一种低功耗时钟树综合的寄存器聚类方法

随着集成电路制造工艺的进步与芯片集成度的提升,对于低功耗芯片的需求越来越大.时钟网络功耗占芯片总功耗的40%以上,优化时钟网络的功耗已成为高性能集成电路设计中最重要的目标之一.本文提出了一种新的寄存器聚类方法来生成时钟树的叶级拓扑结构,通过限制群组的扇出、负载和范围,对寄存器进行合理分组,减少了缓冲器的插入数目和总布线长度,有效降低时钟网络功耗.将该方法整合到传统的时钟树综合(CTS)流程中,在ISCAS89基准电路上测试并分析其有效性.实验结果表明,该寄存器聚类方法在不影响时钟树最大延时的情况下,有效减少了时钟网络20%以上的功率耗散和20%以上的时钟偏移.

类电磁优化的片上网络低功耗映射算法

针对基于2DMesh结构的片上网络功耗优化问题,提出了一种类电磁优化的片上网络低功耗映射算法.该算法采用实数编码机制,将类电磁算法应用于求解离散问题.使用轮盘赌的选择机制进行种群初始化,提高初始化粒子的质量,从而提高算法效率;利用调整序的方法进行局部搜索,提高粒子在局部范围内的精细搜索能力;设计电荷计算公式求解合力,用阈值滤掉作用力甚微的粒子,提高搜索最优解的效率.实验表明:改进类电磁的映射算法与现有的遗传算法、蚁群算法相比,平均节能达20.35%和12.58%,有效地降低了片上网络通信能耗,并且能耗分布更加均匀,算法效率更高.

基于动态自适应离散粒子群算法的3D NoC低功耗映射方法

相对于2D NoC,3D NoC具有更好的集成度和系统性能,是解决低功耗映射的一个可靠途径。在传统粒子群算法(PSOA,particle swarm optimization algorithm)的基础上,提出了一种动态自适应离散粒子群算法(DADPSOA,dynamic adaptive discrete particle swarm optimization algorithm)。该算法基于早熟收敛程度和个体适应度值变化动态调整参数w,不断靠近最优解;同时对粒子进行合理的解构造,减小了算法时间复杂度。仿真结果表明,与随机映射、遗传算法(GA,genetic algorithm)、PSOA和动态蚁群算法(DACA,dynamic ant colony algorithm)相比,DADPSOA可以缩短执行时间,减小映射结果通信功耗;在面向任务图映射的时候,其通信功耗下降。

一种低功耗高性能AB类运算放大器的设计

为了解决传统运算放大器在物联网系统等低功耗应用中转换速率较低和增益带宽积较小的问题,设计了一种新型的AB类运算放大器。提出了基于差分对管的电流复用技术,将输入晶体管产生的差分电流再次利用,提高了电路的输出电流,获得了更高的转换速率、增益带宽积和直流增益。此外,结合了基于自适应偏置电路的AB类输入级和局部共模反馈电路,使得运算放大器输出级的动态电流摆脱了静态电流的限制,以较小的静态电流获得了较大的动态电流,进一步提升了电路的关键性能参数。基于180 nm CMOS工艺,对运算放大器进行设计和验证。仿真结果表明:在70 pF的负载电容下,正负转换速率分别为23.55 V/μs和-31.47 V/μs,增益带宽积为2.38 MHz,直流增益为63 dB,静态功耗仅为23μW。与传统的AB类运算放大器相比,所提出的电路在实现低功耗的同时具有更高的转换速率、增益带宽积和直流增益,适用于模数转换器和电源管理等低功耗电路系统。

改进粒子群算法优化低功耗自适应集簇分层的路由算法

针对LEA低C功H算法的簇头分布不合理、网络能耗不均的问题,在耗自适应集簇分层路由算法。首先将分割线的选择LE问A题CH转协议的基础上,提出了一种改进粒子群算法优化化成带约束的非线性优化问题,然后利用粒子群算法求解,并针对粒子群算法的不足进行相应的改进,最后采用仿真实验测试算法的性能。仿真结果表明,相对于其它改进LEACH路由算法,本文算法有效提高了网络的能量利用率,能够实现节点之间的能耗均衡,使无线传感器的网络生存时间得到延长。

