【摘 要】
：
随着全球卫星导航系统(GNSS)信号的增多,导航接收机需要处理的信道译码算法越来越多.传统的使用协处理器的方式虽然可以提高信道译码的速度,但是会消耗大量硬件资源.采用软件实现信道译码的方式虽然可以使用DSP、SIMD等指令集进行加速,但是这些指令集不是仅针对信道译码进行扩展的,其中大部分指令在信道译码中很少使用,因此导致信道译码效率较低.基于RISC-V指令集针对GNSS信道译码扩展7条专用指令,这些专用指令丰富了RISC-V的位操作.对比相同的信道译码程序,优化后的算法代码量降低,其中BCH译码和解交织
【机 构】
：
中国科学院微电子研究所,北京100029;中国科学院大学,北京100049;中国科学院微电子研究所,北京100029
论文部分内容阅读
随着全球卫星导航系统(GNSS)信号的增多,导航接收机需要处理的信道译码算法越来越多.传统的使用协处理器的方式虽然可以提高信道译码的速度,但是会消耗大量硬件资源.采用软件实现信道译码的方式虽然可以使用DSP、SIMD等指令集进行加速,但是这些指令集不是仅针对信道译码进行扩展的,其中大部分指令在信道译码中很少使用,因此导致信道译码效率较低.基于RISC-V指令集针对GNSS信道译码扩展7条专用指令,这些专用指令丰富了RISC-V的位操作.对比相同的信道译码程序,优化后的算法代码量降低,其中BCH译码和解交织算法代码量减少50％.gem5模拟器和自设计RISC-V处理器Nightcore验证结果表明,优化后的算法运行周期数降低,其中解交织算法降低92％.
其他文献
为更好发挥农机自主导航监控技术的潜能,进一步改善对农机车辆导航状态监控的效果与用户体验,基于LabVIEW软件开发平台,设计一款农机自主导航监控系统.该系统可以实现数据采集、读写数据库、用户决策信息的输出、设置系统和车辆参数、AB直线路径规划、动画演示以及诊断维修等功能.对系统软件架构与各功能模块的设计过程展开详细讨论,并对系统做了整体调试.经仿真试验,系统运行效果良好,能够实现监控终端的基本要求,具有很好的实用性.
针对传统机器学习中需要人工提取青光眼特征而造成准确性有限的问题,建立一种基于卷积神经网络的青光眼特征自动学习模型.为克服青光眼图像库数据的不足、降低网络训练中的过拟合,对Drishti-GS1和REFUGE两个公开的眼底图像库进行数据增强处理;采用迁移学习方法训练卷积神经网络模型提取图像深层次特征,并通过添加新的具有两个神经元的全连接层和Softmax分类器进行青光眼诊断.实验结果表明,通过数据扩增不同倍数,平均准确率及AUC值都有一定程度的显著提升.随着数据量增加,该网络模型的青光眼分类性能也具有明显提
为解决传统的滑坡预报准确率低、预警不及时的问题,采用信息融合与RBF神经网络相结合的方式,提出一种滑坡地质灾害预报模型,对多传感器参数进行全面综合分析.将多传感器采集到的历史数据和对应发生概率作为RBF神经网络的输入进行模型训练,通过将实时采集的数据输入给训练好的预报模型,计算出滑坡发生的概率.基于模糊规则建立滑坡发生等级表,用以更为准确直观的查询.通过仿真实验,结果表明,模型可有效提高灾害预报准确率.
为了更加快速精确地跟踪电网电压不平衡时的相位,提出一种基于高阶带通滤波器的锁相方法,在解耦双同步旋转坐标系(DDSRF)的基础上,在正序αβ分量之后加入高阶带通滤波器进行滤波.通过在MATLAB软件中建立仿真模型,对电压跌落、相位跳变、频率改变等电网电压不平衡情况进行仿真研究,比较二阶、三阶、四阶BPF-PLL以及DDSRF-PLL的锁相性能.仿真结果表明该方法能够更精确地跟踪电网相位,锁相性能在DDSRF-PLL的基础上有进一步的提升,适用于广泛的工程应用场景.
