ISBN: (纸本)9787115558497

摘要： 本书将制作Linux的过程分为4个阶段：准备阶段、制作临时系统、制作目标系统、制作发行版。准备阶段可让读者对后面实际制作过程中所用到的技术细节有所了解；制作临时系统阶段介绍了如何为一个没有可用系统的机器制作一个可用的系统；制作目标系统阶段介绍如何在一个临时系统的基础上将Fedora系统移植到目标机器上；制作发行版阶段配合软件仓库、安装系统、包构建管理制作等对目标系统进行扩展，完成了一个相对完整的发行版制作。

关键词： Android系统   操作系统移植   性能优化   图形硬件加速  

摘要： 实现通用处理器和操作系统自主可控是信息系统建设的基本要求和重要发展方向。龙芯2K1000是具有完全自主知识产权的国产商用MIPS架构处理器，可应用于移动智能终端、高端嵌入式应用、物联网等领域。Android操作系统目前被广泛应用于以手持移动智能终端为代表的各类终端硬件平台，其市场占有率高达73.3％，将Android操作系统移植到龙芯2K平台上，对于国产处理器平台借助Android操作系统进一步拓展市场具有极其重要的意义。本文基于龙芯2K平台实现了Android5.1.1操作系统的移植，并在此基础上进行了性能优化方法研究。然后采用相关性能测试工具进行了全面的性能测试和分析，论证Android5.1.1操作系统在龙芯2K平台上的可用性。　　本文主要工作如下:　　1.基于龙芯2K平台的Android5.1.1操作系统移植。本文以Android5.1.1操作系统能够在龙芯2K平台上正常运行与交互为目标，研究Android5.1.1系统中Linux内核适配、Android操作系统开发与编译环境搭建、Android运行时(ART)和Android图形子系统重构与移植等核心难点，使Android5.1.1操作系统成功运行在龙芯2K平台上。　　2.基于龙芯2K平台Android5.1.1操作系统优化与性能分析。针对Android5.1.1操作系统在龙芯2K平台下运行卡顿、界面不流畅的问题，本文利用性能分析工具对影响系统使用的关键功能进行测试，定位并分析性能瓶颈，针对性能问题进行优化。除此之外，本文实现龙芯2K平台图形硬件加速优化，使Android5.1.1操作系统的2D、3D图形渲染能力相比于软件渲染模式有很大的提升。通过上述优化，Android5.1.1操作系统可流畅运行于龙芯2K平台上。　　本文使用谷歌官方提供的Android系统性能测试工具对运行在龙芯2K平台下的Android5.1.1操作系统性能进行了全面的测试及分析。通过与真实手机下的测试结果对比，基于龙芯2K平台的Android5.1.1操作系统已具备流畅运行的能力，为龙芯2K平台开拓市场提供了有力的技术支持。

关键词： 龙芯2K1000B   H.264解码   软件解码器   SIMD指令   硬件解码器   内存管理  

摘要： 龙芯2K1000B是面向工业控制、移动智能终端的嵌入式So C,视频解码是其重要的应用场景。其视频子系统中包括以CPU作为处理核心的软件解码器和硬件视频处理单元(Video Processing Unit,VPU)。CPU解码器一般基于高级编程语言实现,虽然解码效率低于硬件解码器,但具有格式兼容性好和算法升级灵活的优势,可以作为视频解码系统在低分辨率解码时的重要补充。VPU解码器虽然解码效率高,但需要使用大量的物理地址连续内存,从提高系统资源利用率角度出发,需要对其内存管理方法进行适配和优化。论文以目前被广泛使用的H.264视频格式作为研究对象,基于龙芯2K1000B平台对其视频解码系统进行软件层次的适配和优化。论文对龙芯2K1000B解码系统在H264视频解码中存在的问题进行分析和优化。对于CPU解码器,首先评估了当前基于FFmpeg的H.264解码器性能。利用Perf等性能分析工具,找到熵解码、运动补偿、环路滤波、反量化等主要的性能瓶颈模块。然后针对瓶颈模块的计算特点,利用龙芯多媒体SIMD指令对运动插值和环路滤波两个耗时模块进行了内嵌汇编的优化。在此基础上充分利用移位指令、解包指令以及龙芯平台丰富的寄存器资源,分别对数据加载和中间数据存取进行了优化,提高了解码器性能。对于VPU解码器,首先对解码器原始内存管理方案的预留方式和分配方法进行了分析。然后适配了连续内存分配器(Contiguous Memory Allocation,CMA)机制对VPU的内存预留进行优化,使得VPU不需要长期独占连续物理内存。在此基础上,改进了原始内存分配方法中基于固定内存块进行申请和分配的方式,实现了根据解码器实际需求进行动态内存申请和分配的方法,提高VPU内存的真实利用率。最后在搭载了2K1000B和Linux操作系统的龙芯2K派开发上对优化结果进行了测试。对于CPU解码器,实验测试结果表明,经过龙芯多媒体SIMD指令优化后整体的解码帧率提升幅度在30%以上。其中720P分辨率的高清视频解码帧率可以达到24帧。对于VPU解码器,优化后的基于CMA的内存预留方式可将内存消耗控制在64MB以内并且不长期占用。优化后的动态内存分配方式分配耗时在250毫秒以内,同时VPU的内存真实利用率均高于95%。

