基于对偶逻辑的混合极性RM电路极性转换和优化方法

针对混合极性RM(Reed-Muller)电路逻辑综合中的极性转换和极性优化问题,提出了基于对偶逻辑的极性转换和极性优化方法.从理论上证明了所提出方法的正确性,并用实验验证了其有效性和可行性.所提出方法有助于将较成熟的MPRM(Mixed-Polarity RM)极性转换和极性优化方法应用于MPDRM(Mixed-Polarity Dual form of RM).对15个基于XOR的MCNC电路进行逻辑综合然后映射到FPGA(Field Programmable Gate Array)的实验结果表明,从平均结果来看,与逻辑综合工具Espresso以及ABC的结果相比,混合极性RM电路能够获得面积和延时的优势,并且MPDRM电路极性优化结果能够得到最为优化的FPGA实现.

基于混合多值离散粒子群优化的混合极性Reed-Muller最小化算法

针对布尔函数系统的混合极性Reed-Muller(Mixed-Polarity Reed-Muller,MPRM)最小化问题,该文提出了一种混合多值离散粒子群优化算法。为解决多样性损失,改善优化结果,兼顾算法的效率和精度,算法采用多群协同优化方法,并提出了概率变异更新、没有重复的更新以及群间重复最优变异3种更新和变异策略。实验结果表明,和模拟退火遗传算法相比,所构造算法能够在获得基本相同优化结果的同时,提高MPRM最小化的时间效率。

基于Pareto支配的MPRM电路面积与可靠性优化

针对MPRM(Mixed-Polarity Reed-Muller)电路的面积与可靠性折中优化问题,在逻辑级建立面积估算模型以及电路SER(Soft Error Rate)解析评价模型,并采用Pareto支配概念对MPRM电路进行面积与可靠性多目标优化.通过对MPRM电路的XOR部分进行树形异或门分解,并考虑多个输出之间异或门的共享,建立面积估算模型.采用信号概率和故障传播方法,并考虑电路中的逻辑屏蔽因素以及信号相关性,建立电路SER解析评价模型.根据所提出的面积和SER评价模型,采用极性向量的格雷码序穷举搜索MPRM的极性空间得到MPRM电路面积与可靠性的Pareto最优解集,并使用效率因子技术指标选取最终解.MCNC基准电路的实验结果表明,与面积最小MPRM电路相比,所选取的MPRM电路可以在较小面积开销的前提下获得较高电路可靠性.

使用系数矩阵变换极性转换的MPRM电路面积优化

为缩短布尔函数系统混合极性Reed-Muller(mixed-polarity Reed-Muller,MPRM)电路面积优化过程的时间,提出了能在任意极性值的MPRM间进行极性转换的系数矩阵变换方法.使用系数矩阵表示布尔函数系统,通过对系数矩阵进行分隔,使用置换和折叠操作完成MPRM极性转换以加快极性转换速度;在此基础上,给出了适用于较大规模MPRM电路的面积优化算法,其中使用遗传算法进行极性空间搜索,并采用基于最短个体距离的适应度计算方法进一步缩短优化过程中的极性转换时间.实验结果表明,与其他MPRM极性转换方法相比,文中方法能够提高MPRM电路面积优化的速度.

基于2个阶段遗传算法的MPRM电路面积与SER折中优化

随着组合电路对瞬时故障的敏感度不断增加,在进行混合极性Reed-Muller(MPRM)电路优化时有必要将软错误率(SER)作为一个重要约束,并以较高时间效率获得电路面积与SER的合理折中解.为此,提出一种带历史缓冲区的2个阶段遗传算法TPGAHB来进行MPRM电路面积与SER折中优化.TPGAHB采用带历史缓冲区的GA模型,分2个阶段实施面积与SER折中优化.第1阶段以面积为目标进行优化得到面积最优解;第2阶段利用Pareto最优原理量化偏好将面积最优解作为参考解计算MPRM电路解的面积与SER效率因子,并以效率因子为目标进行优化,从而得到面积与SER的合理折中解.对MCNC电路进行优化的结果表明,TPGAHB具有较好的寻优能力,能够以较高时间效率获得较好的面积与SER折中的MPRM电路,对输入数超过14的电路也有较好适用性.

基于系数矩阵变换的最优MPRM求解方法

针对多输出布尔函数,给出一种求解混合极性Reed-Muller(MPRM)的系数矩阵变换算法。以MPRM中的乘积项数为化简标准,采用穷举策略进行极性空间搜索,求解最优MPRM。在MCNC和ISCAS基准电路上的测试结果表明,与采用列表技术相比,该系数矩阵变换算法能平均缩短55.8%的最优MPRM求解时间。

