一种针对SR-IOV芯片数据搬运功能的验证系统

    公开(公告)号:CN118468770A

    公开(公告)日:2024-08-09

    申请号:CN202410637448.8

    申请日:2024-05-22

    Abstract: 本发明公开了一种针对SR‑IOV芯片数据搬运功能的验证系统,属于芯片验证领域。该系统包括待测设计和验证平台,待测设计与验证平台通过验证平台提供的接口相连;验证平台包括测试用例层、业务层、驱动层和协议层;测试用例层用于创建全局配置对象并对其余各层配置;业务层为每个DMA描述符队列产生一系列业务层激励对象并传递给驱动层;驱动层接收业务层激励对象并转换为对协议层的具体调用操作;协议层与待测设计直接交互,完成测试数据的初始化、测试激励的驱动和响应的采集。本发明能够根据待测设计参数和验证需求快捷生成针对SR‑IOV芯片数据搬运功能的验证环境和仿真激励,避免对数量庞大的DMA描述符队列进行人工生成和维护的成本,显著提高验证工作效率。

    一种基于UVM和VIP的交换芯片验证平台

    公开(公告)号:CN118194788A

    公开(公告)日:2024-06-14

    申请号:CN202410367803.4

    申请日:2024-03-28

    Abstract: 本发明公开了一种基于UVM和VIP的交换芯片验证平台,属于芯片验证领域。其包括测试文本文件、配置产生模块、验证环境、IO映射接口、测试用例;测试文本文件用于表明各测试用例与端口配置的对应关系;配置产生模块用于接收仿真阶段输入的测试用例名称,解析测试文本文件,产生给DUT、验证环境及IO映射接口的端口配置参数;验证环境包括VIP环境组、参考模型、计分板和环境配置模块;VIP环境组由可配置数量的VIP验证环境构成;IO映射接口用于实现DUT与验证环境的VIP环境组之间的连接;测试用例使用不同序列产生激励。本发明能够实现根据测试文本文件以及仿真阶段输入的测试用例名称,自动完成验证环境的生成、配置以及与DUT的连接,能够提高交换芯片验证效率。

    一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列

    公开(公告)号:CN114895502A

    公开(公告)日:2022-08-12

    申请号:CN202210443722.9

    申请日:2022-04-26

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列,包括基于厚Si3N4波导的对称马氏干涉仪光开关阵列、包括基于厚Si3N4波导经色散工程的具有不同尺寸的微环谐振腔。通过二叉树型与级联型两种光开关切换网络改变入射光的路径,使得入射光耦合到不同尺寸的微环谐振腔里。通过热电极快速改变干涉仪两臂相位差实现光路切换,切换时间小于60μs;通过热电极快速调谐微环的谐振峰,控制光源频率与谐振峰的失谐量,进而激发出不同重频的单孤子微光梳。本发明适用于高频微波与毫米波信号产生、微波光子滤波、多光梳测量技术、光通讯收发模块、光计算等氮化硅集成光路光学器件系统中,具有重频调节范围大、光开关切换速度快、尺寸紧凑等优点。

    一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列

    公开(公告)号:CN114895502B

    公开(公告)日:2023-03-21

    申请号:CN202210443722.9

    申请日:2022-04-26

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于光开关切换网络的重频大范围可调氮化硅微光梳阵列,包括基于厚Si3N4波导的对称马氏干涉仪光开关阵列、包括基于厚Si3N4波导经色散工程的具有不同尺寸的微环谐振腔。通过二叉树型与级联型两种光开关切换网络改变入射光的路径,使得入射光耦合到不同尺寸的微环谐振腔里。通过热电极快速改变干涉仪两臂相位差实现光路切换,切换时间小于60μs;通过热电极快速调谐微环的谐振峰,控制光源频率与谐振峰的失谐量,进而激发出不同重频的单孤子微光梳。本发明适用于高频微波与毫米波信号产生、微波光子滤波、多光梳测量技术、光通讯收发模块、光计算等氮化硅集成光路光学器件系统中,具有重频调节范围大、光开关切换速度快、尺寸紧凑等优点。

    一种基于自注意力机制和对比学习的小样本医学图像分割方法

    公开(公告)号:CN118967719A

    公开(公告)日:2024-11-15

    申请号:CN202411059017.4

    申请日:2024-08-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于自注意力机制和对比学习的小样本医学图像分割方法,该方法首先需要对核磁共振成像(Magnetic Resonance Imaging,MRI)数据进行预处理,将处理后的数据进行预分割;然后将预分割结果进行掩码矫正得到伪掩码;将伪掩码及其对应的医学图像送入深度学习网络模型,根据综合损失更新模型参数并保存模型训练结果;利用训练过的模型对新的医学图像数据进行分割,得到分割掩码。本发明通过对伪掩码进行矫正提高了网络模型学习的准确性,自注意力机制和对比学习的加入实现了小样本训练过程内部传递信息并抑制了图像背景信息干扰,在有限的标注数据情况下实现了对医学图像的高效分割。

    基于分解卷积神经网络的自监督低剂量CT去噪方法

    公开(公告)号:CN118887127A

    公开(公告)日:2024-11-01

    申请号:CN202411051326.7

    申请日:2024-08-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于分解卷积神经网络的自监督低剂量CT去噪方法。该方法首先获取低剂量计算机断层扫描(Low Dose Computed Tomography,LDCT)影像学DICOM数据;其次将LDCT影像学数据中CT扫描边界之外的像素点的值设置为0,并在[‑1024,3072]范围内进行归一化处理,将其存储为NPY格式;然后将低剂量CT数据集输入到基于图像分解的自监督去噪网络中进行训练,得到训练模型;最后,利用得到的训练模型对新的LDCT进行预测,获得去噪后的图像。本发明通过将LDCT图像分解成干净图像、与信号相关噪声图像以及与信号无关噪声图像,能够在无标签图像的情况下从LDCT图像中分离出高质量CT图像。本发明能够通过训练好的深度学习去噪模型直接得到去噪图像,为临床医生的影像诊断工作提供了技术支持。

Patent Agency Ranking