关键词： FPGA   神经网络加速   低功耗   Winograd卷积   脉动阵列  

摘要： 人工智能发展到现在,深度学习已经成为领域里事实上的技术标准。深层次的神经网络是深度学习的基础架构,也是深度学习取得巨大成功的重要原因。然而,网络的加深却也意味更大的模型,由此带来的密集计算和巨大能耗给传统处理器CPU带来了巨大的挑战。FPGA作为擅长并行运算的专业加速设备正受到越来越多的关注,其具有低功耗、低延时、高性能和可重构的特点,尤其适合神经网络的计算加速。本文旨在设计一套基于FPGA的深度学习计算平台,对常见的卷积神经网络和循环神经网络进行计算加速。本文首先介绍了本次课题的研究背景与深度学习的基本理论,然后分别从硬件和软件层面对计算平台的系统架构进行了介绍;接下来详细介绍了CNN（Convolutional Neural Network,卷积神经网络）加速器模块和LSTM（Long Short Term Memory,长短期记忆网络）加速器模块的设计与实现;最后对两个关键模块进行了测试与评估。本文实现了基于FPGA的CNN和LSTM加速器,利用Winograd算法实现快速卷积操作,利用脉动阵列思想实现矩阵快速相乘,利用定点数运算代替浮点数运算以及查找表等技巧来优化FPGA硬件资源占用和系统时延。本文通过修改Caffe框架的源码实现了一个FPGA和CPU协同工作的深度学习计算平台,可以在计算平台上完成对CNN和LSTM网络的推断过程的计算加速,实验结果表明其在性能和能效上均取得了优于CPU和GPU的效果。

关键词： IEEE 802.15.6   WBAN   收发机   低功耗   高线性度  

摘要： 医疗领域的蓬勃发展离不开信息化、智能化的电子产品和设备,集成电路技术在人类健康医疗中扮演着无可替代的角色。无线体域网（WBAN,Wireless Body Area Network）技术自2012年IEEE 802.15.6标准获批以来,在医疗领域内迅速发展,成为运用在人体体表佩戴和人体体内植入的短距离、高抗干扰性的无线通信网络,逐渐成为学者学习和研究的热点。在通信网络传感节点中,无线收发模块通常是成本、能耗最大的部分,所以本文针对此问题提出了一款低功耗无线收发机电路,并结合人体功率辐射吸收、WBAN标准等一系列要求,采用0.18μm CMOS工艺完成了一款402～614MHz收发机集成电路的设计。通过对各个结构的接收机的设计成本、功耗、频率转换、变频增益等因素进行分析对比,接收机采用低中频结构,主要包括低噪声放大器、上变频混频器、复数滤波器、可编程增益放大器。低噪声放大器采用了交叉耦合电容技术以及电流复用技术提升增益并降低功耗;混频器采用折叠式吉尔伯特混频器结构,将射频频率下变频为2MHz中频频率,降低混频器开关级的闪烁噪声;针对-2MHz的中频镜像信号,采用手动校准方式的镜像复数滤波器对其进行抑制并实现对2MHz信道的精确选择;中频可编程增益放大器为了在增益范围、带宽、线性度和功耗之间进行权衡,结合了开环与闭环结构兼得两者的优点。发射端采用直接上变频发射机,主要包括上变频混频器、功率放大器。其中,功率放大器两级分别采用A类和AB类功率放大器结构,并运用一系列高线性度技术提升输出1d B压缩点,来满足发射端高线性度的要求。通过对接收端以及发射端电路模块的级联进行后仿真,结果表明,在402～614MHz频率范围内,芯片的输入阻抗匹配与输出阻抗匹配均小于-16d B,复数滤波器的镜像抑制比达到了-42d B以上,可编程增益放大器实现了0～50d B的增益范围,接收机的整体增益范围达到了35～85d B,接收端整体噪声系数7d B,1.8V电压下接收端整体功耗为7.95m W。在发射端,实现了近10d B的增益,PA的输出1d B压缩点在402MHz和614MHz频点分别为3.24d Bm和2.11d Bm,满足了发射端输出的高线性度要求,发射端整体功耗为16.35m W。芯片接收机与发射机面积分别为1335.1μm×739.8μm和595.9μm×510.2μm。各个工艺角所有仿真结果均可满足WBAN收发机系统指标要求。

