System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于K-Shell的FPGA辐照敏感信号自动识别方法、系统及存储介质技术方案_技高网

基于K-Shell的FPGA辐照敏感信号自动识别方法、系统及存储介质技术方案

技术编号:40244589 阅读:4 留言:0更新日期:2024-02-02 22:41
本发明专利技术涉及一种基于K‑Shell的FPGA辐照敏感信号自动识别方法、系统及存储介质,克服现有技术只能提供少量、覆盖范围有限的辐照敏感信号进行电路功能监测的局限性和不灵活性,本方法借助K‑Shell网络模型,构建FPGA工程代码文件的顶层模块网络,通过计算顶层模块网络所有节点的节点综合度或K壳(Ks)值进行筛选得到关键子模块,之后根据K‑Shell网络模型建立关键子模块网络,以关键子模块网络相关参数为评价指标,基于评价方法,选取待确定辐照敏感信号;最后基于特定的筛选方法,从其中确定最终的辐照敏感信号。本方法与人为选取的辐照敏感信号相比,覆盖面广并且算法识别速度快、效率高,可以适用于不同的FPGA工程。

【技术实现步骤摘要】

本专利技术涉及一种fpga的辐照敏感信号识别方法,具体涉及一种基于k-shell的fpga辐照敏感信号自动识别方法、系统及存储介质。


技术介绍

1、fpga是一种可通过重新编程来实现用户所需逻辑电路的半导体器件,其被广泛的应用在包括深空探测、卫星导航、导弹等高空设备中。随着对科学技术的不断发展以及技术指标的不断提高,采用可编程逻辑器件fpga能让星载电子设备的体积、重量、功耗均有所降低,能提高航天器承载有效载荷和功效比,并且满足航天器小型化的大部分需求。目前航天器件多采用sram型fpga,并且目前fpga都是朝着低电压,微型化的方向发展,这就导致单粒子事件更加容易发生。因此,必须进行高可靠性设计对fpga进行防护加固,最大限度地预防、找出和解决空间辐射对fpga器件影响的信号。

2、当fpga受到空间辐射照射时,轻则使设备工作出现短时间功能失常,重则使设备内部受到损坏失去控制。针对fpga内部的单粒子效应导致的异常,研究者们提出了相应的异常检测设计方法,如辐照敏感信号异常检测法。目前,对fpga的辐照敏感信号设定方法有以下三种,一种是在fpga硬件电路运行过程中的状态指示信号,例如done信号;第二种是,在工程设计时人为加入的自检信号,比如数据同步信号;另一种是典型结构的关键功能信号,如三模冗余中的错误状态信号,sem ip的status_heartbeat信号等。上述信号数量有限、覆盖面不广泛,人为选择信号效率不高。


技术实现思路

1、本专利技术的目的克服现有技术只能提供少量、覆盖范围有限的辐照敏感信号进行电路功能监测的局限性和不灵活性,提供一种基于k-shell的fpga辐照敏感信号自动识别方法、系统及存储介质,该方法能快速、高效且大范围的搜寻已知电路中的多个辐照敏感信号,给辐照敏感信号的寻找提供了一种自动化识别方法。

2、本专利技术的技术方案是提供一种基于k-shell的fpga辐照敏感信号自动识别方法,其特殊之处在于,包括以下步骤:

3、步骤1、构建k-shell网络模型;

4、步骤2、从fpga工程代码文件中查找关键子模块;

5、基于k-shell网络模型,构建fpga工程代码文件中的顶层模块网络,从顶层模块网络中查找关键子模块保存顶层模块的内部连接关系;

6、步骤3、从关键子模块中识别辐照敏感信号;

7、步骤3.1、基于k-shell网络模型,构建并保存关键子模块网络,计算关键子模块网络相关参数;

8、步骤3.2、以步骤3.1获取的关键子模块网络相关参数为评价指标,建立评估矩阵x:

9、

10、其中,xmn表示第m个节点的第n个评价指标,其中m的取值范围为{0≤m≤v},v为网络中的节点总数,n的取值范围为{0≤n≤x′},x′为大于等于1的整数,为评价指标个数,m的取值范围为{0≤m≤m},n的取值范围为{0≤n≤n};

