关键词： 小型UV   航姿传感器   低功耗   温度补偿   AUKF  

摘要： 水下航行器（Underwater Vehicle,UV）定位,尤其是民用领域UV,主要依赖有“水中卫星导航系统”之称的声学定位系统。然而,声学定位系统缺少导航用航姿信息。近几年,随着小型UV的快速发展,免校准超短基线（Ultra Short Base Line,USBL）声学定位系统越来越成为声学定位系统的主要形式,其对小尺寸、低功耗、高精度航姿传感器具有紧迫需求。针对以上需求和问题,本文设计了一款基于微机电系统（Micro Electro Mechanical Systems,MEMS）的惯性器件和磁传感器构建的微型化航姿传感器系统。本系统采用高性能的32位微控制器STM32F411RET6为核心处理单元,以三轴MEMS加速度计、三轴MEMS陀螺仪和三轴微磁传感器作为载体运动信息感知单元,集成温度传感器监测系统工作环境温度。基于嵌入式实时操作系统μC/OS-Ⅲ研发了航姿传感器的数据处理软件系统,实现数据采集、误差补偿、融合运算、数据通信及数据存储等任务间的调度与管理,提高系统运行的实时性和稳定性。在分析传感器关键性能指标的基础上,通过系统硬件设计,降低系统整体功耗。针对传感器存在的不同误差类型,分别进行参数标定和随机误差补偿,消除传感器测量误差,提高系统测量精度;考虑深海等复杂的温度环境,结合传感器的温度特性,建立温度补偿模型,设计并开展高低温实验,采用最小二乘法拟合法求解模型参数,实时在线修正传感器的零偏及灵敏度系数随温度变化,增强系统环境温度适应性。采用自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter,AUKF）算法对误差补偿后的传感器数据进行融合运算,提高航姿信息解算的稳定性和可靠性。经测试,本文设计的航姿传感器,系统功耗在0.125mW左右,大约为法国SBG公司相似产品Ellipse2-A的27%。在-30℃～50℃范围内,通过温度补偿以及AUKF数据融合,航向角的静态测量误差从补偿前的±0.85°减小到±0.3°,保持较好的测量精度和性能稳定性。

关键词： 压控振荡器   正交压控振荡器   低功耗设计   CMOS   相位噪声  

摘要： 压控振荡器（Voltage Controlled Oscillator,VCO）是收发机的核心器件,功能是为变频过程提供本振信号,本振信号的相位噪声直接影响整个系统的信噪比。同时振荡电路也占据了整机相当大的功耗,VCO的低相噪、低功耗设计近年来始终是研究的热点。本文对VCO的理论模型、结构分析和优化方法展开研究,基于GF 130nm的CMOS工艺设计了一款VCO,两款QVCO,主要研究内容和创新点如下:1、研究C类VCO的工作原理和性能指标,对比分析各种C类VCO的实现方法,采用基于体偏置的幅度控制电路完成了 VCO工作模式的自动转换。经Cadence平台的仿真与优化,最终的版图仿真结果显示VCO中心频率为10.5GHz,相对调频范围9%,直流功耗为1.8mW,相位噪声为-109dBc/Hz@1MHzoffset。FoM 可达 191dBc/Hz,在低功耗设计的基础上达到了良好的相位噪声与调频性能。2、提出一种结合C类VCO核心与衬底耦合技术的低功耗设计方法,推导了衬底耦合网络的等效注入电流的表达式,基于推导表达式的QVCO优化结果显示,本设计提出的QVCO中心频率为10.5GHz,直流功耗为2.5mW,相对调频范围,相位噪声为-115dBc/Hz,FoM达到191.4dBc/Hz,更适合需要低功耗的应用场景。3、对正交压控振荡器的工作原理进行研究,采用了串联耦合网络与跨导线性化技术,设计高精度、低相噪QVCO,在提高电压摆幅的同时降低了串联耦合对相位误差的影响。QVCO的仿真结果表明中心频率9.36GHz,相对调频范围5%,直流功耗8.36mW,相位噪声为-119dBc/Hz@1MHz offset。最高 FoM 为 198.5dBc/Hz。

