久久久久亚洲Av片无码,国产精品成人va在线观看

適用于Sigma-Delta ADC的多抽取率數(shù)字濾波器設(shè)計[其他][其他]

采用標(biāo)準(zhǔn)0.18 μm工藝，設(shè)計了一種能改變抽取率并且適應(yīng)不同信號帶寬的應(yīng)用于Sigma-Delta模數(shù)轉(zhuǎn)換器的數(shù)字抽取濾波器。該濾波器采用多級抽取，由級聯(lián)積分梳狀濾波器、補償濾波器和半帶濾波器組成。實現(xiàn)的數(shù)字濾波器抽取率可以在64、128、256、512中變化，并且補償濾波器和半帶濾波器的帶寬可調(diào)整。濾波器版圖尺寸0.6 mm×0.6 mm。在1.98 V工作電壓下，最大總功耗約為2 mW，最高信噪比達(dá)到110.5 dB。當(dāng)補償濾波器和半帶濾波器的通帶截止頻率根據(jù)帶寬選擇從最高降到最低時，可分別節(jié)省56%和39%的功耗；當(dāng)濾波器功耗降至最小69.63 μW時，所能處理的帶寬為390.6 Hz，信噪比為107.8 dB。

發(fā)表于：1/7/2022

基于FPGA的SiP原型驗證平臺設(shè)計[模擬設(shè)計][其他]

隨著嵌入式系統(tǒng)小型化和模擬數(shù)字/數(shù)字模擬轉(zhuǎn)換器(ADC/DAC)性能需求的日益增長，如何在減小系統(tǒng)體積和功耗的前提下，提高ADC/DAC信號傳輸?shù)目煽啃?，增加功能可配置性和信號處理可重?gòu)性，成為一大難題。為此，設(shè)計了一款基于FPGA的系統(tǒng)級封裝(SiP)原型驗證平臺，該SiP基于ADC+SoC+DAC架構(gòu)，片上系統(tǒng)(SoC)內(nèi)部以PowerPC470為處理器，集成了多種通用外設(shè)接口和可重構(gòu)算法單元。

發(fā)表于：1/7/2022

HDLC數(shù)據(jù)幀并行搜幀解封裝模塊的設(shè)計與驗證[模擬設(shè)計][其他]

HDLC信號鏈路是國際標(biāo)準(zhǔn)化組織(ISO)制定的高級數(shù)據(jù)鏈路的控制規(guī)程(High Level Data Link Control，HDLC)。遵循HDLC標(biāo)準(zhǔn)數(shù)據(jù)鏈路層規(guī)范，采用硬件描述語言Verilog HDL實現(xiàn)了一種基于并行結(jié)構(gòu)的HDLC搜幀解封裝電路，并采用System Verilog技術(shù)搭建驗證平臺，隨機生成HDLC數(shù)據(jù)幀來驗證設(shè)計正確性。使用Modelsim軟件仿真波形，在仿真過程中，對于凈荷區(qū)數(shù)據(jù)長度為10個字節(jié)的HDLC數(shù)據(jù)幀，解碼器電路工作完成需要16個時鐘周期，兼顧了處理速度和靈活性。使用QuartusII軟件綜合，在Altera CycloneV器件上，電路使用了8塊自適應(yīng)邏輯模塊ALM，24個寄存器，35個引腳。

發(fā)表于：1/7/2022

基于YOLOv5的姿態(tài)交互球類陪練機器人[人工智能][其他]

針對當(dāng)下球類陪練機器人人機交互能力不足的問題，提出一種基于樹莓派和YOLOv5目標(biāo)檢測算法的新型人機交互模式，使機器人實現(xiàn)前進、后退、左移、右移、拋球、踢球6種不同的動作；通過對在3種不同環(huán)境(室內(nèi)、室外晴天、室外陰天)下搜集的人體姿態(tài)數(shù)據(jù)集進行標(biāo)定、訓(xùn)練后，得到6種姿態(tài)在3種環(huán)境中測試集上的識別準(zhǔn)確率分別為：室內(nèi)96.33%、室外晴天95%、室外陰天94.3%。相比基于特征匹配和其他利用手勢等小目標(biāo)檢測的算法，基于該算法的機器人具有更高的檢測速度和準(zhǔn)確性，使機器人更加智能化。

發(fā)表于：1/7/2022

基于深度學(xué)習(xí)的智能垃圾分揀車系統(tǒng)[其他][其他]

