頭條 高安全性测试数据分层的芯片测试方案设计 随着嵌入式芯片集成度与复杂度的持续提升，传统测试方法在安全性、灵活性及测试效率方面的瓶颈日益凸显。因此以通用微控制器（MCU）为研究对象，深入剖析芯片测试模式的核心技术，提出一套集高安全性测试模式准入、测试数据分层分配于一体的芯片测试方案。该方案通过63位密钥认证机制实现测试模式安全接入，同时构建IO直接控制、寄存器控制与Flash系统配置值控制的分层架构，保障测试数据的灵活分配，可全面覆盖芯片多模块的测试需求，为高安全场景下的芯片测试提供可靠支撑。 最新資訊 统一渲染架构GPU图形处理量化性能模型研究 统一渲染架构GPU为图形处理提供了丰富的运算、存储资源，也对软件优化提出了更高要求。为了有效地进行性能设计和优化，针对统一渲染架构实现的GPU 提出一种量化的图形处理性能模型，在深入研究统一渲染架构GPU架构和工作原理基础上，分析影响图形处理的各种因素：图形指令生成、主机接口数据传输、图形指令解析、图形处理流水数据吞吐和统一染色阵列处理能力。通过仿真验证表明，在研制自主知识产权GPU过程中，采用本方法设计各部分性能指标，评估统一染色GPU图形处理性能与实测相比，误差小于7.5%。 發表于：2019/2/19 SuperToF™——物理感知时代的来临 在国内主流手机厂商争相搭载飞行时间（ToF）摄像头的手机发布同时，国际主流手机厂商也纷纷传出2019年旗舰手机将搭载ToF传感器的消息，国际ToF产业链从感光元件到摄像头模组各大厂商也在频频联合，取对方长处以补充自身的不足，我们看到ToF技术在2018年抢而不火的景象，究其原因：在硬件逐渐小型化的今天，硬件快速无缝衔接与关键感知处理技术的缺失，拖慢了ToF普及化的进程。 發表于：2019/2/19 SSD主控两次变迁 大陆市场成最新战场 SSD流行起来是最近几年的事情，但厂商开始研发SSD主控就可以追溯到十几年前。目前市场上的高端固态硬盘控制器芯片订单主要集中在美国的Marvell和Microchip（收购PMC而得），面向的主要是工业领域和企业级系统；而消费类低端控制器芯片则主要由台湾慧荣（SMI）和群联（Phison）瓜分。其中慧荣的市场份额更是高达30%。 發表于：2019/2/19 创造新一代人工智能的核心理论 新一代人工智能超深度学习（ Super Deep Learning SDL）的创新发展历程是：早在1991年到1993年，伴随着大规集成电路极速发展的时期，大规集成电路的最小面积，最短配线长度，同时还要考虑电气特性的多目的最佳化解的获得，成为当时科学技术领域中最为关注的课题。 發表于：2019/2/18 芯来科技与晶心科技基于RISC-V展开深度战略合作 2019年2月18日，新春伊始，芯来科技与晶心科技宣布建立全面深度战略合作伙伴关系。双方未来将在技术交叉授权、产品研发、技术支持、销售渠道以及市场推广等领域展开全面深度合作，共同推广基于RISC-V架构的处理器内核IP产品，加速产业落地和生态建设，为全球客户提供最专业和优质的服务。 發表于：2019/2/18 2018年新能源汽车市场傲人成绩的背后，又有哪些心酸？ 2018年成为了燃油车的“寒冬”，而新能源汽车市场却迎来了逆势增长的春天。2018年，新能源汽车完成125．6万辆的销量，同比增长61．7％，其中纯电动汽车、插电式混合动力汽车、燃料电池汽车分别完成98．4万辆、27．1万辆、1527辆的销量成绩。 發表于：2019/2/17 基于深度学习的通信信号自动调制识别技术 基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题，是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法，应用自编码技术进行特征提取，获得具有较好的抗干扰能力的特征集，然后使用 BP神经网络对经过筛选的特征进行分类识别，实现了MQAM通信信号调制模式自动识别。仿真实验结果表明，所提出的方法分类识别效果好，有效提高了数字调制信号自动识别的抗干扰能力。 發表于：2019/2/15 自动驾驶技术哪家强？DMV为你一一曝光 在加州机车辆管理局（DMV）刚刚披露的《2018年自动驾驶接管报告》中，达到披露标准的48家自动驾驶路测单位，技术实力一一曝光。 發表于：2019/2/15 2.5D异构和3D晶圆级堆叠正在重塑封装产业 硅通孔（TSV）是最早的堆叠技术之一，经过数年的发展和对MEMS的关注，它最终进入了许多应用领域。如今，2.5D和3D堆叠技术已成为能够满足当前人工智能（AI）和数据中心等应用性能需求的唯一解决方案。 發表于：2019/2/15 雨密度感知分类引导扩张网络对单张图片去雨 由于图像中的雨线条纹具有不同形状、尺寸且分布不均匀，单一神经网络学习分布不均匀的雨密度能力弱，去雨效果不显著，对此提出雨密度感知引导扩张网络对单张图片去除雨的方法。网络分为两部分：(1)雨密度感知网络对不同密度雨的图片进行分类（大雨、中雨、小雨）；(2)联合雨密度感知分类信息引导扩张网络学习不同的雨密度特征细节，用于检测雨线和去雨。实验证明了该方法在合成和真实数据集上去雨的有效性。 發表于：2019/2/14 <…279280281282283284285286287288…>