双重掩码的模幂算法聚类相关功耗分析攻击

相关功耗分析方法是模幂算法最常用的攻击方法之一,当设计中使用底数和指数双重掩码防护措施时,现有的相关功耗分析无法使用。采用高阶相关功耗分析可以对这类防护措施实施有效攻击,但会带来噪声、降低攻击准确率,并且攻击过程中分类方法采用人工观察设定阈值方式,攻击效果严重依赖于攻击者的经验。针对以上问题,提出了一种基于聚类相关功耗分析攻击方法,利用模乘之间功耗的相关性特征差异,评估功耗点有效度,提高有效信息利用率,降低噪声和人工参与过程。实验结果表明,针对双层掩码的模幂防范算法,聚类相关功耗分析与现有策略相比,攻击效率和算法通用性得到提升,400条功耗曲线攻击准确率收敛于1。

低能耗的无线传感网络分层聚类与节点管理机制

为降低无线传感器网络的能耗,提出一种分层聚类与节点管理机制。依据距离汇聚节点的远近以及节点数量的多少对网络进行分层,使各分层中传感器节点数量基本一致;改进LEACH协议的门限函数,在各网络分层独立建立节点簇;依据分层网络中簇头节点的位置和节点的剩余能量,选择每个分层的中心节点;在此基础上,由分层中心节点管理各分层节点,强制能量较低的节点休眠,管理簇头节点的更新;采用LEACH协议进行数据传输。实验结果表明,该机制有效降低了网络能耗,延长了网络生存时间。

改进混合蛙跳优化的片上网络低功耗映射算法

随着片上网络集成度的提高,低功耗映射逐渐成为研究的热点.文中利用调整序思想,将混合蛙跳算法应用到片上网络低功耗映射问题中;同时对混合蛙跳算法进行改进,引入自适应混沌方法优化较差个体,采用多邻域退火策略优化较优个体.实验结果表明,相比于传统混合蛙跳算法和模拟退火混合蛙跳算法,改进混合蛙跳算法具有更优的搜索能力,从而能进一步降低通信功耗.

低功耗自适应无线传感网络路由设计

无线传感网络在工业监控上应用广泛,其节点数量庞大,但单个节点的资源极其有限。本文提出了一个低功耗自适应的无线传感网络路由协议模型,该模型的主要设计目标是有效地节约能源,延长生命周期。采用集中式和分布式相结合的方式形成簇类,并能够在节点能源不足的情况下,动态调整路由,适应网络拓扑结构的变化。文中最后采用仿真工具ns2对设计的路由协议进行了仿真测试,验证了设计思想的正确性和可行性。

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类(LRSSC)算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。

一种基于能量和密度的低功耗自适应集簇分层协议的优化

根据经典的低功耗自适应集簇分层(LEACH)协议,提出了一种新型的簇首节点选择机制,通过加权思想综合考虑了节点的剩余能量和密度参数来优化簇首节点的选择,权衡簇首节点负载均衡和网络生存时间之间的关系,以得到较为理想的加权因子.仿真结果表明:在仿真区域面积为100 m×100 m、节点数目为100的条件下,相比于LEACH算法,该算法将第一个节点的死亡时间延长了19.6%,并且500轮后,网络中的剩余节点数是LEACH算法的5倍多,改善了节点能耗,有效提高了整个网络的生命周期.