关键词： 无人机   神经网络   低功耗   FPGA  

摘要： 目前,无人机(Unmanned Aerial Vehicle)技术日益成熟,在军事和民用领域都有重要突破,其典型应用场景包括物流、农业植保、巡查安防、应急救援等。随着AI(Artificial Intelligence)技术的迅猛发展,无人机也广泛应用在基于人工智能的目标检测系统中。该类系统一种实现方式为无人机采集图像信息并传输至后端服务器,服务器利用卷积神经网络(Convolutional Neural Network)实现特定目标识别,根据识别结果指导后续操作。这种工作模式存在以下两种弊端。首先,大量的数据传输给通信带宽带来巨大压力,甚至导致数据丢失;其次,数据传输时延较长,影响指令的及时执行。为解决这些问题,有学者提出在数据采集端部署神经网络,实现数据处理边缘化,从而减少数据传输量和时延。该方案面临着需要在轻量级无人机片上系统中实现高负载神经网络的挑战。为在无人机上实现基于神经网络的目标识别系统,本论文选用高性能低功耗的PYNQ(ARM+FPGA)为计算平台部署神经网络,并实施多种优化策略,提高特定目标识别的速度与准确度。本文设计主要分为三部分,即ARM图像预处理、FPGA硬件网络加速、ARM目标结果拟合优化。首先,为了便于FPGA中神经网络对图像的处理,本文对原始图像进行切割、转换等预处理操作,以提高网络的运行效率。其次,在FPGA前馈计算中,考虑到内部有限的计算和存储资源,本文自建轻量型CNN模型,并将之转化为二值化网络(Binary Neural Network),实现图像识别速率的提升。此外,本文在网络硬化中采用Pipeline、Unroll、Partition等HLS优化策略,结合AXI4协议进行传输、存储、计算优化,从而提高FPGA数据吞吐量,实现网络硬件加速。最后,FPGA将计算结果返回ARM,利用本文提出的基于广度搜索的目标位置矫正策略优化识别位置,并得到最终结果。本文将无人机、神经网络、FPGA相结合进行探索,具有较好的社会意义与应用价值,该设计还可借鉴应用于海洋物体识别、自动驾驶、工业特定物品检测等场景。

关键词： 草坪养护   LoRa   低功耗   智能割草机   边界识别  

摘要： 绿色草坪凭借着美化生活环境,提高空气质量,保持水土等作用成为人类栖身生态中必不可少的一部分,提高草坪品质,草坪养护至关重要。目前草坪的智能养护技术得到较多应用,主要在智能灌溉和智能割草领域,但是存在如下缺点:两种技术应用分别独立,无法协调工作;本地控制为主,不能对设备状态实时监测以及远程控制;性能有待提升,如通信技术性能的提升,智能割草技术有效工作面积的提升。本文针对目前草坪智能养护技术的缺点,设计了一种基于低功耗LoRa无线组网技术的草坪养护系统,通过自主设计的LoRa无线组网技术将智能灌溉和智能割草的设备进行互联,协调各设备的工作,实现反馈式草坪灌溉;通过LoRa网关将设备接入互联网,设计了云平台和APP软件,实现系统的远程控制和管理;利用先进的LoRa通信技术,实现设备低功耗远距离可靠通信。设计的草坪养护系统具有实时性、实用性、记忆性、可靠性和智能化等特点。针对部分设备需要在能量有限的条件下长时间在室外工作,由于无线通信能耗最大,所以对无线网络协议栈中调度射频状态的MAC层进行低功耗设计,针对减小串音功耗和侦听功耗设计了一种自适应负载的低功耗MAC协议,通过前导码分割降低串音功耗,通过一种双阈值负载判定机制自适应调整侦听周期,在保证网络通信质量的基础上降低侦听功耗。测试表明,数据通信实时性较好,无线通信总功耗相较于传统的B-MAC降低50%以上。针对目前基于电磁感应的智能割草机边界识别技术信号特征较复杂,信号提取处理方法性能较差,抗干扰能力不强等缺点导致的智能割草机有效工作面积受限问题,进行改进研究,设计了一种基于三级差分信号处理的边界识别方法,通过传感器信号感应电路产生差分信号,主放大电路对差分信号进行放大并滤除高频干扰,最后通过数字采集电路的SDADC过采样、噪声整形和数字滤波等技术实现较高信噪比差分信号提取,测试表明,所设计的识别方法能在2000平方米大面积草坪内对边界状态进行可靠识别。