針對生活垃圾的高效分類及搬運處理，設(shè)計了一款以邊緣嵌入式AI設(shè)備Jetson Nano為控制器的光電智能小車系統(tǒng)，該系統(tǒng)設(shè)計以YOLOv5為目標(biāo)檢測算法，以Pytorch1.8.1為深度學(xué)習(xí)框架。使智能小車從指定區(qū)域出發(fā)，通過自身的光電傳感器在指定范圍內(nèi)搜尋垃圾，利用六軸機械臂對垃圾進行分揀并送到指定分類地點。對采集到的5 048張圖片(包括5種垃圾類別)進行300次的迭代訓(xùn)練，實驗測試結(jié)果表明：平均精確度達(dá)到91.8%，準(zhǔn)確率達(dá)到94.5%，召回率達(dá)到89.03%。

發(fā)表于：1/7/2022

基于VGG16網(wǎng)絡(luò)的人臉情緒識別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來，如何通過人工智能對人的面部表情進行識別分析成為一個研究熱點，利用人工智能可以快速地分析人的面部情緒，并以此為基礎(chǔ)進行進一步研究。在深度學(xué)習(xí)中，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)存在對面部表情特征的提取不充分以及計算機參數(shù)量較大的問題，導(dǎo)致分類準(zhǔn)確率較低。因此，提出了基于VGG16網(wǎng)絡(luò)的人臉表情識別算法，通過與InceptionV3、InceptionResNetV2、ResNet50等模型實驗對比，結(jié)果表明，VGG16神經(jīng)網(wǎng)絡(luò)在FER2013PLUS測試數(shù)據(jù)集上的識別準(zhǔn)確率為79%，準(zhǔn)確率比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)高。

發(fā)表于：1/7/2022

區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺構(gòu)建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對缺乏支撐區(qū)域多能源系統(tǒng)數(shù)字孿生動態(tài)規(guī)劃、運行優(yōu)化等上層應(yīng)用接入、管理和運行的高性能平臺的現(xiàn)狀，考慮到數(shù)字孿生應(yīng)用對通信效率、數(shù)據(jù)安全的要求，借助CloudPSS云仿真平臺設(shè)計了包含基礎(chǔ)層、應(yīng)用層、業(yè)務(wù)層的安全、靈活、可擴展的數(shù)字孿生應(yīng)用平臺的軟硬件；并以貴州紅楓湖區(qū)域多能源系統(tǒng)為試點區(qū)域，介紹了包括建模仿真、數(shù)據(jù)通信和應(yīng)用集成功能的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺的構(gòu)建過程。所構(gòu)建的區(qū)域多能源系統(tǒng)數(shù)字孿生應(yīng)用平臺作為數(shù)字孿生從概念到應(yīng)用的理想實現(xiàn)工具，其架構(gòu)設(shè)計方案與具體構(gòu)建經(jīng)驗可為數(shù)字孿生技術(shù)的廣泛落地提供理論和實踐參考。

發(fā)表于：1/7/2022

基于CloudPSS-RT和RT-Lab聯(lián)合實時仿真平臺的在線阻抗分析裝置設(shè)計[其他][其他]

準(zhǔn)確的寬頻帶阻抗測量是發(fā)現(xiàn)和解決未來雙高電力系統(tǒng)穩(wěn)定性問題的重要基礎(chǔ)，但直接向電力系統(tǒng)注入諧波進行測量可能會帶來失穩(wěn)的風(fēng)險，而基于半實物仿真技術(shù)可以以較低的成本與風(fēng)險實現(xiàn)較為準(zhǔn)確的寬頻帶阻抗測量。實時仿真器的計算性能和仿真規(guī)模取決于目標(biāo)計算機的計算能力，仿真精度與規(guī)模顧此失彼，難以兼顧，并且隨著電力系統(tǒng)仿真規(guī)模要求的不斷提高，單一的實時仿真系統(tǒng)越來越難以滿足大規(guī)模仿真的要求。使用多個實時仿真器協(xié)同進行聯(lián)合仿真，是提高仿真規(guī)模的有效途徑。首先構(gòu)建了基于CloudPSS-RT和RT-Lab聯(lián)合實時仿真平臺的在線阻抗分析裝置，并通過構(gòu)建光伏與雙饋風(fēng)力發(fā)電系統(tǒng)，驗證了在線阻抗分析裝置的準(zhǔn)確性和有效性。

發(fā)表于：1/7/2022

高性能高可用Redis客戶端的設(shè)計與實現(xiàn)[模擬設(shè)計][其他]