LEACH-EE——基于LEACH协议的高效聚类路由算法

为延缓传感器网络寿命,减少能量的消耗,提出一种基于LEACH协议的高效聚类路由算法(LEACH-EE)。它通过簇头来收集数据,然后簇头之间形成一个多跳的通向基站的最优路径,最后数据融合给一个簇头传给基站。这样解决了LEACH协议的簇头节点负载过重的问题,以及改善了网络能量的消耗和网络的生存时间。实验证明此方法行之有效。

一种实时功耗管理算法

提出一种实时功耗管理算法，对当前空闲时间长度进行预测，并应用Timeout方法进行修正，以确定是否进入睡眠模式。在IBM硬盘管理的应用中，实验表明该方法具有较少的错误关闭次数和错误等待次数，因而有效地降低了功耗。

基于遗传算法和蚁群算法的LEACH改进协议

针对无线传感器网络低功耗自适应集簇分层(Low Energy Adaptive Clustering Hierarchy,LEACH)路由协议因能耗不均衡导致节点过早死亡的问题,提出了一种基于遗传算法和蚁群算法改进的LEACH路由协议。在分簇阶段,通过遗传算法选举合理的簇头节点并根据节点的分布划分簇群;在数据传输阶段,通过蚁群算法使簇头节点尽可能选择能量充足且距离较短的路径进行数据传输。仿真结果表明,与传统的分簇路由协议LEACH和LEACH-C相比,改进算法可以使网络的能量消耗更加均衡,并延长网络的生命周期。

基于粗糙C-均值聚类的能量均衡LEACH算法

低功耗自适应集簇分层型(LEACH)协议选择的簇头节点存在分布不均匀和能耗不均衡等问题。为此,基于粗糙C-均值聚类提出一种改进的LEACH算法。通过定位技术获取节点的位置坐标,利用粗糙C-均值算法对无线传感器网络节点坐标进行聚类,以保证簇头节点的均匀分布,并使用基于剩余能量的LEACH算法选择簇头节点。计算结果表明,改进算法可使簇头节点在每轮选择时均匀地分布在网络中,同时延长网络的生命周期。

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。

低能耗无线传感器网络路由协议研究

针对LEACH协议生成非均匀的簇造成能量损耗的问题,以降低能量损耗为研究目的,结合PEGASIS协议的特点,从选择簇首节点、形成簇、簇间路由等方面对LEACH协议进行了改进。经过理论分析和仿真实验,对该协议的性能进行测试,并使用对比的方法,与LEACH协议进行比较。仿真实验结果表明,该路由协议的设计使各节点较均衡地消耗能量,节点生存时间更长,延长了整个无线传感器网络的生命周期。

在单片机中实现自适应滤波算法的分析

通过对自适应滤波算法的分析,揭示了自适应滤波算法的本质特性,实现了自适应滤波算法在单片机中数字信号处理算法,为低功耗技术在信号处理中的应用提供了一种方法。

LLN中基于能量均衡的高效低时延路由算法

针对有损低功耗网络(Low-power and Lossy Network,LLN)中由于无线链路的有损特性以及节点部署不均匀无法有效实现网络能量均衡,提出一种基于能量均衡的高效低时延路由算法(Efficient Low Latency Routing Algorithm Based on Energy Balance in Low-Power and Lossy Networks,ELLEB-RPL)。该算法采用"ELLEB组网"策略,使得节点能够有效避免在DODAG(Destination Oriented Directed Acyclic Graph)间来回切换;通过采用"最优父节点选择"策略,使得节点选择的父节点达到最优;通过采用"流量自适应分配"策略,达到网络能量均衡的目的。仿真结果表明,ELLEBRPL在Sink节点平均吞吐量、网络平均寿命以及端到端时延上均有提升。

基于LEACH协议的能量优化方法

针对低功耗自适应聚类协议产生的整体能耗不均及网络生命周期短的问题,提出一种改进的能量优化方法。结合能量模型、节点发送及融合数据的综合能耗计算簇头比例;利用节点剩余能量与节点基站间的距离,优化成簇阶段中簇头选取阈值公式。在普通节点入簇阶段,引入簇规模密度,避免簇规模差距过大,采用就近原则与簇密度规模更新簇头。在数据传输阶段,引入“热区”边界对簇头分类,不同类簇头采用不同的数据传输方式。仿真结果表明,所提方法能均衡网络能耗且延长网络生命周期。