定位不准确,识别效率低,实时性差等的问题,提出了一种基于深度学习的车牌定位与车牌字符识别算法。在车牌检测定位阶段通过YOLOv5s算法对图片中的车牌部分进行定位,空间变换网络STN对倾斜的车牌进行矫正,将矫正过后的车牌送入LPRNet字符识别网络进行识别。通过对CCPD数据集的验证发现,相较于传统的车牌识别算法,提出的算法准确率达到98.2%,整个检测识别过程控制在11 ms内,表明了所提算法可满足车牌识别的实际需求。     

基于改进YOLOv5的安全绳目标检测

在工业施工过程中, 工人安全已成为一个日益重要的问题, 佩戴安全绳等安全装备是保护工人在高处工作时生命安全的重要措施;在现代化生产施工过程中, 通过使用监控摄像设备结合人工智能算法的方式来检测工人佩戴安全绳等设备越发普遍, 但安全绳由于细长、形状多变以及环境变化等因素较为难以准确识别;为解决以上问题, 并确保能够在不同环境下能够准确识别安全绳, 现提出一种使用YOLOv5目标检测算法, 首先通过改进的FasterNet模块进行上下文信息提取, 在Neck网络中使用改进的多维动态卷积保留更多特征信息, 使用WIoU_Loss损失函数来提高定位精度, 在训练过程中使用动态调整学习率的策略;实验结果表明, 改进后的算法在降低计算复杂度的情况下提高了3.0%的检测精度, mAP@0.5提高了4.3%, 经过在实际场景应用, 满足项目对实时检测精度及速度的要求。     

黄土坡耕地耕作方式对产流产沙的影响研究

通过人工模拟降水试验,对黄土坡耕地常用的等高耕作、人工掏挖与人工锄耕等措施下地表的产流产沙规律进行了研究。结果表明:①在降水初期的25 min内,3种耕作方式具有明显的截流减沙效果,但是随着降水的继续,截流效果减弱;②产流量随降水时间呈先增大、后趋于平稳的趋势,与CK相比,等高耕作、人工掏挖和人工锄耕产流量分别减小38.17%、17.88%和9.43%;③产沙量随降水时间呈先增大、后减小并逐渐趋于稳定的趋势,且随坡度的增大呈逐渐增大的趋势,与CK相比,等高耕作、人工掏挖和人工锄耕产沙量分别减小65.6%、36.3%和23.4%;④地表开始产流依次为CK、人工锄耕、人工掏挖和等高耕作。