提出了一种2.5维(2.5D)系统封装高速输入/输出(I/O)全链路的信号/电源完整性(Signal integrity/power integrity,SI/PI)协同仿真方法。首先通过电磁全波仿真分析SiP内部“芯片I/O引脚-有源转接板-印刷电路板(即封装基板)-封装体I/O引脚”这一主要高速信号链路及相应的转接板/印刷电路板电源分配网络(Power distribution network,PDN)的结构特征和电学特性,在此基础上分别搭建对应有源转接板和印刷电路板两种组装层级的“信号链路+PDN”模型,并分别进行SI/PI协同仿真,提取出反映信号链路/PDN耦合特性的模块化集总电路模型,从而在电路仿真器中以级联模型实现快速的SI/PI协同仿真。与全链路的全波仿真结果的对比表明,模块化后的协同仿真有很好的可信度,而且仿真时间与资源开销大幅缩减,效率明显提升。同时总结了去耦电容的大小与布局密度对PDN电源完整性的影响及对信号完整性的潜在影响,提出了去耦电容布局优化的建议。
针对终端用户产生计算任务大小动态变化以及在工业物联网场景下业务的低时延、低能耗需求,提出了一种基于用户意愿度的D2D(device to device)协助的工业物联网资源分配模型。首先在用户层,每隔时隙t,由概率分布函数更新用户成为资源给...
详细信息
针对终端用户产生计算任务大小动态变化以及在工业物联网场景下业务的低时延、低能耗需求,提出了一种基于用户意愿度的D2D(device to device)协助的工业物联网资源分配模型。首先在用户层,每隔时隙t,由概率分布函数更新用户成为资源给予端的意愿度,在移动边缘计算(MEC)服务器层,使MEC具有决策功能,能对终端上传任务做出判断,寻找出合适的MEC处理;其次基于K-means聚类算法,将终端产生的任务匹配到对应的层进行处理;最后在资源分配阶段,为解决Q-learning里Q表难以实时更新的问题,提出N-DQN算法,使用双层神经网络相互拟合。仿真表明所提策略较传统方法,系统能耗降低约10%,系统时延降低约12%。
暂无评论