关键词： 低压差线性稳压器   反相器   快速瞬态响应   低功耗  

摘要： 现代科技发展日新月异,5G、物联网、人工智能等概念相继被提出,并逐渐进入人们的日常生活之中,衍生出来的新一代电子产品,如智能家居、智能穿戴等,使人们对电子产品的需求日益旺盛。电源是电子产品的心脏,任何电子产品都离不开电源,使用高效的电源管理系统不仅可以降低电子设备的功耗延长其使用寿命,还可以使电子设备更好的发挥性能。LDO（Low Dropout Regulator,低压差线性稳压器）作为电源管理系统中的重要一员,具有纹波小、功耗低、瞬态响应速度快等优点,被广泛使用在各种电子产品中。无片外电容LDO相比传统LDO,由于缺乏大的片外电容的充放电,瞬态响应性能变得很差,有着很大的过冲电压和下冲电压。本论文重点研究优化LDO的瞬态响应以及降低LDO的功耗。通过在经典LDO电路结构中插入二级反相器作为二级小增益级,在稳态时可以提高环路增益,从而减小线性调整率和负载调整率;在瞬态时为PMOS功率管提供一个较大的充电电流或放电电流,从而优化瞬态响应。由于增加了二级小增益级,环路稳定性受到影响,本论文采用米勒补偿来提高环路的稳定性。本论文基于所提出的优化方案,采用65nm工艺,设计了一款快速瞬态响应,低功耗的LDO。并对设计完成的电路进行PVT（Process/Voltage/Temperature,工艺/电压/温度）仿真,验证电路在不同工艺角,电压以及温度下的性能。完成了所设计的LDO的版图设计,并进行了后仿真。后仿真结果显示,所设计的LDO可以在有片外电容和无片外电容两种场景下正常工作。当输入电压范围为0.7V到0.9V之间时,输出电压可以稳定在0.5V,最小压差为200mV,负载电流范围为1mA-100mA,核心电路的静态电流约为10μA;负载调整率仅为0.3μV/mA,线性调整率仅为1.08mV/V。无片外电容时,在100ns时间内,负载从轻负载1mA变化到重负载100mA时,输出电压的变化仅有5.36mV。当负载瞬态变化速度更快,变化时间为10ns时,无片外电容LDO难以继续保证小的电压变化,此时可以在输出端接一个1μF的片外电容来进一步提高瞬态响应。有片外电容时,在10ns时间内,负载从轻负载1mA变化到重负载100mA时,输出电压的变化为58.3mV。

