基于空间自适应Bayesian缩减的NSCT域图像去噪方法

提出了一种基于空间自适应Bayesian缩减的NSCT域图像去噪方法。该方法运用了广义高斯分布对NSCT域图像的子带系数进行建模,并通过构造各向异性的椭圆窗口来描述各个子带内系数的局部背景特性,从而建立了NSCT域空间自适应Bayesian缩减机制的图像去噪方法。通过图像去噪实验验证了所提出方法的有效性。同时,与4种具有平移不变性的Contourlet去噪方法做了对比,进一步证实了所提出方法的优良去噪性能。

基于关键路径延时检测的自适应电压缩减技术

为了减小传统的最差情况设计方法引入的电压裕量,提出了一种变化可知的自适应电压缩减(AVS)技术,通过调整电源电压来降低电路功耗。自适应电压缩减技术基于检测关键路径的延时变化,基于此设计了一款预错误原位延时检测电路,可以检测关键路径延时并输出预错误信号,进而控制单元可根据反馈回的预错误信号的个数调整系统电压。本芯片采用SMIC180 nm工艺设计验证,仿真分析表明,采用自适应电压缩减技术后,4个目标验证电路分别节省功耗12.4%,11.3%,10.4%和11.6%。

统计先验指导的非下采样Contourlet变换域SAR图像降斑

提出了一种合成孔径雷达(SAR)图像降斑方案.首先利用Gamma分布和指数分布给出了NSCT域信号系数和噪声系数分布的有效逼近形式,使缩减因子对NSCT域图像子带的冗余特性具有自适应性.然后,利用方向邻域模型给出了缩减因子先验比的计算表达式,使缩减因子对NSCT域图像子带的方向特性具有自适应性,从而提高了NSCT系数缩减的有效性.实测SAR图像的降斑结果表明该降斑方案在减少斑点噪声的同时很好地保持了图像的细节特征.与多种降斑方法相比,该方案具有更好的边缘保持和后向散射系数保持性能.

SoC低功耗多电压设计方法的研究进展

综述了片上系统(So C)低功耗多电压设计方法的研究进展。介绍了低功耗多电压设计方法的研究背景和国内外的研究现状。重点探讨了低电压、多电源电压、电源门控、动态电压频率缩减(DVFS)和自适应电压缩减(AVS)等多电压低功耗设计方法。最后,对低功耗多电压设计方法未来的发展趋势进行了预测和分析,认为DVFS和AVS等新颖的低功耗设计方法将成为未来学术界和工业界研究的热点。