123,123,123

基于字典學(xué)習(xí)和加權(quán)TV的MRI重構(gòu)算法

為更好地提高核磁共振圖像重構(gòu)質(zhì)量，提出了一種基于熵約束字典學(xué)習(xí)和加權(quán)全變分的圖像重構(gòu)算法。首先對(duì)圖像進(jìn)行分塊，基于熵約束構(gòu)建新的字典學(xué)習(xí)模型，生成字典庫(kù)；結(jié)合加權(quán)的各向同性與各向異性的全變分正則項(xiàng)構(gòu)建圖像重構(gòu)模型，并采用Split-Bregman算法求解，最終得到重構(gòu)圖像。實(shí)驗(yàn)結(jié)果表明，該算法不僅能有效消除噪聲，對(duì)噪聲具有魯棒性，又能保留圖像邊緣紋理信息，抑制階梯效應(yīng)。與現(xiàn)有的算法相比，該算法對(duì)圖像重構(gòu)有著更好的性能。

發(fā)表于：3/7/2017

谷歌Android系統(tǒng)涉嫌壟斷遭土耳其監(jiān)管部門調(diào)查

據(jù)報(bào)道，谷歌在周一又遭遇了另外一個(gè)監(jiān)管挑戰(zhàn)。土耳其競(jìng)爭(zhēng)委員會(huì)當(dāng)天宣布，已啟動(dòng)了一項(xiàng)調(diào)查，以查明谷歌熱門Android系統(tǒng)是否違反了該國(guó)反壟斷規(guī)定。

發(fā)表于：3/7/2017

基于自適應(yīng)差分進(jìn)化極限學(xué)習(xí)機(jī)的車牌識(shí)別算法

針對(duì)目前車牌識(shí)別算法中存在的模型訓(xùn)練慢、字符識(shí)別準(zhǔn)確率低等問(wèn)題，研究了一種基于自適應(yīng)差分進(jìn)化極限學(xué)習(xí)機(jī)的車牌識(shí)別算法。綜合利用邊緣檢測(cè)和顏色定位的優(yōu)點(diǎn)來(lái)檢測(cè)車牌區(qū)域，然后用改進(jìn)后的垂直投影法對(duì)車牌區(qū)域進(jìn)行分割，最后將自適應(yīng)差分進(jìn)化極限學(xué)習(xí)機(jī)用于字符識(shí)別。研究結(jié)果表明，所提出算法具有訓(xùn)練速度快、字符識(shí)別率高等優(yōu)點(diǎn)，可以應(yīng)用于復(fù)雜的交通場(chǎng)景。

發(fā)表于：3/6/2017

基于快速余差查表法的脈沖多普勒雷達(dá)解距離模糊算法

解距離模糊是中頻脈沖重復(fù)頻率的脈沖多普勒雷達(dá)關(guān)鍵技術(shù)之一。提出了采用快速余差查表法有效解決PD雷達(dá)距離模糊問(wèn)題的算法。該算法的運(yùn)算量較少，實(shí)時(shí)處理能力強(qiáng)。以3重CPI進(jìn)行仿真實(shí)驗(yàn)，表明該算法能夠保證低虛警概率和較高的解模糊的正確性，并能夠滿足PD雷達(dá)信號(hào)處理的實(shí)時(shí)處理要求。

發(fā)表于：3/5/2017

基于FPGA的流水線單精度浮點(diǎn)數(shù)乘法器設(shè)計(jì)

針對(duì)現(xiàn)有的采用Booth算法與華萊士（Wallace）樹(shù)結(jié)構(gòu)設(shè)計(jì)的浮點(diǎn)乘法器運(yùn)算速度慢、布局布線復(fù)雜等問(wèn)題，設(shè)計(jì)了基于FPGA的流水線精度浮點(diǎn)數(shù)乘法器。該乘法器采用規(guī)則的Vedic算法結(jié)構(gòu)，解決了布局布線復(fù)雜的問(wèn)題；使用超前進(jìn)位加法器（Carry Lookahead Adder，CLA）將部分積并行相加，以減少路徑延遲；并通過(guò)優(yōu)化的4級(jí)流水線結(jié)構(gòu)處理，在Xilinx ISE 14.7軟件開(kāi)發(fā)平臺(tái)上通過(guò)了編譯、綜合及仿真驗(yàn)證。結(jié)果證明，在相同的硬件條件下，本文所設(shè)計(jì)的浮點(diǎn)乘法器與基4-Booth算法浮點(diǎn)乘法器消耗時(shí)鐘數(shù)的比值約為兩者消耗硬件資源比值的1.56倍。

發(fā)表于：3/5/2017

多核DSP間基于SRIO數(shù)據(jù)傳輸?shù)脑O(shè)計(jì)與實(shí)現(xiàn)