关键词： 无线传感器网络   路由协议   分簇   易部署   低功耗  

摘要： 大规模无线传感器网络作为支撑物联网发展的一项重要的技术,在环境监测、工业检测、智能交通等方面得到广泛的应用。随着社会的发展,物联网应用场景的多样性为无线传感器网络的组网带来了新的挑战。一些实际应用场景要求无线传感器网络可以实现大规模的快速灵活的组网,例如通过无人设备或是飞机抛洒等方式进行部署,设备分布的位置具有一定的随机性。在这些场景中,为了满足大规模无线传感器网络快速灵活的组网需求,要求无线传感器成本低廉、设备轻便,同时网络应该具备低功耗、高生存周期的特点。现有的WSN路由协议在大规模场景下难以平衡人们对于低功耗、低成本、易部署等特性的要求。因此,我们在此提出了一种面向大规模无线传感器网络的易部署的分簇路由协议EDCRP。研究工作重点分为两部分,第一部分是基于随机侦听的分簇算法研究。现有的大规模无线传感器路由协议或是基于固定的路由设计,需要手动部署网管和路由节点;或是依赖于基站以及节点间通信来提供节点位置坐标。这些方案会提高网络部署的复杂性,同时在大规模高密度场景下节点间的频繁通信易造成网络拥塞,导致时延升高,重复的转发和退避也会提高节点的能量消耗。分簇算法是解决大规模的无线传感器网络所面对的时延和投递率问题一种可靠方法。我们提出了一种自适应的大规模WSNs分簇方案,通过节点之间基于随机侦听的广播和基于能量最优的簇容量设置实现自适应的分簇,在降低组网成本、提高组网灵活性的前提下满足网络对生存周期和投递率的要求。第二部分是关于分簇网络下低功耗路由算法的研究。在采用分簇结构的无线传感器网络中,簇与汇聚节点的路由算法一直是无线传感器网络中研究的热点问题。大范围部署的无线传感器网络中,随机散布的节点容易造成簇与簇之间因距离超出通信距离而出现通信困难,影响路由的建立。我们设计了一种基于信标侦听的路由分配方案来对网络中的路由节点在自适应的要求下进行合理分配。通过对通信时延做出妥协,尽可能的降低单节点的数据转发次数,降低节点的能耗,以实现延长全网生存周期的目标。为了降低单个传感器的芯片成本,在协议设计时我们尽量使算法简单高效,以减小协议对存储和计算开销的需求。最后通过自主开发的仿真平台和硬件测试验证了相比Zigbee协议采取的路由算法Cluster-Tree和AODVjr路由,EDCRP在大规模、高时延容忍度的场景下能耗、组网速度、内存开销上的优势。

关键词： LPC-TDMA   随机唤醒   模拟退火   自适应调整   过载保护  

摘要： 无线自组织网络具有无中心、易部署、分布式和抗干扰的优点,使其在军事和民用方面得到广泛应用。对于使用电池供电的移动无线自组织网络终端,不仅电池容量受限,而且MAC协议的分布式特性也会导致功耗的巨大差异。因此,如何设计低功耗的MAC协议,最大化网络生存时间面临着巨大挑战。本文在TDMA无线自组织网络下进行研究分析,在保证网络吞吐量、时延和丢包率的基础上,研究并设计了低功耗的MAC协议LPC-TDMA。本文首先分析了 TDMA无线自组织网络功耗来源,传统的TDMA协议的时隙通过预先分配方式获取,使邻节点出现频繁的空闲侦听问题,LPC-TDMA协议使用低冲突时隙预约释放机制,在保证低冲突干扰的前提下,减少了邻节点空闲侦听的概率。在TDMA无线自组织网络中,存在多节点同时侦听的情况,使接收节点频繁出现串音干扰问题,LPC-TDMA协议使用伪随机算法控制节点的随机唤醒,同时根据节点间的业务速率,控制接收节点的平均唤醒时隙间隔,使休眠周期进行自适应调整。针对重业务负荷下,节点休眠造成的缓存队列溢出问题,LPC-TDMA协议使用双门限过载保护机制,在重业务负荷时,自动关闭休眠唤醒机制;业务负荷降低后,自动打开休眠唤醒机制,保证了协议的稳定性。然后,针对节点休眠造成数据帧时延增加的问题,LPC-TDMA协议使用Ranking算法实现对数据帧的综合评价,Ranking算法基于时延作为主要影响参数,会优先发送时延大的数据帧;同时基于模拟退火算法实现数据帧的聚合,用以解决节点休眠带来的时延问题。最后,本文详细描述了LPC-TDMA协议的分布式实现方式,分析了 LPC-TDMA协议对吞吐量、时延、丢包率、控制开销以及网络生存周期的影响。本文使用OPNET对LPC-TDMA协议进行计算机仿真,并与TDMA和T-MAC协议进行对比分析。仿真结果表明,LPC-TDMA协议在轻业务负荷时会提高接近2倍的生存周期,在中等业务负荷时可以提高0.5倍的生存周期。LPC-TDMA协议对吞吐量、时延和丢包率只有轻微的影响,明显低于T-MAC协议。同时LPC-TDMA协议可以适应各种业务负载、网络规模,具有较强的稳定性。

