摘要：针对现有容错计算机故障注入方法缺乏对空间环境中频发的单粒子故障模型的支持,本文提出了一种利用背板技术的软硬件协同仿真与故障注入技术,分别针对寄存器部件和存储器部件的特性,设计了多位错误的单粒子故障模型,在寄存器传输级实现了通过软件生成故障并注入到硬件设计中的软硬件协同故障注入方案,避免了在硬件设计中修改代码生成故障破坏系统完整性的问题.基于Leon2内核的故障注入实验表明,本文设计的平台为处理器容错设计提供了一个自动化、非侵入、低开销的故障注入和可靠性评估方案.

摘要：动态可重构高速串行总线(UM-BUS)具有多通道并发冗余的特征以及远程存储访问能力,然而传统的固定网络结构已不能适应CPS、物联网对异构资源动态接入、多源感知融合的需求.为解决UM-BUS总线网络中功能模块的即插即用和实时响应,本文提出一种低开销、高效率的中断请求与仲裁方法,采用基于编码仲裁的方式实现总线节点设备的中断处理,满足CPS、物联网应用环境下,UM-BUS总线节点设备之间事件中断通知与快速实时响应的需求.

摘要：大数据时代的到来为信息处理带来了新的挑战,内存计算方式的Spark显著提高了数据处理的性能.Spark的性能优化和分析可以在应用层、系统层和硬件层开展,然而现有工作都只局限在某一层,使得Spark语义与底层动作脱离,如操作系统参数对Spark应用层的性能影响的缺失将使得大量灵活的操作系统配置参数无法发挥作用.针对上述问题,设计了Spark存储系统分析工具SMTT,打通了Spark层、JVM层和OS层,建立了上层应用程序的语义与底层物理内存信息的联系.SMTT针对Spark内存特点,分别设计了针对执行内存和存储内存的追踪方式.基于SMTT工具完成了对Spark迭代计算过程内存使用,以及跨越Spark,JVM和OS层的执行存储内存使用过程的分析,并以RDD为例通过SMTT分析了单节点和多节点情况下Spark中读和写操作比例,结果表明该工作为Spark内存系统的性能分析和优化提供了有力的支持.

摘要：单粒子翻转是空间环境下微处理器发生异常的重要诱因之一,随着集成电路特征尺寸的缩小,单粒子翻转不仅会引发单位错误,还会引发大量的多位错误,如何有效解决处理器所面临的多位故障是容错处理器设计面临的新挑战.本文提出了一种基于周期粒度的级间寄存器备份机制的容错方法,采用双流水线冗余结构,通过比较器对比两条流水线的级间寄存器以检测单粒子故障;以周期粒度对级间寄存器的内容进行备份,当检测到单粒子故障时,使用2个周期对流水线进行恢复;为避免脏数据流出流水线,在数据缓存和寄存器堆的入口设置写缓冲,通过延迟写入保证信息可靠性.本文基于实际的SPARC V8结构处理器,对提出的方法进行了具体实现,在实验平台上进行了仿真,仿真结果显示,本文提出的容错方法能够以一定的面积开销实现对SEU、SET、和MBU故障容错,加固处理器的主频最高可以提升70%.

摘要：随着深度学习算法在语音和图像等领域中的成功运用,能够有效提取目标特征并做出最优决策的神经网络再次得到了广泛的关注.然而随着数据量的增加和识别精度需求的提升,神经网络模型的复杂度不断提高,因此采用面向特定领域的专用硬件加速器是高效运行神经网络的有效途径.然而如何根据网络规模设计高能效的加速器,以及基于有限硬件资源如何提高网络性能并最大化资源利用率是当今体系结构领域研究的重要问题.为此,提出基于计算特征的神经网络分析和优化方法,基于“层”的粒度解析典型神经网络模型并提取模型通用表达,根据通用表达式和基本操作属性提取模型运算量和存储空间需求等特征.提出了基于最大值更替的运行调度算法,利用所提取的特征分析结果对神经网络在特定硬件资源下的运行调度方案进行优化.实验结果显示:所提方法能够有效分析对比网络特征,并指导所设计调度算法实现性能和系统资源利用率的提升.

摘要：动态可重构总线UM-BUS是一种面向嵌入式系统的高速串行总线,采用可变时隙轮转方法支持多主工作模式,可实时检测故障,具有动态容错功能.为了提高总线系统在嵌入式应用中的时间确定性,保证总线节点时隙轮转的精准性.本文设计了一种能够对线路传输误差进行修正的高精度时间同步方法,并支持时间主节点故障的主动容错.在总线工作速率为1.6Gbps的实际系统中,节点同步时间误差小于50ns,时隙计数误差小于1个总线位时.

摘要：针对由神经网络参数多计算复杂度高导致的数据访问灵活性不足问题,本文提出了一种通用CNN加速器的缓冲区地址调度方法.通过在地址控制器中灵活调度片上缓存,卷积层均能由一个或两个特定卷积运算单元实现,降低资源开销;通过输入参数可配置不同大小的图像及卷积核,具有一定的通用性.实验结果表明,该地址调度方法能够适用于不同数目及尺寸的卷积、池化和全连接操作,并且计算性能有所提高.

摘要：为解决神经网络中爆炸式增长的数据量所加剧的计算机系统存储墙问题,针对经典近似方法在平衡精确度和开销问题上的不足,提出一种利用相邻数据之间相似特征以及神经网络中数据冗余性的优化方法。通过分析数据密集型应用的数据特征,提出针对权值的稀疏矩阵压缩,针对输入数据的重复值压缩和相邻小范围浮动数据近似的方案,设计神经网络拓扑感知的冗余数据近似方法,在合理范围内实现数据近似。实验结果表明,相比于SNNAP方案输出质量平均提高了8.16%,压缩率达到51.38%,为提高数据密集型应用的系统加速比提供了可行性。

摘要：采用生成对抗网络及其扩展模型可以实现人脸属性转换,但生成图像存在分辨率低及特征损失的问题.本文基于GeneGAN网络,提出一种基于特征增强的人脸属性转换算法,在生成网络中增加网络深度,建立高低维特征耦合通道,通过对特定属性深度特征提取比较,优化生成图像的身份及属性特征.在CelebA数据集上的实验表明,本文算法得到的高分辨率图像不仅在保留图像身份信息上有较好的改善,同时在视觉效果和客观指标上都有较大的提高.

摘要：石英振梁加速度计采用频率输出的形式表示加速度,在惯性导航系统中,需要将频率值转换为加速度值,再进行姿态解算。采用软件方法进行浮点计算,需要耗费CPU大量的计算能力。为了优化频率转换的计算速度,设计一种面向频率转换应用的浮点计算加速单元,并基于FPGA进行了实现与验证。结果表明,系统从数据采样到频率转换,然后将频率值转换成加速度进行姿态解算,陀螺仪测得的角速度进行积分,最后完成数据融合,使用本文设计的浮点加速单元来实现频率转换,速度提高了2倍。