基于混合遗传算法的MPRM最小化

MPRM(Mixed-Polarity Reed-Muller)最小化是RM(Reed-Muller)电路逻辑综合过程中一个非常重要的阶段,对于输入数较多的布尔函数,传统遗传算法(Genetic Algorithm,GA)在解决MPRM最小化问题时收敛过早.提出了一种基于混合遗传算法(Hybrid Genetic Algorithm,HGA)的MPRM最小化算法,该算法将基于相异度的局部改善策略结合到GA算法的迭代过程中.局部改善策略对种群中最佳个体和与之相异度最大的个体实施交叉操作生成新个体,并将新个体与最佳或最差个体进行竞争.将所提算法应用于一组具有较多输入数的MCNC基准电路,并与其他智能MPRM最小化算法进行比较.结果表明,局部改善策略能够避免算法陷入局部极小,增强了全局收敛能力.与模拟退火遗传算法(Simulated Annealing Genetic Algorithm,SAGA)相比,HGA算法在获得类似结果的前提下提高了时间效率;与Hybrid multi-valued DPSO算法相比,HGA在得到基本相同的算法结果时,时间效率亦基本相同.

多路模拟开关CD4067在LED点阵显示屏中的应用

针对LED点阵显示屏中显示信号控制问题,提出了一种采用多路模拟开关CD4067的简单实用方法,并给出了硬件实现以及软件实现时应注意的问题。

基于SADPSO的MPRM最小化算法

针对混合极性Reed-Muller(mixed-polarity Reed-Muller,MPRM)逻辑最小化问题,提出一种基于SADPSO(hybrid simulated annealing and discrete particle swarm optimization)的智能算法。该算法将模拟退火(simulated annealing,SA)与离散粒子群优化(discrete particle swarm optimization,DPSO)相结合,对DPSO所得到的最佳解应用SA,帮助算法跳出局部极小。使用所提出算法和已有智能MPRM最小化算法分别对23个MCNC基准电路进行逻辑最小化,并对算法结果质量进行定量评价。结果表明,与已有智能MPRM最小化算法相比,所提出算法具有更好的全局收敛能力,能够提高算法结果质量。

基于布尔表达式图的可逆电路综合方法

本文基于布尔表达式图(Boolean Expression Diagram,BED)提出一种可逆电路综合方法.该方法使用BED表示函数,采用逐BED结点方式综合可逆电路.在综合一个结点时,通过考虑其子结点函数的值是否还会被后续电路使用,基于由NOT、CNOT以及混合极性Peres门构成的门库构建该结点的局部最优可逆子电路.为进一步改善所得电路的成本,根据函数表达式的乘积项中变量对的共享度对变量进行分组实现BED中变量的排序.使用一组基准函数对所提出方法进行了验证.结果表明所提出方法具有较高时间效率.与现有使用决策图作为函数表示模型的综合方法相比,所提出方法能改善综合所得可逆电路的量子成本,且在许多情况下还能减少量子位数和垃圾线数.

快速启发式ESOP电路面积优化算法

针对积之异或和(ESOP)电路面积优化的时间效率问题,提出一种快速的启发式算法.该算法使用多输出立方体表示乘积项,首先由基于伪Kronecker判决图的方法得到初始ESOP覆盖,然后使用启发式局部极性转换与局部变换交替迭代的方式进行面积优化.为提高算法效率,启发式局部极性转换仅尝试改变立方体中单个变量的极性,并且仅接受对减少电路面积有帮助的极性转换,该转换有助于使优化过程跳出局部极小;局部变换则通过对ESOP覆盖中距离为1或2的立方体进行变形来减少电路面积,该变换有助于算法的收敛.实验结果表明,文中算法能够适用于具有较多输入变量的多输出电路;与MPRM电路相比,ESOP电路能够降低电路面积开销;与其他ESOP电路优化算法相比,该算法能够显著改善面积优化的时间效率.

基于ESOP最大加权输出相容类的可逆电路综合方法

充分挖掘乘积项在多个函数输出之间的共享因素来降低可逆电路的量子成本是基于积之异或和(Exclusive-Sums-Of-Products,ESOP)的可逆电路综合方法要解决的一个重要问题.提出一种基于最大加权输出相容类的可逆电路综合方法.该方法先借助零抑制多输出决策图对立方体集合进行输出等价类划分,并采用贪心策略计算最大加权输出相容类,然后对最大加权输出相容类进行综合,以使混合极性多控制Toffoli门以及可逆子电路在尽可能多的输出变量线之间共享.通过立方体聚类挖掘等价类中立方体间的结构相似性,并对文字数较多的立方体实施分解,进一步降低可逆电路的量子成本.使用Rev Lib多输出函数对所提出方法进行了验证,结果表明所提出方法可以很好地挖掘乘积项在多个函数输出之间的共享因素,能够降低由ESOP综合所得可逆电路的量子成本,并且具有较高的时间效率.

基于概率表达式的MPRM电路功耗计算方法

采用基于信号概率的功耗计算模型进行MPRM(Mixed Polarity Reed-Muller)电路功耗优化,信号概率计算是功耗计算的关键.提出一种基于概率表达式的MPRM电路功耗计算方法.该方法兼顾信号概率计算的时间效率和准确性,对MPRM电路中不存在空间相关性的信号通过在电路中传播信号概率的方式计算其信号概率,存在空间相关性的信号则利用概率表达式计算其信号概率,并在电路中传播概率表达式以解决空间相关性问题,在此基础之上根据基于信号概率建立的解析动态功耗和静态功耗计算模型计算电路功耗.为进一步提高时间效率,该方法采用二元矩图表示概率表达式.使用基准电路对所提出方法进行了验证,并与其他采用不同信号概率计算方法的MPRM电路功耗计算方法进行了比较.结果表明所提出方法准确有效.