关键词： 加密算法   性能优化   多线程  

摘要： 本文通过分析传统的IDEA-ECB加密算法,利用多线程的并发处理能力实现对IDEA-ECB加密算法的改进,获得更快的加密/解密流程,有效提高运算吞吐量和CPU的资源利用率,从而满足即时通讯中高效、及时的软件加密要求.

关键词： Computer engineering   Electrical engineering  

摘要： The recent advances in low-power wireless sensor-based technology have made it possible to design a variety of wearable devices for applications such as environment sensing, human activity monitoring and tracking, etc. These wearable devices have a variety of embedded sensors, which have the capability to collect multiple streams of data. These data can be transmitted wirelessly to a cloud server or logged locally for data-based applications. The devices are widely used in scientific research. Such data collection capabilities make wearable devices a very cheap and accessible solution that fits into people’s daily routines, so their use has expanded beyond remote-monitoring applications to tracking military personnel or animals etc., since human intervention can be very limited. In this thesis, we developed a functional wearable device capable of tracking someone’s location and activity based on Bluetooth Low Energy (BLE) wireless technology. A network of these devices can collect research data in applications such as tracking an individual’s geographic location, tracking social interactions, determining situational behavior etc. Thus, collecting data are the most important function of a wearable device. Low-power sensors embedded in this device can collect a large volume of data with a very high resolution or frequency. Since these devices are typically powered by batteries, they have a limited power budget for transmitting, receiving, and logging data, or for performing computations. In our wearable device, the data are logged locally on a micro SD card. We observed that data collection accounted for a significant proportion of the power consumed by our wearable device, especially the micro SD write operations. We implemented two different software-based data-reduction techniques: batch writes and data compression algorithm. These techniques reduced the size of the sensed data and thus, contributed to reducing the average power consumption of the micro SD write op

关键词： Delaunay三角化   网格生成   网格优化   多线程   并行算法  

摘要： 在计算固体力学、计算流体力学等领域中,以有限元方法为代表的数值模拟依赖高精度、高质量的网格输入。一些如直接数值模拟、大涡模拟、分离涡模拟等数值模拟方法所需网格规模通常在数亿甚至数十亿的量级。在数值模拟领域中,要生成复杂区域的网格,通常需要不断迭代加密,以满足设计与计算要求。如何快速生成大规模的网格,以及如何快速生成质量可靠的大规模网格,成为网格生成研究中亟待解决的难题。本文始于Delaunay三角化的经典B-W插点算法,根据算法中的空腔局部修改特性,建立了并行基本原则:仅当两个点所涉及修改的单元范围（即“空腔”）及其边界无交叠时,二者方可同时执行。既有的并行策略是在计算空腔与空腔修改之间插入同步,以分离读写过程。但大量同步带来了不必要的等待与同步开销的浪费。因此本文提出了一种更细粒度的避免数据竞争的机制——基于无锁原子操作的并行方法:对每一个单元,某个线程需要获取其写入权限时,只需通过一次原子条件交换操作即可保证只有一个线程处于可写状态,从而避免了数据竞争。原子变量在NUMA范围（通常是8核）内相比加锁而言效率很高,将其应用于Delaunay三角化算法中,8线程下达到约4.7倍的加速。将基于原子操作的并行方法应用于网格质量优化中的递归壳变换中,不仅解决了既有基于同步的并行方法无法并行递归壳变换（因其空腔需动态扩展）的困难,并且得益于递归壳变换对极差单元的处理能力,使并行网格优化算法在保有串行算法的优化能力基础上,性能得以大幅提升,在8线程下全优化算法达到原串行算法7倍以上的速度。本文的创新点如下:1.提出了基于无锁原子操作的多线程Delaunay三角化并行插点算法,较好的处理了基于同步并行方法进行插点时,同步等待引起的时间浪费问题,提高了并行效率。在实验环境中16线程实现了7倍以上的加速。2.将并行图着色算法应用于点光滑化算法的并行化,把一轮着色改进为多轮着色,基于高效的多轮着色选取可并行进行光滑处理的点集。在实验环境中,16线程实现了9倍以上的加速。3.针对同步并行方法无法动态扩展空腔的困难,提出了基于无锁原子操作的多线程并行递归壳变换算法。将并行递归壳变换算法、并行点光滑算法与其他拓扑变换算法结合,实现了与原串行网格优化算法相当的优化能力,并且显著提升它的时间效率。在实验环境中,8线程下实现了7倍以上的加速。

