基于多阈值技术的低功耗优先编码器设计

多阈值CMOS技术是一种新的降低电路功耗的设计技术.根据多阈值CMOS电路设计原理,设计了多阈值组合逻辑单元电路,并将多阈值技术与冗余抑制技术结合起来,设计了多阈值优先编码器,通过将高阈值NMOS管的控制信号用较高优先权的输入信号进行控制,抑制了优先编码器的冗余现象,控制了电路的漏电流,且无须增加控制信号.采用0.18μm工艺参数进行模拟,结果表明,所设计的多阈值优先编码器具有正确的逻辑功能,在相同的参数条件和输入信号下,与已有的冗余抑制优先编码器相比,节省约19％的功耗;与传统的优先编码器相比,节省了约49％的功耗.     

低功耗、低复杂度TURBO码实现研究

提出了一种改进的TURBO码算法,该算法改进了传统算法的路径度量的运算和可靠度的运算,可以显著地减少TURBO解码器使用的硬件资源,存储器的使用是传统算法的一半。根据改进的算法,该文还提出了一种新的加比选运算单元,综合结果和功耗分析显示,新的ACS单元面积和功耗分别是传统ACS单元的32.7%和26.8%。     

工业无线网络WIA-PA跨层广播路由算法研究

为实现工业无线网络WIA-PA高可靠、低功耗、低冗余的高效通信,根据WIA-PA自身的网络结构特点,基于广播路由算法,综合跨层设计的思想和分簇机制,提出一种有效的跨层广播路由算法。通过实验显示,该算法在一定程度上提高了网络的高可靠性,降低了功耗与冗余,有较高的通信效率。同时该算法对WIA-PA的路由算法的研究提供了依据。     

基于门控时钟的低功耗时序电路设计新方法

为了实现更优化的时序电路低功耗设计,提出一种新的基于门控时钟技术的低功耗时序电路设计方法,设计步骤为:由状态转换表或状态转换图作出各触发器的行为转换表及行为卡诺图;根据实际情况对电路中的冗余时钟进行封锁,综合考虑门控时钟方案在系统功耗上的收益和代价,当门控代价过高时,对冗余的时钟实行部分封锁,得到各触发器的冗余抑制信号;将前一步骤中的保持项改为无关项,作出各触发器的次态卡诺图,得到激励函数;由冗余抑制信号和激励函数画出电路图,并检验电路能否自启动.以8421二-十进制代码同步十进制加法计数器和三位扭环形计数器作为设计实例,经Hspice模拟与能耗分析证明,采用该方法设计的电路具有正确的逻辑功能,并能有效降低电路功耗,与已有方法设计的电路相比,能够节省更多的功耗或者提升电路性能.     

利用CondEns算法实现聚类过程的改进

在已知数据挖掘、聚类、数据聚类、非冗余等相关概念和基本聚类算法背景下,给出了非冗余聚类的总体概念框架和过程．引出了基于条件集非冗余聚类的改进聚类算法——CondEns算法,阐述了利用CondEns算法实现数集聚类的过程．最后在实验的基础上比较CondEns算法和没改进域聚类算法中的一种：CCIB算法,随着正交性减弱研究非冗余数集聚类的鲁棒性,发现了算法CondEns表现得比CCIB更好．     

基于t-SNE加权和的高维多目标优化算法

传统的基于t-SNE的高维多目标优化算法在简化目标集时,虽然可以大大降低算法计算复杂度,但也可能损失目标集中有意义的部分属性,导致算法准确性降低.为此,对冗余目标和初始化种群双方面进行择优保留,提出了一种基于t-SNE加权和的高维多目标优化算法.利用加权和对t-SNE-NSGAⅡ算法处理的冗余目标集进行拟合,保留了部分种群的目标属性,提高了初始种群的质量,提升了算法的准确性,加快了算法收敛速度.实验表明,在目标超过5个时,基于t-SNE加权和的高维多目标优化算法的准确性和收敛性提升明显.当目标为10个时,空间分布度提升了38.7％.     

入侵检测模型中检测器的改进与优化

针对检测器算法收敛速度慢并且容易陷入早熟的缺点,依据传统的GA理论模型,引入了检测器冗余优化概念,利用均匀设计抽样理论,给出了一种检测器优化方案.对遗传算法中的交叉遗传算子进行了重新设计,对染色体的相似度及其相关内容进行了改进并使之与检测器冗余建立关联,得到了局部搜索策略和一种冗余数求解新方法.仿真实验表明,此改进方案...     