基于优先级编码器的非编码矩阵键盘接口设计

针对嵌入式系统硬件利用率的问题,提出一种基于优先级编码器的非编码矩阵键盘接口设计方案。该方案采用中断工作方式,并通过内部定时中断实现消抖、按键识别以及按键自动重复处理。使用74HC147进行了4×9非编码矩阵键盘的扩展,给出了硬件设计以及软件设计。这种键盘接口设计简单,提高了嵌入式处理器的效率和I/O端口的利用率。

光传感器ISL29004在智能照明控制系统中的应用

针对智能照明控制系统中照度检测的问题,提出一种基于ISL29004的多路照度检测方案。介绍一种采用该方案的智能照明控制设备,该设备以单片机P87LPC768为控制核心,采用具有I2C总线接口的ISL29004进行照度检测,使用准双向I2C总线缓冲器P82B96对I2C总线进行驱动扩展,在简化系统设计的同时实现了多路照度检测以及自动照明控制。

混合RM-DRM逻辑及其在可逆电路综合中的应用

为获得布尔函数的紧凑逻辑表示,进而改善综合所得电路的质量,提出一种混合Reed-Muller和对偶Reed-Muller(RM-DRM)逻辑模型。基于海明距离对立方体集合进行划分来构建函数的混合RM-DRM逻辑表示,并利用对偶原理借助EXORCISM-4工具对混合RM-DRM逻辑进行化简。最后将混合RM-DRM逻辑作为结构表示模型应用于可逆电路综合。实验结果表明,与采用RM逻辑作为表示模型相比,混合RM-DRM逻辑模型的采用可以降低某些函数综合所得可逆电路的量子成本,并且能够降低RevLib库中的134个函数综合所得可逆电路的平均量子成本。

Exclusive-nor sum-of-sum逻辑及其最小化研究

对DRM(dual Reed-Muller)逻辑的非标准形表示形式和之同或和(exclusive-nor sum-of-sum,ENSOS)进行研究,并给出一种启发式的ENSOS逻辑最小化算法。该算法采用立方体覆盖表示ENSOS,对立方体迭代应用XNOR连接运算实现ENSOS逻辑的化简。为在算法结果质量与算法效率之间进行折中,该算法在进行立方体的XNOR连接时采用前瞻和回溯策略。使用基准函数进行验证的实验结果表明,所提出的算法能够获得更为精简的逻辑表达式。

基于系数矩阵的极性转换方法及其在MPDRM化简中的应用

针对多输出布尔函数系统混合极性对偶Reed-Muller展开(MPDRM)的极性转换问题,提出了一种基于系数矩阵的极性转换方法。该方法通过分析使用转换矩阵进行极性转换时所需的矩阵运算,进行子矩阵提取并将复杂的矩阵运算简化为子矩阵间的同或运算,提高了极性转换速度。在此基础上,给出了MPDRM精确化简算法,该算法采用格雷码策略使得极性转换发生在相邻极性值的MPDRM之间,并以和项数作为主要化简标准,文字数作为次要化简标准,通过采用穷举策略搜索极性空间求解最小MPDRM。实验结果表明,使用文字数作为次要化简标准能够获得更优化的MPDRM,与基于列表技术的极性转换方法相比,所提出方法能够缩短精确化简过程49.5%的时间。

J2ME中面向对象的持久存储管理研究

针对J2ME程序数据持久存储的问题,根据移动信息设备简表,提出一种采用缓存机制的面向对象的数据持久存储管理方案。该方案将数据封装为对象,在应用程序和持久存储之间采用数据管理层分离应用程序的数据访问逻辑和数据存储逻辑,并采用缓存机制提高数据访问效率。通过实验验证该方案的可行性,实验结果表明该缓存机制提高了频繁访问数据的访问效率。

基于KFDD与进化算法的可逆电路优化算法

为降低由Kronecker功能决策图(Kronecker functional decision diagram,KFDD)综合所得可逆电路的成本,提出一种基于进化算法的可逆电路优化算法。该算法基于遗传算法模型进行设计,分别采用离散值和整型值编码KFDD输入变量的分解类型和顺序,使用所设计的遗传算子,将量子成本作为主要目标、量子位数作为次要目标进行可逆电路的优化。为解决过早收敛问题,该算法在搜索过程的前期阶段利用多个子群搜索解空间中的不同区域,在搜索过程的后期阶段将多个子群合并为整体种群,利用整体种群进行集中搜索。使用基准函数对算法进行验证的结果表明,所提出算法具有较强的全局寻优能力,有较好的结果稳定性,能够降低可逆电路的量子成本。