关键词： 逐次逼近模数转换器   高速低功耗   抗PVT涨落   串通抑制   邻位辅助   可配置旁路技术  

摘要： 随着信息通讯和物联网技术的不断进步,越来越多的电子设备被应用于生物传感、智能安防、智慧城市和定位导航等各个领域。自然界中连续的模拟信号需要通过ADC(Analog to Digital Converter,模数转换器)进行数字量化,经过数字化后的信息可以进行更好的处理和传输。SAR(Successive-Approximation-Register,逐次逼近)ADC是一种常见的模数转换架构,有着架构简单、功耗低、与其它数字电路紧密兼容的特点,能不断跟随半导体地工艺发展。近年来,作为新兴模数转换的高速SAR ADC日新月异,是高速ADC的热门解决方案。由于工艺制程的不断微缩以及异步逻辑时序的应用,高采样速率的SAR ADC与同等精度其它架构相比具有明显的功耗和面积优势。但大部分依赖延时产生的高速异步时序对PVT(Process Voltage Temperature,工艺电压温度)涨落具有高度敏感性,恶劣工作环境下的电路性能会显著恶化。因此,设计具有抗PVT涨落的高速低功耗SAR ADC芯片具有重要的意义。本文根据自顶至下的流程,设计了一款应用于卫星导航或无线局域网通信的高速低功耗ADC芯片。主要工作与创新点如下:1、针对采样自举开关存在因耦合寄生效应造成输入-输出差分串通的现象,提出了拆分型串联自举开关,其开关中间节点在保持阶段与固定电位相连,能有效抑制串通引起的性能恶化。2、比较器中的预放大器能隔离噪声,仿真中发现放大器的增益和带宽在极限PVT条件下均明显下降,因而加入了感应晶体管以感知环境的变化,并采用衬底调制技术削弱放大器受PVT变化的影响。3、针对由延时和反馈产生的高速异步时序的高PVT敏感性,提出了自校准置位延时算法,能在芯片工作初期跟随环境状态自动调整内部延时,通过检测ADC是否完成输出转换的信号来实现内部异步延时的合理化。4、针对高位电容上电压建立较慢限制ADC转换速度的问题,提出邻位辅助技术来加速高位电压的建立,与传统置位相比,速度提高了23%。5、根据芯片半摆幅输入的应用条件,提出可配置旁路技术,通过外部选通控制加速ADC的量化。本SAR ADC芯片采用SMIC 40 nm 1P8M标准CMOS工艺设计,核心面积0.04 mm。仿真结果表明:在80 MS/s采样率下,芯片能工作在-40℃～125℃宽温度范围内,当差分输入为1Vpp时,在各个工艺角下能达到SNDR不低于63 d B,有效位数大于10.2 bits,动态范围大于75 d B,功耗小于2.5 m W的性能。芯片经过中芯国际有限公司的流片和士兰微电子公司的封装,测试结果表明,本设计的SAR ADC在1.1V电源下正常工作,转换速率达40MHz,有效位数为9.9 bits,动态杂散范围为73.7 d B,功耗为1.68 m W。实测性能与仿真结果有一定差距,论文分析了可能造成该现象的原因。