在使用Digital Signal Processor (DSP)芯片進(jìn)行數(shù)字信號(hào)處理時(shí)，由于數(shù)據(jù)量大，線程較多，通常采用多片DSP協(xié)同處理。本文旨在研究DSP間數(shù)據(jù)和信息傳輸?shù)膶?shí)現(xiàn)，并以三片TI的 TMS320C6474芯片為例，基于SRIO協(xié)議，設(shè)計(jì)一種傳輸架構(gòu)，實(shí)現(xiàn)了DSP間的數(shù)據(jù)傳輸。最終實(shí)現(xiàn)DSP間2.520 Gb/s的數(shù)據(jù)傳輸速率，為理論值的50.40%，但如果除去線程調(diào)度和DSP間同步所用時(shí)間，其SRIO接口的數(shù)據(jù)傳輸速率可達(dá)到3.886 Gb/s，為理論值的77.72%。該設(shè)計(jì)具有較大的通用性，對(duì)其他同類型的芯片間的數(shù)據(jù)傳輸設(shè)計(jì)具有極大的參考性。

發(fā)表于：3/5/2017

基于歷史數(shù)據(jù)的軟件測(cè)試數(shù)據(jù)統(tǒng)計(jì)分析研究

從大數(shù)據(jù)的角度，利用軟件測(cè)試歷史數(shù)據(jù)，分析和研究軟件開(kāi)發(fā)及測(cè)試過(guò)程，為軟件質(zhì)量保證和項(xiàng)目管理及組織能力建設(shè)提供了新的思路。在組織內(nèi)部建立測(cè)試數(shù)據(jù)收集機(jī)制，對(duì)軟件測(cè)試相關(guān)數(shù)據(jù)進(jìn)行收集，建立數(shù)據(jù)分析模型，從軟件開(kāi)發(fā)過(guò)程、軟件測(cè)試過(guò)程、軟件缺陷數(shù)據(jù)等方面對(duì)測(cè)試數(shù)據(jù)進(jìn)行分析，獲得多個(gè)具有實(shí)際意義的量化指標(biāo)，將此指標(biāo)反饋到軟件開(kāi)發(fā)和軟件測(cè)試及項(xiàng)目管理等過(guò)程中，顯著提高了軟件產(chǎn)品質(zhì)量及工作效率，降低了過(guò)程風(fēng)險(xiǎn)，提高了組織市場(chǎng)競(jìng)爭(zhēng)能力。

發(fā)表于：3/4/2017

基于LVS的數(shù)據(jù)庫(kù)集群負(fù)載均衡性能測(cè)試與分析

Linux虛擬服務(wù)器（Linux Virtual Server，LVS）技術(shù)是一種廣泛應(yīng)用于企業(yè)集群中的負(fù)載均衡技術(shù)，目前關(guān)于LVS的研究主要是基于Web服務(wù)器集群負(fù)載均衡性能方面。在一些實(shí)際應(yīng)用場(chǎng)景中，LVS可以直接與數(shù)據(jù)庫(kù)集群相結(jié)合。將LVS與數(shù)據(jù)庫(kù)集群結(jié)合，提出一種對(duì)LVS架構(gòu)下數(shù)據(jù)庫(kù)集群性能進(jìn)行測(cè)試的方案，并利用HP LoadRunner對(duì)負(fù)載均衡算法的數(shù)據(jù)庫(kù)集群進(jìn)行負(fù)載測(cè)試實(shí)驗(yàn)，通過(guò)數(shù)據(jù)分析比較，得出LVS提供的算法中較適合數(shù)據(jù)庫(kù)集群的調(diào)度算法。

發(fā)表于：3/4/2017

三星18nm PC存儲(chǔ)器良率出問(wèn)題緊急召回

三星近來(lái)狀況頻傳，在 Galaxy Note 7 電池出包與管理層級(jí)涉及行賄被起訴后，近日業(yè)界又傳出其產(chǎn)業(yè)重心記憶體模組產(chǎn)品良率出問(wèn)題需緊急召回，由于三星于 PC DRAM 市占過(guò)半，這次良率出問(wèn)題除了可能讓三星集團(tuán)的處境雪上加霜外，也會(huì)讓價(jià)格已上揚(yáng)的PC DRAM價(jià)格再度飆高。

發(fā)表于：3/3/2017

基于數(shù)據(jù)倉(cāng)庫(kù)的科學(xué)儀器設(shè)備數(shù)據(jù)分析系統(tǒng)

