模拟VLSI电路参数型故障的测试方法

为了提高模拟集成电路参数型故障的测试精度,以小波滤波器组实现的子带滤波为理论工具,研究了基于多故障特征提取的模拟集成电路测试方法.研究和对比了奥克塔夫(Octave)和金字塔两种小波分解结构下对Haar和Daubenchies两种小波在时域和频域中的故障分辨特性和诊断能力.对国际标准电路的实验表明:采用Octave结构时,在时域可完成故障检测,以相干函数在频域区分故障困难;而采用金字塔型结构时,在时域和频域皆易完成故障诊断:采用Daubenchies小波的效果优于Haar小波.     

基于严格优先级的iSLIP算法及其性能分析

iSLIP（iterative round robin matching with SLIP）算法是基于开关交叉结构的高速路由器所普遍使用的一种经典算法,其实现主要分为两种：基于权重的优先级iSLIP（Weighted Prioritized iSLIP）算法和严格优先级iSLIP（Strict Prioritized iSLIP）算法。其中严格优先级iSLIP算法在高速电路上的易实现性使其得到了广泛应用。如何在高速路由器中提供优质的服务质量（Quality Of Service）是当前研究的另一个热点。严格优先级iSLIP算法对信元从优先级的角度进行了重新分类,可以与QOS区分服务机制很好的结合在一起。     

模拟电路故障诊断中线性组合矩阵的最简形式

为有效划分低可测性模拟电路中的模糊组和正则模糊组,提出一种新的确定线性组合矩阵最简形式的方法。通过一个benchmark电路验证该方法仅需对被测电路的可测性矩阵进行一次QR分解和较少次数的矩阵运算;避免了组合搜索算法的搜索时间与被测元件参数的数目成几何级数增长,减小了计算处理的复杂度。     

小波-神经网络在模拟电路故障诊断中的应用

小波变换具有时频局部化、多尺度分析等特性，而神经网络具有非线性映射、学习推理等优点，将二者结合起来，提出基于小波-神经网络的模拟电路故障诊断方法。采用正弦信号仿真模拟电路，应用小波变换对模拟电路响应的采样信号进行故障特征提取，建立故障字典，然后利用神经网络对各种状态下的特征向量进行分类决策，实现模拟电路的故障诊断。对标准电路仿真结果表明：该方法能够实现故障检测及定位，具有准确率高的特点。     

基于动态电源电流测试的模拟电路故障诊断

动态电源电流测试对模拟集成电路故障诊断十分有效。采用斜坡电压源代替传统的恒定直流电压,从电源电流波形采样训练神经网络的数据并建立故障字典。利用小波变换具有同时在时-频域分析信号、大量压缩数据的属性,对采样信号进行小波包分解,提取故障特征来训练神经网络,简化了网络结构、提高了训练速度。实验结果表明,该方法能够实现快速故障检测及定位,具有准确率高的特点。