摘要：针对矿井生产中的一些复杂组合优化问题,采用蚂蚁算法对井下安全监测的监测点选择、井下运输系统优化问题进行了研究.对煤仓布局,经优化后可减少井下的运输费用,提高运输效率.对于井下安全监测的监测点选择,可根据具体情况合理地进行监测及监控系统布局设计.并以某矿山系统优化为例验证了蚁群算法的应用效果.

摘要：在低质量点云人脸数据集上,判别性特征的提取和模型对噪声的鲁棒性是解决点云人脸识别问题的关键。针对现有轻量点云人脸识别算法不能充分提取判别性特征和数据集中存在大量噪声而影响模型训练的问题,设计轻量高效的网络模型,提出了基于多尺度注意力融合和抗噪声的自适应损失函数的点云人脸识别算法。首先通过不同卷积模块获得不同感受野大小的特征图。然后进行多尺度的注意力特征提取,并使用高层的注意力权重来引导低层注意力权重的生成,最后进行通道融合得到多尺度融合的特征,提升了模型捕获人脸细节特征的能力。其次,根据低质量点云人脸图像的噪声信息特点,设计了一种新颖的抗噪声的自适应损失函数(anti-noise adaptiveloss),以应对数据集大量噪声对模型训练过程中可能造成的负面影响,提升模型的鲁棒性和泛化能力。在开源数据集Lock3DFace和本文提出的KinectFaces数据集上的实验结果表明,与当前的主流算法相比该算法模型在低质量点云人脸识别任务中具有更好的识别效果。

摘要：基于通用验证方法学(Universal Verification Methodology, UVM)搭建了可用于AXI4总线协议的验证平台,该验证环境针对基于AMBA总线的AXI4 IP功能的验证需求搭建。该验证平台结合通用功能组件设计总线功能模型,设置受约束的随机激励与定向测试,构造不同的测试用例,完成验证结果的自动校验,提高了验证效率和平台的可移植性。在AXI4多主多从的互联结构下,对乱序传输、突发传输以及混合交叉读写类型等进行充分验证。验证进度可从仿真日志、覆盖率指标以及波形图直观判断,搭建的验证平台完成了AXI4总线的验证任务。

摘要：针对现行通用个人计算机基于开放架构、存在诸多攻击点等安全问题,提出了一种基于TPM安全芯片的新型计算机体系结构。设计并实现了基于安全芯片的软件协议栈TSS,在安全芯片中使用软件协议栈,通过核心服务API来调用核心服务模块,解决远程通信的平台信任问题。设计并实现了基于多协议的授权和认证管理,实现上层应用和TPM之间的授权会话及授权认证,从而保证计算机能够完成安全计算和安全存储的工作,使计算平台达到更高的安全性。

摘要：针对大时宽带宽积信号模拟正交解调幅相误差大的问题,提出了一种基于双中频并行采样的数字I/Q信号获取新方法,该方法首先对回波的两路不同中频信号在特定时刻采样,而后进行符号变换来得到高精度数字I/Q信号。设计了具有固定的相位正交性误差自校正功能的双中频数字正交解调结构,该结构简单且易于工程实现,与模拟正交解调结构比较,镜频抑制比改善15dB左右。仿真实验验证了该方法的正确性。

摘要：验证平台主要通过覆盖率驱动的收敛技术,并结合定向测试与可约束的随机激励,对多核加速器芯片中的IP进行功能型验证。验证环境按照卷积神经网络硬件加速器的验证需求搭建,对设计中卷积、激活、池化、全连接的功能层和基地址和数据偏移等数据流控制功能验证。实验结果证明,验证平台按照通用验证方法学(Universal Verification Methodology,UVM)中的机制,量化验证进度,确保功能模块的验证完备性;经过少量修改即可对不同结构层的神经网络模型的硬件加速器验证平台重用,缩短了验证周期。

摘要：为有效应对手机病毒复制与传播过程中的复杂性问题,引入多主体仿真的方法和技术,以一类较具有代表性的蓝牙病毒为研究对象,基于对其传播特征的分析,构建了手机蓝牙病毒传播的多主体仿真模型,并在Swarm平台上进行了仿真实现。结果表明:多主体仿真可以作为手机病毒研究的一种十分有效的方法和技术工具,通过借助于计算机手段来构建手机病毒研究的"人工实验室",通过仿真试验研究可以为现实中手机病毒的预测、分析和有效应对等提供切实可行的最佳方案和必要的策略制订及决策依据。

摘要：针对遗传算法在求解流水车间调度问题中易出现早熟收敛的局限性,提出了自适应变异的遗传算法。该算法在运行的过程中,首先定义了一种新的衡量种群多样性的熵,然后根据熵值来确定变异概率。这种变异增强了遗传算法跳出局部最优解的能力。仿真实例的结果表明了该算法的有效性,最后利用该算法设计并实现了一个简单的服装加工智能调度器。

摘要：针对物联网应用中SOC平台多需求决策问题,以处理器CV32E40P和Ibex作为内核,选用改进片上总线架构(AMBA)协议以及通用型外设搭建SOC平台;然后根据资源利用报告分析其面积、功耗和性能;最后在FPGA上验证SOC平台可行性。结果表明,在同一SOC平台下,CV32E40P的面积相较于Ibex增加了26.07%,在25 MHz、40 MHz与50 MHz频率下,功耗分别提高了31.58%、29.03%以及25.64%,在运行逻辑控制与卷积运算代码时,速度分别提高了27.66%和108.75%。综上,Ibex更适用于智能家居领域中低带宽数据获取的场景,而CV32E40P则适用于智慧城市领域中视频、图像数据采集处理的场景。