为了建立一种28 nm工艺超大规模SRAM型FPGA块随机读取存储器(BRAM:Block Random Access Memory)模块的单粒子效应测试方法,实现敏感位的精确定位,通过研究逻辑位置文件和回读文件,建立了敏感位和FPGA逻辑地址的对应机制,推导出了对应的...为了建立一种28 nm工艺超大规模SRAM型FPGA块随机读取存储器(BRAM:Block Random Access Memory)模块的单粒子效应测试方法,实现敏感位的精确定位,通过研究逻辑位置文件和回读文件,建立了敏感位和FPGA逻辑地址的对应机制,推导出了对应的关系公式,并提出了一组针对BRAM模块的系统测试方法。该方法大幅度地提高了现有测试方法的效果,并且为器件失效机理的分析和下一步的器件加固设计提供了指导。展开更多
核磁共振(Nuclear Magnetic Resonance,NMR)射频脉冲发生器对成像质量至关重要.传统的直接数字频率合成技术(Direct Digital Synthesizer,DDS)要想实现较高精度则需要依赖大容量查找表,因此会占用较多的片上随机块存储器(Block Random A...核磁共振(Nuclear Magnetic Resonance,NMR)射频脉冲发生器对成像质量至关重要.传统的直接数字频率合成技术(Direct Digital Synthesizer,DDS)要想实现较高精度则需要依赖大容量查找表,因此会占用较多的片上随机块存储器(Block Random Access Memory,BRAM)资源且灵活度受限.本文提出一种基于坐标旋转数字计算机(Coordinate Rotation Digital Computer,CORDIC)算法的磁共振射频脉冲发生器设计,通过在现场可编程门阵列(Field-Programmable Gate Array,FPGA)中构建自定义CORDIC核实现射频信号的频率、相位和幅度的数字化调制,结合Zynq-7000全可编程片上系统(System on Chip,SoC)实现高集成度、低功耗的硬件架构.实验结果表明,所设计脉冲发生器可输出频率分辨率为0.046 Hz、相位分辨率为0.0055˚的射频脉冲信号,且四通道所占用的BRAM资源较传统DDS方案降低约21.4%.该设计为NMR设备的射频前端小型化与高性能化提供了可行方案.展开更多
Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。针对Apriori算法,GBARM (Group Based Association Rules Mining)算法对事务集进行压缩,并且在统计Ck中各项集的支持频度时,逐步减小Ck的规模,从而改...Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。针对Apriori算法,GBARM (Group Based Association Rules Mining)算法对事务集进行压缩,并且在统计Ck中各项集的支持频度时,逐步减小Ck的规模,从而改善算法的性能。展开更多
文摘为了建立一种28 nm工艺超大规模SRAM型FPGA块随机读取存储器(BRAM:Block Random Access Memory)模块的单粒子效应测试方法,实现敏感位的精确定位,通过研究逻辑位置文件和回读文件,建立了敏感位和FPGA逻辑地址的对应机制,推导出了对应的关系公式,并提出了一组针对BRAM模块的系统测试方法。该方法大幅度地提高了现有测试方法的效果,并且为器件失效机理的分析和下一步的器件加固设计提供了指导。
文摘核磁共振(Nuclear Magnetic Resonance,NMR)射频脉冲发生器对成像质量至关重要.传统的直接数字频率合成技术(Direct Digital Synthesizer,DDS)要想实现较高精度则需要依赖大容量查找表,因此会占用较多的片上随机块存储器(Block Random Access Memory,BRAM)资源且灵活度受限.本文提出一种基于坐标旋转数字计算机(Coordinate Rotation Digital Computer,CORDIC)算法的磁共振射频脉冲发生器设计,通过在现场可编程门阵列(Field-Programmable Gate Array,FPGA)中构建自定义CORDIC核实现射频信号的频率、相位和幅度的数字化调制,结合Zynq-7000全可编程片上系统(System on Chip,SoC)实现高集成度、低功耗的硬件架构.实验结果表明,所设计脉冲发生器可输出频率分辨率为0.046 Hz、相位分辨率为0.0055˚的射频脉冲信号,且四通道所占用的BRAM资源较传统DDS方案降低约21.4%.该设计为NMR设备的射频前端小型化与高性能化提供了可行方案.
文摘Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。针对Apriori算法,GBARM (Group Based Association Rules Mining)算法对事务集进行压缩,并且在统计Ck中各项集的支持频度时,逐步减小Ck的规模,从而改善算法的性能。