Redis是一個基于內(nèi)存存儲的非結(jié)構(gòu)化數(shù)據(jù)庫，以高I/O(Input/Output)性能和高響應(yīng)速度著稱，在數(shù)據(jù)緩沖、消息隊列、Key-Value存儲等場景都發(fā)揮著重要的作用。在其支持的眾多客戶端中，C/C++客戶端Hiredis的應(yīng)用尤為廣泛。對Hiredis庫做了深入分析，發(fā)現(xiàn)了其管道功能存在高開銷、指令存儲不當(dāng)以及內(nèi)存混淆問題。基于此，在32邏輯核的X86架構(gòu)處理器以及64 GB內(nèi)存的Linux服務(wù)器上，設(shè)計并實現(xiàn)了一個面向C/C++的高性能高可用Redis客戶端，通過內(nèi)存預(yù)分配以及內(nèi)存隔離的方法提高了大量指令批處理時的性能并解決了復(fù)雜場景下的內(nèi)存混淆問題。經(jīng)測試，新客戶端提高了3～7倍的指令執(zhí)行效率，同時也保證了復(fù)雜場景下的內(nèi)存安全以及數(shù)據(jù)準(zhǔn)確性。

發(fā)表于：1/7/2022

GRAPES區(qū)域模式的輸入輸出分析和優(yōu)化[其他][其他]

新一代全球/區(qū)域多尺度統(tǒng)一的同化與數(shù)值預(yù)報系統(tǒng)Global/Regional Assimilation and PreEdiction System(GRAPES)是中國氣象局(China Meteorological Administration，CMA)自主研發(fā)的數(shù)值天氣預(yù)報軟件。隨著對模式分辨率和預(yù)測時效性要求的提高，GRAPES的輸入輸出(I/O)性能成為了一個重要的瓶頸。分析了GRAPES區(qū)域模式的I/O行為，提出并設(shè)計實現(xiàn)了一個高性能I/O框架。該框架采用二進制編碼以及多I/O通道技術(shù)實現(xiàn)了靈活可配置的輸出方式。同時，通過非堵塞通信的方式實現(xiàn)了異步I/O，隱藏了I/O與通信的開銷。工作在曙光“派”超級計算機上進行了測試，結(jié)果顯示該框架不僅可以提高I/O性能達(dá)到10倍以上，也可以減少性能抖動帶來的性能不確定性問題。

發(fā)表于：1/7/2022

面向國產(chǎn)神威眾核架構(gòu)的區(qū)域氣候模式CWRF性能優(yōu)化技術(shù)[其他][其他]

區(qū)域氣候模式CWRF(Climate-Weather Research and Forecasting model)是國家氣候中心區(qū)域氣候預(yù)測系統(tǒng)的重要組成部分，也是系統(tǒng)最耗時的程序。高性能計算是提高CWRF數(shù)值預(yù)報計算性能的關(guān)鍵技術(shù)，開展CWRF模式在國產(chǎn)神威眾核架構(gòu)上的移植和優(yōu)化，提高模式的模擬效率，對模式的擴展、開發(fā)能力和可持續(xù)發(fā)展具有重要意義?；趪a(chǎn)眾核SW26010處理器，完成了CWRF區(qū)域氣候模式的移植、性能分析和深入性能優(yōu)化，采用訪存優(yōu)化、Cache命中率優(yōu)化及眾核加速優(yōu)化等方法，對CWRF模式動力過程、物理過程和I/O過程計算代碼進行重構(gòu)及眾核加速。結(jié)果表明：優(yōu)化技術(shù)可使CWRF動力過程平均加速2倍，最高加速6.4倍，物理過程平均加速1.7倍，最高加速5.4倍，I/O過程加速1.2倍，程序整體最高加速1.4倍，計算誤差在合理范圍內(nèi)。

發(fā)表于：1/7/2022

基于矩陣嵌套的CESM負(fù)載均衡優(yōu)化方案檢索策略[其他][其他]

通用地球系統(tǒng)模式(Community Earth System Model，CESM)是一種定量描述氣候系統(tǒng)模式變化的數(shù)值模式，龐大的科學(xué)計算體量已使其成為高性能計算領(lǐng)域的重要研究對象之一。CESM各個氣象子模塊及組件之間的負(fù)載不均衡問題使其計算性能一直不理想，且由于其可用的進程布局方案本身的多樣性會導(dǎo)致的巨大檢索量,因此通過人工調(diào)參用枚舉尋找最優(yōu)布局本身并不現(xiàn)實。為解決這個問題，提出并實踐了一種基于矩陣嵌套思想的負(fù)載平衡優(yōu)化方案檢索策略幫助完成進程布局優(yōu)化過程，并介入基于模式并行要求的篩查保證檢索結(jié)果具有可行性，最終通過實驗證明通過這種檢索策略搜索獲得的最優(yōu)布局與默認(rèn)布局相比平均計算性能提升達(dá)到47.3%,并在5個節(jié)點上實現(xiàn)了1.419的加速比。