为提高水资源利用率,促进现代化农业发展,提出一种智能大棚控制系统.系统采用STM32微处理器作为主控模块,运用传感器采集大棚内部环境数据,并对数据进行模糊控制,获得控制命令并下发给输出设备,实现对环境因子的调节和灌溉控制.系统以智能模式为主导,远程模式为优势,人工模式为辅助,调控大棚内部环境,使农作物获得最优生长条件.智能模式基于以专家经验为规则的模糊控制算法,不需要人为调控设备,可极大节约人工成本.
超大规模集成电路(VLSI)中的详细布线是物理设计中一个重要且具有挑战性的环节.在这一阶段,所有导线的路径都会被确定下来,布线的优劣直接关系到芯片的面积和性能,路径搜索是布线中最为耗时的步骤之一.本文介绍了基于网格的布线模型,将布线问题抽象为一个图搜索问题或者多商品流问题;总结了迷宫搜索算法、A*算法、整数线性规划(ILP)算法和并行加速算法在路径搜索中的应用和针对设计约束作出的优化,结合在布线器中应用情况分析其优劣;总结回顾了基于机器学习求解算法的研究进展,分析了存在的问题,并对详细布线算法的发展趋势做
传统蝗虫优化算法在处理优化问题时依然存在收敛速度慢、易陷入局部最优的不足.为此,提出了融合混沌映射和柯西变异机制的非线性蝗虫优化算法CCGOA.通过融合混沌Tent映射与反向学习机制,对种群初始化,在确保初始种群质量较优前提下,使种群尽可能均匀分布于搜索空间;利用余弦函数设计非线性自适应系数更新机制,更好均衡个体全局搜索与局部开发能力;引入柯西变异对当前最优个体进行变异扰动,避免算法陷入局部最优.通过基准函数寻优测试,证实提出的算法可以有效提升寻优精度和收敛速度.设计了特征选择算法CCGOA-FS并应用于
针对贵州织金含稀土磷矿石进行了选矿富磷降镁实验,原矿P2O5品位21.80％,MgO质量分数8.31％,采用一段反浮选流程,可获得精矿P2O5品位33.35％,MgO质量分数为1.36％,P2O5回收率86.53％;考察了选矿产品中稀土元素总量(∑REE)和重金属元素Pb、Cd的质量分数及走向,并分析精矿中∑REE、重金属元素Pb与P2O5品位之间的相关性.结果表明:重金属元素Pb和稀土元素在精矿中富集,而重金属元素Cd在尾矿中富集,为后续含稀土磷矿石的分离利用提供了依据.
针对复杂应用场景中无线传感器网络节点失效导致的连通性故障问题,提出了一种最小级联移动的修复方法.当网络中某节点发生失效时,通过割点检测算法判断该失效节点是否对网络连通性造成影响.若该失效节点为割点,则认为该节点对网络连通性影响较大,需要对网络进行修复.该失效节点的邻居节点间距离若小于等于节点通信半径,通过邻居节点间直接建立通信链路的方式对网络进行修复.该失效节点的邻居节点间距离若大于节点通信半径,利用节点度与节点间欧式距离选举最佳候选节点,通过通信半径与邻居节点位置计算其待移动位置,最佳候选节点移动到位置
与传统无线传感器网络(WSN)不同,视觉传感器对障碍物敏感度远高于其他传感器,障碍物直接影响视觉传感器的有效感知范围.受实际场景模型仿真的局限,目前视觉传感器网络的优化部署研究大多忽略实际多障碍情形,集中于无障碍范围内情形.建筑信息模型(Build Information Model,BIM)技术可以用来自动提供实际场景要素的几何和非几何属性,可为优化算法提供可靠的场景模型输入数据.本文提出一种BIM和分段自适应迁移差分算法(Segment Adaptive Migration Difference Ev