第五代移动通信技术(5th-generation mobile communication technology,5G)网络对高速率、低时延、高可靠性的移动通信处理需求不断增加,对终端基带信道估计算法的高性能和低复杂度设计、矩阵处理动态范围提出挑战。针对上述问题,本文...第五代移动通信技术(5th-generation mobile communication technology,5G)网络对高速率、低时延、高可靠性的移动通信处理需求不断增加,对终端基带信道估计算法的高性能和低复杂度设计、矩阵处理动态范围提出挑战。针对上述问题,本文提出一种基于相关矩阵托普利兹(Toeplitz)特性的信道估计算法。依据信道的相干带宽特性计算信道相关矩阵并保留必要的较低矩阵阶数;基于相关矩阵的Toeplitz特性设计低复杂度的递归求逆算法,并针对加权矩阵乘法的元素重复性将矩阵乘法化简为矩阵点乘,简化加权矩阵运算;同时引入跟踪信噪比变化的缩放补偿因子对计算过程和结果分别进行缩放和补偿。理论分析和仿真结果显示,本文所提算法可在达到优异的信道估计性能条件下,有效降低运算复杂度,并极大降低算法矩阵处理的动态范围。展开更多
针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现...针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。展开更多
文摘随机计算(stochastic computing,SC)能够通过简单的逻辑实现复杂的运算,其通过牺牲一定的精度,换取了低功耗、低硬件开销以及高容错的优势。本文提出了一种随机计算的边缘检测电路,通过简化随机计算的Sobel算子和截断随机数源等方法,在保证检测质量的前提下有效地降低资源消耗。实验结果表明,本文的研究相比于精确计算,在检测结果无明显差别的前提下,边缘检测部分查找表(look-up table,LUT)降低约54.4%,触发器(flip-flop,FF)降低约40.4%,数字信号处理单元(digital signal processing,DSP)从6个降到了1个。
文摘仿真点(simulation point,SimPoint)作为一种代表性采样技术被广泛应用于处理器硅前性能评估中。SimPoint为每个待评估的程序根据贝叶斯信息准则确定仿真点数目。然而,标准测试集内不同程序有着不同的行为复杂程度,需要不同数目的仿真点来准确刻画其程序行为。SimPoint无法识别出不同程序间的复杂度差异,无法做到在总仿真点数目一定的情况下,将更多的仿真点分配给行为复杂的程序以降低这些程序的性能评估误差,将更少的仿真点分配给行为简单的程序而不损失这些程序的性能评估精度。由于没有在测试集内合理地进行仿真点分配,SimPoint虽然可以给出比较准确的平均性能评估误差,但是某些行为复杂的测试子项的性能评估误差依然较大。针对这一问题,本文优化了SimPoint的仿真点局部分配方式,提出了一种全局贪心分配方法———贪心点(greedy point,GreedyPoint)方法。该方法将仿真点的分配问题抽象为含约束的优化问题,使用微架构无关特征计算表征误差,通过全局贪心算法来求解该优化问题。实验数据表明,在相同仿真开销下,与SimPoint相比,GreedyPoint可以将SPEC CPU 2017测试套件的平均性能评估误差由3.23%降低到2.08%,最大性能评估误差由21.22%大幅降低至7.01%。
文摘第五代移动通信技术(5th-generation mobile communication technology,5G)网络对高速率、低时延、高可靠性的移动通信处理需求不断增加,对终端基带信道估计算法的高性能和低复杂度设计、矩阵处理动态范围提出挑战。针对上述问题,本文提出一种基于相关矩阵托普利兹(Toeplitz)特性的信道估计算法。依据信道的相干带宽特性计算信道相关矩阵并保留必要的较低矩阵阶数;基于相关矩阵的Toeplitz特性设计低复杂度的递归求逆算法,并针对加权矩阵乘法的元素重复性将矩阵乘法化简为矩阵点乘,简化加权矩阵运算;同时引入跟踪信噪比变化的缩放补偿因子对计算过程和结果分别进行缩放和补偿。理论分析和仿真结果显示,本文所提算法可在达到优异的信道估计性能条件下,有效降低运算复杂度,并极大降低算法矩阵处理的动态范围。
文摘针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。
