基于脉冲激光定位的SRAM单粒子闩锁事件率预估

器件单粒子闩锁效应(SEL)预估方法一般是建立在只有一个敏感体积单元的长方体(RPP)模型上,静态随机存储器(SRAM)单粒子闩锁敏感区的定位试验结果表明敏感体积单元不仅有一个.利用脉冲激光定位SRAM K6R4016V1D单粒子闩锁效应敏感区的试验结果对器件在轨SEL事件率进行了修正计算.首先利用脉冲激光定位SRAM SEL敏感区,获得敏感区的分布情况,并确定整个器件敏感体积单元的数量.然后针对不同的空间轨道、辐射粒子以及敏感体积厚度和敏感体积单元数进行了相应的器件SEL事件率计算,并对计算结果进行了分析讨论.结果表明,重离子引起的SEL事件率随敏感体积单元数量的增大而减小;修正敏感体积单元数量对预估质子引起的SEL事件率非常必要,否则将会过高评估质子直接电离作用对SEL事件率的贡献.

CMOS SRAM器件单粒子锁定敏感区的脉冲激光定位试验研究

利用脉冲激光定位成像系统,对CMOS SRAM K6R4016V1D器件开展了单粒子锁定效应(SEL)敏感区定位的试验研究。试验结果表明:该器件的单粒子锁定效应敏感区呈周期性分布,而对于单一的SEL敏感区,其长度和宽度相差很大。在此基础上进一步讨论了SEL敏感区的分布对测试方法和空间SEL发生频次计算的影响。

基于“SOM脸”的选择性单训练样本人脸识别

基于“SOM脸”计算模型提出一种新的人脸局部区域重要程度度量方法 ,并用于进行选择性单训练样本人脸识别。从机器人脸识别的角度 ,并未预先人为设定任何重要区域 ,而是通过学习来自动发现这些对机器而言相对重要的人脸区域 ,即包含类信息相对丰富的区域 ,并将其进行可视化。实验结果表明 ,在利用了人脸局部区域重要程度信息后 ,识别算法的性能和效率均得到提高 ;特别是仅选择人脸图像中若干部分重要的区域用于识别时 ,在提高识别效率的同时 ,识别性能未见明显下降。

基于谱系数图检测特殊逻辑函数的图形方法

阐述了特殊函数——冗余函数、线性函数、自反函数、自双反函数的定义.讨论了它们的有关谱系数的性质.据此提出了这四个函数的特点的四个定理,给出了相应谱系数图的特点,得到了基于谱技术的谱系数图检测冗余函数、线性函数、自反函数、自双反函数的新方法.实例展示了基于上述定理的谱系数图检测上述函数的过程.实例表明该方法具有直观、简单等特点.

关于限制结盟单调集对策的边缘值

把限制结盟投影与单调集对策结合在一起,得到限制结盟单调集对策的边缘值,该值是对经典边缘值的推广,随之给出了该值的公理体系.

基于两种神经网络的SAR图像多尺度分割与分析

基于多尺度回归技术和神经网络提出两种合成孔径雷达(SAR)图像分割的新方法。首先利用多尺度自回归模型(MAR)来描述SAR图像不同尺度间的统计相依性,以此提取SAR图像的多尺度统计特征;然后分别构造自组织特征映射网络和概率神经网络,并利用统计特征作为输入训练两种网络,实现SAR图像的分割。最后通过实验对这两种方法以及其他方法之间进行比较、分析,结果表明本文提出的两种方法的实验结果比较理想。