关键词： 光伏清洁   LoRa技术   低功耗   遗传算法   参数优化  

摘要： 光伏电池表面积灰会造成约55%的发电量损失,光伏清洁机器人可以有效的清洁光伏电池表面,具有效率高、安全性好的特点。在光伏清洁系统中,无线通信技术用于实现各个光伏机器人和中控后台的控制指令等信息的传递,是光伏清洁机器人系统的核心技术之一。本文针对当前光伏清洁机器人的无线通信问题,结合Long Rang(LoRa)通信技术,设计并实现了基于LoRa技术的光伏清洁机器人通信系统。论文分析了光伏清洁机器人通信的需求并设计了系统架构图,完成了各个部分的软件硬件设计,同时以低功耗为目的,在软件方面进行设计以降低系统的功耗。在此基础上,完成了光伏清洁机器人的通信系统,并进行系统性能和整机的测试。具体内容如下:(1)根据光伏清洁机器人的应用需求,完成了光伏清洁机器人的通信系统设计,同时对系统的感知层、网络层模块进行软硬件设计实现及调试。(2)提出了基于模拟退火算法、遗传算法以及改进遗传算法的参数优化选择方法,通过对比选择出在满足传输距离以及鲁棒性要求的情况下使得系统功耗最低的参数,从而实现系统的整体性能最优;设计了符合光伏清洁机器人的多模态工作模式,进一步降低了系统的功耗,实现电池的最长续航。(3)对LoRa通信系统进行距离和功耗的测试,然后再结合第一代光伏清洁机器人对基于LoRa通信系统的光伏清洁机器人进行整机测试。现场测试试验结果表明本文设计的LoRa通信系统具有通信距离远、功耗低、系统稳定等特点,可满足光伏清洁机器人的要求,达到远程控制的目的,具有可用价值。

关键词： 高电源抑制比   低功耗   线性稳压器  

摘要： 近年来,随着物联网、智能家居、人工智能等技术的发展,便携式电子产品越来越多的进入了人们的视野,逐渐成为了生活中必不可少的产品。同时,随着电子产品越来越小型化,多功能化,集成电路设计师将数字电路与模拟电路集成在同一芯片上。然而,数字电路会产生噪声,影响模拟电路中敏感模块的工作,因此屏蔽电路中的纹波显得非常重要,于是高电源抑制比的电池管理系统就受到了越来越多的关注。本文设计的是一款低功耗、高电源抑制比（PSRR）的低压差线性稳压器（LDO）。该低压差线性稳压器通过采用一种低功耗、高电源抑制比的基准电路的方式来提高电源纹波抑制能力。本篇文章讨论了LDO的工作原理以及相关的各项性能指标。并且对本次设计的LDO的各个组成模块,如基准模块、误差放大器模块、调整管、反馈网络等进行了电路设计及性能的仿真,而后对整体系统的性能指标进行了分析验证。并进行了相应的版图设计。本次设计采用了Dongbu Hitek 0.18um工艺,进行了电路的设计、仿真验证及版图设计,仿真结果表明,该LDO的静态电流不超过25u A;其最大负载电流可达到300m A;在0到300m A工作时,其负载调整率为2.8m V;当负载为30m A时,该LDO在1k Hz时的PSRR可达到-99d B,最低点（250k Hz）时,亦可达到-43d B;在温度从-50℃到150℃变化时,电压的变化量仅2.3m V;温度系数约为24.35ppm/℃;线性调整率为0.4%。同时,本次设计在系统中另添加了过温保护模块及过流保护模块对电路进行保护。最终仿真结果表明本次设计的电路满足电路设计的指标。

