嵌入式软件算法级能耗建模与分析

针对嵌入式软件算法级能耗的优化问题,建立算法级能耗估算模型。以旅行商问题(TSP)为例,采用神经网络算法、遗传算法等进行能耗求解,对求解过程中的算法执行次数、算法复杂度以及运行时间这3个特征值进行能耗分析,通过能耗估算模型计算出算法针对TSP问题的能耗估算值,并将该估算值与使用sim-panalyzer功耗仿真平台求解得到的能耗测试值进行比较,结果表明,能耗测试值与估算值的误差在10%左右,证明该能耗估算模型具有较高的准确性。     

算法级能耗分析方法研究

功耗现已成为嵌入式系统设计中一个重要的约束条件,而设计早期在高层所作的功耗评估与优化对整个系统能耗的影响最为显著。论文通过对指令级功耗模型进行研究得到一个算法级的功耗模型,并提出了基于此模型的静态算法能耗效率分析方法,它可以帮助设计者选择能耗较低的算法,对软/硬件系统设计中的功耗优化也有一定的作用。文中最后在功耗评估平台对算法实例进行模拟测试,试验结果验证了此分析方法的有效性。     

GNSS接收机基带处理电路低功耗设计综述

通过时GNSS接收机基带处理电路低功耗设计技术进行调研和总结,发现大部分技术可归属于两个层次：电路级优化技术和算法级优化技术。电路级优化技术主要包括低功耗的并行相关器的设计、多通道的时分复用、多普勒补偿后的信号下采样、低功耗累加器的使用等技术;算法级优化技术是指接收机的间歇工作方式（在不需要定位输出时,使接收机运行在低功耗模式）,主要通过接收机的高级电源管理系统、快速首次定位、重新捕获定位等技术实现。本文对这些方法进行了总结和对比,给出了两个层次优化技术的优缺点。     

多类不平衡数据分类方法综述

现实中许多领域产生的数据通常具有多个类别并且是不平衡的。在多类不平衡分类中,类重叠、噪声和多个少数类等问题降低了分类器的能力,而有效解决多类不平衡问题已经成为机器学习与数据挖掘领域中重要的研究课题。根据近年来的多类不平衡分类方法的文献,从数据预处理和算法级分类方法两方面进行了分析与总结,并从优缺点和数据集等方面对所有算法进行了详细的分析。在数据预处理方法中,介绍了过采样、欠采样、混合采样和特征选择方法,对使用相同数据集算法的性能进行了比较。从基分类器优化、集成学习和多类分解技术三个方面对算法级分类方法展开介绍和分析。最后对多类不平衡数据分类研究领域的未来发展方向进行总结归纳。