摘要：　如何提高光刻的分辨率已成为超深亚微米集成电路设计和制造的关键技术。文章简要介绍了分辨率提高技术之一的离轴照明的原理及其构造形式,介绍了部分相干的二维透射系统的仿真程序SPLAT的特点,并用SPLAT实现了一种新的照明结构,为实际开发光学邻近校正(OPC,OpticalProximityCorrection)仿真工具增加了新的功能。

摘要：ECG信号由于其唯一性,在身份识别中得到了越来越广泛的应用。但以往的研究基本只讨论在平静状态或不同情绪下的身份识别,没有考虑个体在运动中及运动后的识别情况。本文针对这个问题,研究在平静和运动状态混合下ECG身份识别的特征向量选取问题。实验分别提取QRS等特征点组成的形态特征、核主成分以及两者的融合特征,利用支持向量机(SVM)进行识别测试。其中训练使用平静状态下的数据,测试则使用平静与运动状态混合的数据集。实验结果显示当ECG身份识别扩展到平静和运动状态混合的情况下,形态特征和KPCA融合的特征有最优的识别效果,识别率达到98.7342%。

摘要：由于采集的原始信号含有过多的干扰信号,首先在对信号分析之前对原始信号进行了降噪,,然后利用小波分析对非平稳和非线性的信号能够很好的分析其局部变化的特点,用于对故障电弧在时频域内的分解并提取了用于神经网络输入的多个相关特征量,同时在实验期间针对BP神经网络存在的容易陷入局部优化和训练过慢等特点,采用了遗传算法来对神经网络进行进一步的优化。实验结果表明,该直流电弧故障检测方法的判断准确率和误判率令人满意。

摘要：物理不可克隆函数(PUF:Physical Unclonable Function)是一种新型的加密组件,具有不可克隆,不可预测以及难以特征化等特性。文章基于图像传感器的噪声特性,在光照响应不一致噪声PUF(PRNU-PUF:Photo-Response Non-Uniformity based PUF)的基础上进行了改进,提出了一种复合模式噪声PUF(CPN-PUF:Composite Pattern Noise based PUF),该PUF结合了图像传感器的固定模式噪声(FPN:Fixed-Pattern Noise)和PRNU的特性,相比于传统PRNU-PUF,具有安全性更高,特征相关性更明显,性能更好的特点。

摘要：传统的语音端点检测方法以信号的短时能量、过零率等简单特征作为判决特征参数.这些方法在实际应用中,尤其当信号信噪比比较低时,无法满足系统的需要.文中利用零能积差作为判决采样信号帧是否为语音信号的依据,并通过了硬件来实现.结果表明,该模块较传统方法在保证高识别率的同时,提高了模块的速率,减小了面积,具有一定的实用价值.

摘要：支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的SVM核函数参数。实验表明,该算法选取的SVM核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。

摘要：无线网络协议的校验纠错机制繁重复杂,加重了通信带宽的负担。盲源分离无需任何先验知识就可重构出源信号,成为无线传感器领域的研究热点。但网络部署中,传感器信号的量化位数和Modem个数难以确定。针对上述问题,提出一种基于平方根容积卡尔曼滤波(SRCKF)的盲源分离算法。算法根据空间状态方程和测量方程,用平方根容积卡尔曼估计分离向量。实验结果表明:SRCKF算法在保持极高分离精度的情况下,能有效计算出量化位数和Modem个数的最优值,SRCKF算法效率是同类无先导卡尔曼滤波(UKF)算法效率的1.3578倍。

摘要：当前,基于平台的系统芯片(SoC)设计已成为复杂SoC设计的一种高效的解决方法。针对接口标准多样性带来的SoC集成问题,采用了开放核协议(OCP)通用标准接口与平台设计相结合的方法,基于Simulink的多处理器系统芯片(MPSoC)设计流程平台,实现了对数字多点微波系统(DMS)通信机制及其SoC实例的OCP接口应用。研究结果表明,在三核SoC平台中,此设计方法在很大程度上扩展了SoC平台的灵活可配性,加快了SoC开发周期。

摘要：针对软件实现的压缩、解压方案存在消耗资源过多、速度慢的特点,介绍了一种基于LZW算法的硬件实现的无损压缩器,并根据算法的特点提出了其体系结构。该结构采用了一种并行的字典搜索策略,极大地提高了字串的搜索速度。在压缩器的设计中控制部分和数据处理部分明确分工,有利于功能的扩展。仿真结果显示,该设计的压缩器可以正确实现压缩,资源占用情况可以接受;工作频率达到210 MHz,总的数据处理能力达到750 Mbps,处理性能比软件实现的处理能力快20多倍。

摘要：为防止计算机蠕虫病毒造成的巨大破坏,以计算机性能参数作为原始数据训练集,利用支持向量机分类器进行数据挖掘,建立了网络蠕虫病毒检测模型,在蠕虫大规模侵染网络之前发起网络预警,减小了蠕虫爆发引起的损失。在模拟计算机的常用网络结构下,通过采样主机不同工作状态下的系统特征计数器形成训练数据集,在进行特征提取后,利用支持向量机分类器实现了判决规则的产生和分类决策,并在模拟搭建的局域网络上进行了验证测试。测试结果表明,检测模型对未知网络蠕虫有很高的判决准确率,说明了基于支持向量机(SVM)分类算法的检测方法适合小样本的分类判决,并有着很强的实用性。