基于网表文件信号引出的FPGA内部批量信号监测方法及系统

    公开(公告)号:CN118733378A

    公开(公告)日:2024-10-01

    申请号:CN202410707430.0

    申请日:2024-06-03

    摘要: 本发明公开了一种基于网表文件信号引出的FPGA内部批量信号监测方法及系统,主要解决现有FPGA内部批量信号难以通过I/O接口直接向外传输,在辐照条件下出现单粒子翻转不能被及时观测到的问题。其实现步骤是:网表文件信号引出模块解读FPGA网表文件层次,修改网表内容,新建一例多位信号,将批量关键信号所涉及的网表资源的状态信息引入到新建的多位信号的每一位上;关键信号组帧模块用于对多位信号逐位进行组帧编码并对PS端实时传输数据帧;PS端观测模块用于解析数据帧,监测批量关键信号状态。本发明实现了监测FPGA内部批量信号运行状态,对辐照条件下SEU效应的自适应防护决策提供了技术基础。

    一种异构奇异多智能体系统的自适应二分输出包含控制方法

    公开(公告)号:CN118348790A

    公开(公告)日:2024-07-16

    申请号:CN202410457168.9

    申请日:2024-04-16

    IPC分类号: G05B13/04

    摘要: 一种异构奇异多智能体系统的自适应二分输出包含控制方法,包括:构造跟随者异构奇异多智能体系统的动力学模型、领导者奇异多智能体模型;设计二分输出包含误差函数将二分输出包含控制问题转化为误差函数的渐进稳定性分析;对每个跟随者智能体构建基于相对状态输出的状态反馈自适应分布式控制器;对每个跟随者智能体构建基于相对状态输出的动态反馈自适应分布式控制器;通过模型转换和非线性奇异系统的稳定性分析,将二分输出包含控制问题转化为矩阵对的容许性分析,采H∞稳定性理论,给出异构奇异多智能体系统的自适应二分输出包含控制方法;实现了对智能体之间合作和竞争关系的准确表达,以及对智能体输出的控制,有效降低了状态测量和传输的成本。

    基于Transformer和对抗学习的跨模态行人重识别方法

    公开(公告)号:CN118736485A

    公开(公告)日:2024-10-01

    申请号:CN202410781684.7

    申请日:2024-06-18

    摘要: 一种基于Transformer和对抗学习的跨模态行人重识别方法,首先使用模态特定特征提取器分别从可见光图像和红外图像中提取特征。然后,通过跨模态特征对齐模块对提取得到的模态特定特征进行调整,以减少模态内和模态间的特征差异。接着,使用权重共享的共享特征提取器提取模态共享特征,并采用多尺度特征融合方法,利用Transformer通过注意力机制将模态共享特征的上下文信息补充到模态特定特征中,以弥补模态特定特征在全局语义上的不足。在对抗学习过程中,交替训练分类器和特征提取器,从而更好地提取模态不变特征。本发明有效减少了可见光和红外图像之间的模态差异,显著提升了跨模态行人重识别的精度和鲁棒性,适用于安防监控、智能交通等领域。

    面向射频器件单粒子翻转所致异常的波形检测方法

    公开(公告)号:CN116908512A

    公开(公告)日:2023-10-20

    申请号:CN202310852203.2

    申请日:2023-07-12

    IPC分类号: G01R13/02

    摘要: 本发明涉及一种用于射频器件的异常检测方法,具体涉及一种面向射频器件单粒子翻转所致异常的波形检测方法。解决了射频器件在太空中受到单粒子辐射发生单粒子翻转时,难以精准、快速、自适应的判断翻转导致的错误异常类型的技术问题。本发明方法包括以下步骤:1)得到训练集;2)采用小波散射卷积神经网络对训练集中的波形数据进行特征向量提取;3)将特征向量输入到门循环单元神经网络中进行特征分类训练;4)将训练好的门循环单元神经网络接入线性层,按标签的格式对线性层进行设置;5)将待检测波形数据输入到小波散射卷积神经网络中,再依次经过训练好的门循环单元神经网络和线性层,输出得到波形类型分类结果。