發(fā)表于：1/7/2022

基于CPU-FPGA異構(gòu)系統(tǒng)的排序算法加速[其他][其他]

傳統(tǒng)的排序方法主要以軟件串行的方式實現(xiàn)，包括冒泡排序、選擇排序等。這些算法往往采用順序比較，運算的時間復(fù)雜度較高。近年來已經(jīng)提出了一些并行度較高的排序算法，但是由于CPU的硬件特點，不能很好地利用這些算法的并行性。而FPGA具有良好的靈活性、并行性和集成性等特點，因此在FPGA上可以更好地發(fā)揮這些并行算法的優(yōu)勢，從而大大提高數(shù)據(jù)排序的實時性?；诖嗽O(shè)計了一個CPU-FPGA異構(gòu)系統(tǒng)，將一些排序算法移植到FPGA上，并進行功能驗證和理論性能評估。結(jié)果顯示，該系統(tǒng)對于并行性高的排序算法具有良好的加速效果，但邏輯資源消耗巨大，適用于實時性要求高的算法加速場景。

發(fā)表于：1/7/2022

一種基于CORDIC算法的高精度反正切求解[其他][其他]

傳統(tǒng)的CORDIC(坐標(biāo)旋轉(zhuǎn)計算機)算法進行高精度反正切求解時存在迭代次數(shù)多、收斂速度慢、資源消耗大等問題，提出一種改進的高精度CORDIC 算法。該方法利用傳統(tǒng)的CORDIC算法迭代數(shù)次后得到正弦信息，并利用角度和正弦值近似的原理，對迭代后的結(jié)果進行誤差補償，有效提高了相同迭代步數(shù)下的計算精度。實驗數(shù)據(jù)表明：32位改進的CORDIC算法，保證絕對誤差小于5×10-9情況下，查找表資源消耗降低了64.8%，觸發(fā)器資源消耗降低了35.3%，輸出時延降低了53.3%。在分子動力學(xué)應(yīng)用場景下，觸發(fā)器資源消耗可降低63.2%，輸出時延可降低60%。改進的CORDIC算法在資源消耗、輸出時延方面優(yōu)于傳統(tǒng)CORDIC算法，適用于高精度計算的場景。

發(fā)表于：1/7/2022

基于最小割劃分的數(shù)模混合仿真系統(tǒng)通信性能優(yōu)化方法[其他][其他]

數(shù)?；旌戏抡媸抢斫庹鎸嶋娋W(wǎng)運行情況，支撐電網(wǎng)安全保障的重要手段。復(fù)雜的電網(wǎng)拓?fù)渑c硬實時的仿真需求對其計算性能提出了很高的要求。目前數(shù)?；旌戏抡娑嗖捎貌⑿杏嬎慵夹g(shù)提高計算性能。隨著處理器和集群技術(shù)的發(fā)展，異構(gòu)集群系統(tǒng)逐漸成為高性能計算系統(tǒng)的主要構(gòu)建方式。針對多層次的系統(tǒng)架構(gòu)，已有的電網(wǎng)劃分方式無法充分利用集群計算能力。如何應(yīng)對多層次核間通信延遲變化問題，及引入設(shè)備交互導(dǎo)致的節(jié)點資源不對稱問題是數(shù)?；旌戏抡嫒蝿?wù)劃分與映射的新挑戰(zhàn)。針對中國電力科學(xué)研究院自研電磁暫態(tài)仿真系統(tǒng)ADPSS，基于最小割劃分設(shè)計了兩階段的電網(wǎng)劃分與進程映射一體化優(yōu)化算法，在計算負(fù)載均衡和最小化通信上取得更好的平衡，進一步降低了電磁暫態(tài)仿真的通信時間。同時，該算法有效解決了集群節(jié)點資源不對稱情況下的任務(wù)優(yōu)化映射問題。通過在西北和華東真實電網(wǎng)算例上的模擬測試，所提出算法較ADPSS默認(rèn)劃分與映射算法取得了平均40%和50%的通信性能提升，平均10%和12%的總體計算性能提升。

發(fā)表于：1/7/2022