面向低电压供电数字电路的容错计算系统结构设计

为实现低功耗设计,数字电路的工作电压被不断降低,使得电路计算呈现概率特性.针对电路概率特性的实际应用,提出了将缩短精度冗余(RPR)算法与三模冗余(TMR)算法和冗余余数系统(RRNS)纠错算法结合的错误容忍的DSP系统设计方法,即RPR-TMR结构和RPR-RRNS结构;比较分析了PR-TMR和RPR-RRNS结构的综合性能,在低电压供电条件下该结构可以改善电路的性能,从而为概率器件在DSP中的应用提供了一种可行的设计思路.     

基于冗余控制的AODV-RC协议

在介绍AODV协议中广播冗余问题的基础上，文章先提出了利用冗余信息的冗余广播算法RC(Redundance control)；然后提出了利用RC算法来解决AODV中冗余和冲突问题的新协议AODV-RC(Ad-hoe On-demand Distance Veetor Routing-Redundance control)；最后给出了今后的研究方向。     

基于对象扩展的概念格批处理构造算法

大多数概念格批处理构造算法,由于产生大量不满足外延最大扩展性的结点即冗余结点,导致相同内涵的结点重复生成,降低了概念格的构造效率。给出了一种新的基于对象扩展的概念格批处理构造算法（OEBCA）,该算法对每层新生成的结点进行对象扩展,使其满足外延最大扩展性,相同内涵的结点只生成一次,从而避免了冗余结点的产生,提高了概念格的构造效率。实验结果表明,该算法是正确的和有效的。     

基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最优解的搜索能力和速度.通过模拟计算结果表明改进的算法求解实际最优路径在速度和精度上优于传统最优路径算法.     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

改进K-means算法在声纹识别中的应用

在基于高斯混合模型（GMM）的声纹识别算法中,K-means聚类算法是GMM模型参数初始化常用的方法之一。传统K-means算法在聚类过程中采用几何距离进行分类,忽略了类中各矢量的分布不同对聚类结果的影响,常常得不到令人满意的识别结果。文中对传统K-means算法进行了改进,并将改进后的K-means算法与GMM结合应用到声纹识别系统中。实验结果表明,改进的K-means算法与传统的算法相比具有更好的识别效果。     

小卫星温度测量冗余设计方法研究

提出一种软硬件结合的温度测量冗余设计方法。将小卫星的温度测量按组划分,相邻的几个传感器设置为一组,同组的传感器用Bayes数据融合的方法得到对每个温度点的温度估计,并以此为依据去判定每个温度测量点的温度测量是否有效,若判定为测量数据无效则启用备用传感器。该方法用软件实现了对测量数据是否有效的判定,再用有限的硬件备份提供冗余设计,使得备份传感器的数量大大减少。     

改进生物地理学优化算法在配电网无功优化中的应用

针对生物地理学算法(BBO)信息利用能力强但搜索能力不强的问题,提出了一种结合遗传算法改进变异操作的算法.改进算法充分利用了遗传算法的搜索能力,使算法的寻优能力得到了很大的改善.将该算法应用于IEEE34节点的系统,采用分区的方法进行无功补偿优化.算例表明:与基本BBO算法、遗传算法的无功优化相比,改进算法在计算速度和优化效果方面都具有明显的优势.     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚁群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的＂早熟＂.将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

TSP问题的改进演化算法

TSP问题的应用非常广,但当前较成熟的算法大都基于局部优化,而局部优化往往无法求出最优解。所提出的算法兼顾了两父体算子与一元算子的优点,并具有免疫算法的免疫记忆功能,是一个具有较强的选择压力和适应地改变的变化算子的演化算法。与其他遗传算法和免疫算法相比具有收敛速度更快,结果更优的特点。     

基于改进粒子群算法考虑阀点效应的经济负荷最优分配

经济分配对于电力系统节能至关重要,是电网中一类典型的优化问题,基于传统的粒子群算法的优化方法由于仅考虑速度与位置参数,易导致局部最优。针对电力系统的有功经济分配,考虑发电机组的阀点效应,提出一种改进型粒子群算法。通过引进视角参数,使粒子的移动状态受到视角的制约,改善传统算法粒子容易早熟而陷入局部最优的缺陷,降低搜索随机性并提高优化精度’仿真结论表明,带有视角参数的改进粒子群算法有更高效的全局搜索能力和更可靠的最优解,为发电机有功经济分配问题提供一种有效的新算法。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

多位乘法器的多阶Booth算法的实现

讨论分析了传统Booth算法及改进二阶Booth算法的特点,提出一种适合多阶算法的一般通式及部分积的实现方法,可根据乘数的位宽采用不同的阶,一次扫描多位相邻的乘数位,由此最大限度地减少了部分积的数目,提高了乘法器的运算速度．