关键词： 矿井顶板   状态监测   顶板预警   无线传输   低功耗  

摘要： 本课题是山西省科技重大专项“基于物联网的煤矿重大生产装备状态监测及全寿命周期管理系统开发”（20131101029）的重要子课题之一,是针对矿井顶板的安全监测与灾害预警问题而提出的。本文结合煤矿井下顶板监测的现场实际需要,以及中国2025智慧煤矿的发展要求,开发了一套基于无线传输的矿井顶板监测以及预警系统,实现对顶板的离层信号和应力信号的实时采集、存储、上传,以及对顶板灾害的预警。研究的主要内容有:通过查阅大量相关文献,以及调研矿井顶板现场监测现状,分析了无线传输技术在矿井顶板监测与预警中应用的可行性和必要性,结合井下实际安装和操作需求,制定了系统总体设计方案,确定了基于无线传感的矿井顶板监测与预警系统结构组成和功能。整个系统由一台上位机、一台CAN转以太网模块、多台中继装置,以及数十台矿井低功耗无线顶板监测装置组成。它们共同组成一个基于现场无线网络的实时顶板状态监测与预警系统。上位机与CAN转以太网模块之间、模块与中继装置之间采用有线传输,中继装置与顶板监测装置之间采用无线传输。在充分考虑煤矿井下仪器仪表设备防爆要求以及无线设备低功耗要求的基础上,开发了基于低功耗单片机MSP430F1611为主控制器的低功耗无线顶板状态监测装置硬件电路和顶板中继器装置硬件电路。除主控制器以外,装置中主要还包含电源转换模块、显示模块、多参量信号采集模块、数据存储模块、蓝牙通信模块、以及CAN通信模块等硬件电路。采用软硬件结合的方式,编写了具有低功耗和无线传感特性的矿井顶板监测装置程序。它主要包括主程序、功耗管理程序、OLED屏幕显示程序、多通道信号采集程序、外部FLASH存储程序、时钟读写与参数掉电存储程序、光触发与物理按键识别程序、蓝牙通讯程序等。此外,根据数据转换和传输的要求编写了中继器程序,其主要包括OLED屏幕显示程序、外部物理按键程序、蓝牙数据收发程序以及基于CAN通信的数据收发程序等。硬件与软件功能实现矿井顶板多监测传感器的低功耗运行和无线数据传输,不仅延长了意外停电后对顶板连续监测的时间,而且减少了矿井应对突发事故的盲目性。通过分析神经网络等智能算法与数学模型在矿井顶板预测预警中的优缺点,结合本文所开发监测系统可获得的顶板特征信息,建立了基于自回归滑动平均模型的矿井顶板预警模型,开发了集监测和预警于一体的上位机软件。基于山西晋煤集团某矿井的顶板监测历史数据,验证了自回归滑动平均模型实现矿井顶板动态预警的可靠性和有效性,实现了对矿井顶板的动态评估和预警。在实验室以及晋煤研究院车间对各部分装置单项功能以及整体系统功能进行联合调试,达到了设计的预期要求,调试结果表明:系统能够准确地完成对顶板信号的采集、存储、上传与预警,实现了数据在无线网络下的有序传输,有效提高通信线路意外切断后,顶板监测的连续性,既提高了矿井顶板监测的可靠性,也为进一步分析预测顶板动态提供了依据。

关键词： 低功耗   ECG   可穿戴   智能诊断   端到端  

摘要： 心脏病是威胁人类健康的重大疾病之一,可穿戴式智能心电监测设备可以实时完成异常心电信号的识别,并通过预警提醒患者到医院就诊,从而降低患者的生命和财产损失。对于此类系统,其关键要求在于保证高准确率的同时,实现较低的系统功耗。然而,现有的可穿戴智能心电监测设备在异常心电识别和心电信号传输中都存在高功耗的问题。在这项工作中,我们提出了一种低功耗的智能心电信号识别系统,该系统包含事件驱动神经网络的人工智能心电识别算法和基于智能识别的自适应心电信号压缩算法。与现有的技术方案相比,本文所提出的方案在保持高准确率的同时,大大降低了异常心电的识别处理功耗与心电信号的传输功耗。首先,论文介绍了智能心电识别的意义,以及国内外研究现状,对该领域内的现有工作做了简要的概述,并分析了它们的优缺点。然后介绍了心电识别相关的背景知识,包括心电信号的基本概念,心电信号的数据库,以及神经网络的基本原理及其在智能心电识别上的应用。随后,论文介绍了心电信号的预处理方法,包括预处理方法的基本原理,心电信号的除噪算法和R峰检测算法。其中,在除噪算法中,重点介绍了常见的几种噪声滤除方法及效果,在R峰检测算法中,重点介绍了广泛采用的Pan-Tompkins算法。接下来,论文详细阐述了提出的事件驱动神经网络算法,以及适用于该架构的偏向性训练方式。通过事件驱动型神经网络,有效的降低了智能心电识别的处理功耗,并通过偏向性训练降低了对准确率的影响。同时,提出了基于智能识别的自适应心电压缩算法,有效的降低了心电信号的传输功耗。为了满足实时性要求,在提出的算法基础上,还设计了针对该算法的心电识别专用神经网络处理硬件,并通过FPGA进行了实现,对其功能和实时性进行了验证,同时评估了硬件资源开销,为下一步低功耗智能心电识别专用处理芯片设计奠定了基础。总结我们的实验结果,提出的智能心电识别算法达到了98.4%的识别准确率,与现有基于神经网络的智能心电识别算法,相比节省了75.5%的运算量,与现有的心电压缩算法相比,压缩比最高提升了4.69倍。同时,实现了基于FPGA的心电识别专用神经网络处理硬件,较好地满足功能和实时性要求。最后,总结我们的研究内容,分析现有工作的不足,提出对后续工作的展望。