：如何節(jié)省在科學(xué)儀器設(shè)備管理工作中對(duì)數(shù)據(jù)分析投入的人力物力并提高管理效率是科技管理部門十分關(guān)注的問(wèn)題。利用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)可以對(duì)現(xiàn)有的科學(xué)儀器設(shè)備數(shù)據(jù)進(jìn)行多維分析，以便有效利用分析數(shù)據(jù)輔助管理者決策。文章?lián)朔治隽丝茖W(xué)儀器設(shè)備數(shù)據(jù)源，提出了分析主題，通過(guò)模型設(shè)計(jì)、ETL功能以及OLAP功能的設(shè)計(jì)，實(shí)現(xiàn)了一個(gè)基于數(shù)據(jù)倉(cāng)庫(kù)的科學(xué)儀器設(shè)備數(shù)據(jù)分析系統(tǒng)。系統(tǒng)的開(kāi)發(fā)研究證明了數(shù)據(jù)倉(cāng)庫(kù)技術(shù)在科學(xué)儀器設(shè)備管理上應(yīng)用的可行性，并為進(jìn)一步建立基于數(shù)據(jù)倉(cāng)庫(kù)的科技數(shù)據(jù)決策支持系統(tǒng)打下了基礎(chǔ)。

發(fā)表于：3/2/2017

基于高維數(shù)據(jù)聚類的制造過(guò)程數(shù)據(jù)分析平臺(tái)

隨著制造業(yè)領(lǐng)域工藝技術(shù)的不斷進(jìn)步，大量感知設(shè)備如同人體器官一樣，被部署到制造過(guò)程中的各個(gè)重要節(jié)點(diǎn)，產(chǎn)生著海量制造過(guò)程數(shù)據(jù)。針對(duì)這些海量制造過(guò)程數(shù)據(jù)，制造業(yè)領(lǐng)域越來(lái)越需要科學(xué)、敏捷、高效的數(shù)據(jù)分析平臺(tái)，為制造過(guò)程數(shù)據(jù)的分析提供智力支持和決策支持。針對(duì)這種需求，文章采用高維數(shù)據(jù)聚類技術(shù)結(jié)合Spring、Mybatis等成熟的敏捷開(kāi)發(fā)框架，開(kāi)發(fā)了制造過(guò)程數(shù)據(jù)分析平臺(tái)。該設(shè)計(jì)不僅可以針對(duì)歷史數(shù)據(jù)進(jìn)行分析，還可以實(shí)時(shí)監(jiān)控生產(chǎn)線上的動(dòng)態(tài)流程數(shù)據(jù)，提高數(shù)據(jù)分析和決策效率。

發(fā)表于：3/2/2017

英特爾 10 納米良率傳偏低量產(chǎn)延后

10 納米先進(jìn)制程良率低，英特爾、臺(tái)積電全球兩大晶圓廠先后都傳出有類似問(wèn)題待克服。

發(fā)表于：3/2/2017

聯(lián)電14納米FinFET開(kāi)始量產(chǎn)

臺(tái)灣晶圓代工大廠聯(lián)華電子(UMC，以下簡(jiǎn)稱聯(lián)電)宣布，該公司自主研發(fā)的14納米鰭式場(chǎng)效電晶體(FinFET)制程技術(shù)，已成功進(jìn)入客戶晶片量產(chǎn)階段。出貨給主要客戶的14納米量產(chǎn)晶圓，良率已達(dá)先進(jìn)制程的業(yè)界競(jìng)爭(zhēng)水準(zhǔn)，此制程將幫助客戶開(kāi)拓嶄新的應(yīng)用于電子產(chǎn)品。

發(fā)表于：3/2/2017

比NAND快千倍中芯國(guó)際瞄準(zhǔn)ReRAM？

比NAND閃存更快千倍 40納米R(shí)eRAM在中芯國(guó)際投產(chǎn)引起業(yè)界關(guān)注!曾經(jīng)一度大舉退出內(nèi)存生產(chǎn)的中芯國(guó)際，為何鎖定瞄準(zhǔn)ReRAM?主要原因在于ReRAM應(yīng)用在物聯(lián)網(wǎng)(IoT)裝置擁有愈長(zhǎng)的電池續(xù)航力，一來(lái)可節(jié)省維護(hù)成本、二來(lái)有助提高物聯(lián)網(wǎng)基礎(chǔ)設(shè)施可持續(xù)性。

發(fā)表于：3/1/2017

芯片競(jìng)爭(zhēng)激烈促成美國(guó)制造商抱團(tuán)

猶他州李海的IM Flash工廠座落于瓦薩奇山脈腳下，堪稱美國(guó)高科技制造業(yè)的典范。在這家工廠，裝載著餐盤般大小硅片的機(jī)器人在天花板上穿梭，往來(lái)于巨大的機(jī)器之間。這些機(jī)器從顯微層面對(duì)原材料進(jìn)行蝕刻與沉積，制造世界上最先進(jìn)的存儲(chǔ)芯片。

發(fā)表于：3/1/2017