存储体编译和布局协同的片上缓存设计方法

为了提高片上缓存的速度、降低面积和功耗,提出了一种存储体编译和布局协同的片上缓存设计方法。该方法基于存储体在芯片上的不同空间位置预估该存储体的时序余量,分别采用拆分/合并、尺寸调整、阈值替换和长宽比变形等多种配置参数穷举组合进行存储体编译,根据时序余量选择最优的静态随机存取存储器存储体编译配置。将该方法与现有的物理设计步骤集成为一个完整的设计流程。实验结果表明,该方法能够降低约9.9%的功耗,同时缩短7.5%的关键路径延时。     

复杂波形反数字储频干扰思考

阐述了数字射频存储器的基本结构,以及干扰的优点和局限性,从设计复杂波形进行反数字储频干扰研究,对阶段相位扰动LFM信号、串并联信号、脉内非线性调频脉间相位编码信号进行了分析。这3种复杂信号能够造成干扰信号和雷达信号失配,弱化干扰和回波的相干度,能够区分出干扰信号和回波信号,达到反干扰的效果,为反数字储频干扰的研究提供理论依据。     

实时应用中的内存锁定技术研究

内存锁定是一种保证某进程驻留在内存而不需换页的方法。在实时环境中 ,系统应保证将某进程锁定在内存中 ,以减少数据访问、指令读取、进程间缓冲区切换等等引起的延迟。将一个进程的地址空间锁定在内存中 ,就为应用的响应时间满足实时需要提供了保障。一般来说 ,对时间要求苛刻的进程应锁定在内存中。本文主要以实时环境为背景 ,阐述了内存锁定和解锁函数以及在多进程下内存锁定技术的应用。     

基于反射内存网的复合导引头联合仿真试验设计

联合仿真试验同时具备实装试验、数学仿真试验和半实物仿真试验的优点,可构建全面逼真的试验环境,其中实时算法和通信技术是关键技术。基于反射内存网技术,进行了复合导引头联合仿真试验总体方案设计,对试验中的时间同步、数据同步等关键问题进行了研究,解决了联合仿真试验中各仿真系统协同及实时通信问题,对联合仿真试验的开展有一定的应用价值。     

高等数学中典型错误剖析及对策

在教学中 ,教师若能预先估量学生的错误 ,有针对性的教学 ,就一定能取得满意的教学效果。本文对高等数学中学生所犯典型错误作归因化剖析并给出相应的对策     

基于新型非易失内存的远程零拷贝文件系统

为提升物联网与边缘计算应用中前端节点间的数据访问效率,提出了一种新型远程零拷贝文件系统。该文件系统无须借助特殊硬件,可直接基于通用网卡设备实现零拷贝的数据传输框架;充分利用新型非易失内存的随机访问特性,尽可能减少数据缓存和拷贝,提高数据访问的吞吐量。建立缓冲区池,精简并融合传统网络栈和存储栈,从而缩短文件访问路径,减少软件冗余,降低数据访问延迟。最终提供高带宽、低延迟的远程数据访问性能。测试结果表明,远程零拷贝文件系统比传统网络文件系统减少了42.26%～99.19%的读写延迟,细粒度访问下的吞吐量最高可提升1297倍,显著降低了处理器开销和缓存失效次数。     

众核处理器访存链路接口的FPGA验证

面向众核处理器提出一种访存链路接口的现场可编程门阵列(Field-Programmable Gate Array,FPGA)验证平台,用于对处理器访存链路关键部件进行功能及可靠性测试。提出片上读写激励自动产生与检查机制、以太网接口硬件用户数据报协议(User Datagram Protocol,UDP)协议栈和FPGA芯片间多通道并行链路三项关键技术并进行设计实现。实验结果表明提出的各项关键技术功能正确,不仅丰富了功能验证中随机激励产生及结果验证的手段,而且实现了对链路数据检错和多lane间延迟偏斜纠正逻辑的可靠性测试与评估。经过该平台验证的访存链路接口在实际芯片中通过了功能正确性测试,证明了验证的有效性。     

管道金属磁记忆检测技术现状分析及发展研究

针对管道无损检测问题,阐述了金属磁记忆效应的基本原理,与传统无损检测方式比较,归纳了磁记忆检测的基本特性。在磁记忆检测仪器研发现状的基础上,设计了新型管道磁记忆／漏磁综合检测仪。从检测机理、信号处理和缺陷识别3个方面对检测技术研究现状进行分析和总结。探讨了检测机理的局限性,提出管道磁记忆检测技术的研究新方向。     

金属磁记忆管道检测机器人的应用研究

阐述了金属磁记忆检测技术的基本原理及磁记忆检测机器人的研究现状,针对存在的问题,基于形态分析法对不同驱动形式的机器人进行优选。提出了一种适用于150mm管径的螺旋轮式机器人驱动系统,对机器人的动力系统和检测单元进行设计,为长输管道磁记忆检测机器人的结构设计和优化提供了有益参考。     

梯度学习的参数控制帮助线程预取模型

对于非规则访存的应用程序,当某个应用程序的访存开销大于计算开销时,传统帮助线程的访存开销会高于主线程的计算开销,从而导致帮助线程落后于主线程。于是提出一种改进的基于参数控制的帮助线程预取模型,该模型采用梯度下降算法对控制参数求解最优值,从而有效地控制帮助线程与主线程的访存任务量,使帮助线程领先于主线程。实验结果表明,基于参数选择的线程预取模型能获得1.1~1.5倍的系统性能加速比。