【摘 要】
：
在许多现代通信系统中，常采用在发射机中对发射信号进行卷积编码、在接收机中对接收信号进行Viterbi译码的方式来保证通信的可靠性。其中，Viterbi译码算法能高效地纠正由于信道噪声和其他干扰因素引起的错误，是实现低误码率的关键。基于应用场景的不同，Viterbi译码器可在基于SRAM的现场可编程门阵列(SRAM based Field Programmable Gate Array， SRAM-
论文部分内容阅读
在许多现代通信系统中，常采用在发射机中对发射信号进行卷积编码、在接收机中对接收信号进行Viterbi译码的方式来保证通信的可靠性。其中，Viterbi译码算法能高效地纠正由于信道噪声和其他干扰因素引起的错误，是实现低误码率的关键。基于应用场景的不同，Viterbi译码器可在基于SRAM的现场可编程门阵列(SRAM based Field Programmable Gate Array， SRAM-FPGA)等处理平台上实现。
然而在一些特殊的电磁辐射环境(例如卫星通信等)中，基于SRAM-FPGA实现的Viterbi译码器很容易受到辐射或高能粒子轰击，从而导致软错误的产生。软错误(例如单粒子翻转(SingleEventUpset，SEU))会损坏Viterbi译码器的配置存储器，进而影响其正常工作。配置存储器的SEU故障会改变电路的功能，且该故障将持续存在，直到对FPGA进行重配置并且重新启动该Viterbi译码器。由于上述因素的存在，因而使得基于SRAM-FPGA实现的Viterbi译码器的配置存储器的保护成为一个重要问题。
本文首先开展了故障注入实验，研究了软错误对基于SRAM-FPGA实现的Viterbi译码器的配置存储器的影响。以此为基础，对SEU引起的Viterbi译码器的配置存储器故障类型以及Viterbi译码器对各类型故障的容忍能力进行分析。基于此，提出了几种利用译码器关键参数的故障检测方法，并利用故障检测方法的组合研究故障检测方案。之后结合故障检测方案，提出了一种有效的“两模+校验”(Duplication with Comparison， DWC)的容错设计方案。最后，DWC方案的评估结果表明，本文所提方案在资源开销使用率较低的情况下，可以达到与传统三模冗余容错方案相近的容错率。
其他文献
系统调查了白洋淀流域浮游动物物种多样性及群落结构，评价了流域内一淀（白洋淀）二库（西大洋水库、王快水库）四河流（府河、孝义河、沙河、拒马河）的水质状况以及白洋淀富营养化现状，分析了浮游动物群落和环境因子的关系。应用高通量测序技术与传统形态学鉴定进行了对比，探究二者对浮游动物种类的鉴别能力。研究结果旨在为白洋淀流域浮游动物多样性的研究提供基础资料，同时也为白洋淀生态保护和环境修复提供理论依据。主要结
移动互联网和物联网的需求日益增长，对5G无线通信提出了高频谱效率，海量连接等挑战性的要求。非正交多址接入技术(NOMA)通过非正交资源分配来容纳更多的用户，是有效应对5G挑战的解决方案之一。而稀疏码多址接入(SCMA)作为码域非正交多址接入技术的一种，以良好的兼容性，较高的频谱效率等优势脱颖而出，成为研究的热点。 在SCMA系统中，码本设计是影响系统性能的关键技术，因此，针对SCMA码本设计的复
在表面安装技术(Surface-Mount Technology，SMT)工艺流程中有一种效率低下但极其重要的的自检防错机制，该机制需要检测人员以印刷电路板(Printed Circuit Board，PCB)的位号图为基准对生产的首个产品样板进行检测，重点是元器件的极性方向。在实际检测过程中，工作人员仅能在元器件数量较少的情况下进行有效检测。为了使检测人员能对产品样板实现更高效的检测，本文提出了
近些年来，人脸识别取得巨大的进步，这得益于深度神经网络的飞速发展，尤其是卷积神经网络的发展。卷积神经网络在人脸识别领域具有很好的鲁棒性，适应多场景的识别，在一定程度上可以有效减少因为光线、角度等导致的识别率下降。卷积神经网络在人脸识别任务中发挥着重要的作用。本文以基于卷积神经网络的人脸识别算法为研究课题，重点研究了人脸识别中的深度网络、损失函数等问题。 一个高效的特征提取网络对于人脸识别任务具有
在数字图像拍摄过程中，当拍摄对象与感光元件的空间频率接近时，往往会出现摩尔纹现象。由于电子屏幕具有网格状采样的特点,因此拍摄电子屏幕更易出现摩尔纹现象。本文称相机拍摄电子屏幕时出现的摩尔纹为屏幕图像摩尔纹，其色彩和形态多变，与图像内容难以区分，严重影响了成像的视觉质量。当今时代，用相机记录屏幕内容已成为一种快捷、重要的记录方式，因此研究屏幕图像摩尔纹的去除算法具有重要意义。 目前屏幕图像摩尔纹去
道路交通标志是保证驾驶安全、交通顺畅所设置的指示性标志，遵守交通标志的指示是每个驾驶员的义务，然而由于漏看或误判交通标志所造成的交通违章时有发生，甚至有时还会造成严重的交通事故，危害人身财产安全。因此，交通标志检测算法的研究显得尤为重要。随着计算机视觉理论不断发展，卷积神经网络被广泛应用于目标检测领域，在交通标志检测课题上得到了广泛的应用与发展。应用于无人驾驶或辅助驾驶领域的交通标志检测算法成为了
近年来声源定位技术发展迅猛，已经成为声学和阵列信号处理领域的热点问题，其在语音增强、视频会议、鸣笛抓拍、智能机器人、智能家居等领域已经被广泛应用。 声源定位技术是在模拟动物双耳效应的基础上，融合音频信号处理、阵列信号处理、机器学习、数字信号处理等多个学科的一项技术，通过麦克风阵列获取目标声源发出的信息参数，测定声源到麦克风阵列中心的距离以及方向角和俯仰角，实现对目标声源的识别、跟踪与定位。本文以
近年来，面对现代化城市监控系统日益增长的多媒体数据，例如图像、音频、视频等数据，如何快速且高效地处理海量数据成为当前亟待解决的问题之一。尤其是如何精确地分析来往的行人，进而快速甄别出对人民生命财产安全有危害的人和物是完善城市安防的关键。行人属性识别技术能够根据行人图像得到行人所具有的属性。然而现有的大多数行人属性识别的方法将其看作是图像的多分类任务，将属性看作是独立的部分，忽略了不同属性之间的关联
水声无线传感器网络(UAWSNs)具有重要的实用价值，能够应用在海洋环境测量、海啸预警、海洋军事国防等领域。UAWSNs是无线传感器网络(WSNs)在水下环境的拓广。UAWSNs的水声信道情况要比陆地无线信道复杂得多，传统的WSNs的网络协议往往不能直接应用到UAWSNs中。 在UAWSNs中，水声信号传输速率低，传输延迟长，可用带宽窄，多径效应严重。移动水声通信会伴随严重的多普勒效应。为了保证
目前大多数张量填充方法均假设缺失元素的位置服从随机分布，但实际中张量数据不仅存在随机元素缺失的情况，还可能存在整条纤维或整个切片缺失的情况，即结构性缺失，此时仅利用低秩约束不足以填充这种结构性缺失，还需要针对这种结构性缺失加入其它的先验约束。为此，本文利用张量的TensorTrain(TT)和Tucker展开方式，以低秩矩阵填充和稀疏表示理论为基础，提出了一种针对既带有随机缺失又带有结构性缺失元素