11、步骤3.3、基于topsis方法结合灰色关联度与主观赋权法得到的权值,对评估矩阵评估,得到各个节点的相对贴近度,选取相对贴近度大于设定阈值的节点,作为网络关键节点,即获得待确定辐照敏感信号;

12、步骤3.4、对各个待确定辐照敏感信号进行辐射的敏感性测试,获得敏感性测试参数,计算各个网络关键节点的节点重要度ii;分析敏感性测试参数和节点重要度ii,将敏感性测试参数和节点重要度ii大于设定阈值的信号,作为辐照敏感信号。

13、进一步地,所述步骤1中构建的k-shell网络模型为传统k-shell网络模型;所述传统k-shell网络模型的参数包括节点和节点的连边;

14、步骤2具体为:基于k-shell网络模型,构建fpga工程代码文件中fpga工程代码文件的顶层模块网络,计算顶层模块网络所有节点的k壳(ks)值,将k壳值最大(连边最多的)的节点对应的例化模块作为关键子模块,保存顶层模块的内部连接关系;

15、步骤3.1中基于传统k-shell网络模型,构建并保存关键子模块网络,计算关键子模块网络相关节点的ks值;

16、步骤3.2中,x′等于1,n等于1。

17、为了进一步地提高识别精度,所述步骤1中构建的k-shell网络模型为六元组k-shell网络模型;

18、所述六元组k-shell网络模型的参数包括v,e,ki,kt,c,s;其中,v是网络节点总数,e为网络中节点两步领域内的边数,ki及kt分别为网络中节点的入度及出度,c为节点综合度,s为强连通图;

19、步骤3.1中基于六元组k-shell网络模型,构建并保存关键子模块的网络,计算网络相关参数v,e,ki,kt,c;

20、步骤3.2中x′等于5,n的取值范围为{0≤n≤5};

21、步骤3.3中还包括获取关键子模块网络强连通图s的过程,将相对贴近度大于设定阈值、以及位于强连通图s上或者距离强连通图s上的节点具有设定距离的节点作为网络关键节点。

22、进一步地,步骤2与步骤3.1基于下式,计算节点综合度c:

23、c=ki+kt+(μi+μt)*d

24、其中,μi和μt为各个节点的影响系数,μi=ki/e,μt=kt/e,e为网络中节点两步领域内的边数;d为次邻居节点个数,d=e-ki-kt。

25、进一步地,步骤2中读取fpga工程代码文件所有模块间的调用关系,确定顶层模块。

26、进一步地,步骤2中通过以下保存形式保存顶层模块的内部连接关系:

27、mod{mod i}:该变量代表顶层模块中各个例化模块的名称,其中,mod i为第i个例化模块,i=0,1,2,3…mk,mk为顶层模块的例化模块总数,当i=0时,代表顶层模块中不含有例化模块;

28、i_input{}:该变量代表顶层模块与第i个例化模块的输入口连接关系的集合;

29、i_output{}:该变量代表顶层模块与第i个例化模块的输出口连接关系的集合。

30、进一步地,步骤3.1中,基于以下形式保存关键子模块网络:

31、i_j input{input a,input b}:该变量代表关键子模块第i层的输入端口与本层中第j个例化模块端口或变量的连接集合;

32、i_j_output{output a,output b}:该变量代表关键子模块第i层的输出端口与本层中第j个例化模块端口或变量的连接集合;

33、i_j_wire{wire a,wire b}:该变量代表关键子模块的第i层的wire线网类型变量与本层中第j个例化模块的端口或变量的连接集合。

34、进一步地,所述步骤3.4具体为:

35、步骤3.41、对各个待确定辐照敏感信号进行辐射的敏感性测试,获得敏感性测试参数;

36、步骤3.42、计算各个网络关键节点的节点重要度ii:本文档来自技高网...

【技术保护点】

1.一种基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于:所述步骤1中构建的K-Shell网络模型为传统K-Shell网络模型;所述传统K-Shell网络模型的参数包括节点和节点的连边;

3.根据权利要求1所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于:所述步骤1中构建的K-Shell网络模型为六元组K-Shell网络模型;所述六元组K-Shell网络模型的参数包括V,E,KI,KT,C,S;其中,V是网络节点总数,E为网络中节点两步领域内的边数,KI及KT分别为网络中节点的入度及出度,C为节点综合度,S为强连通图;

4.根据权利要求3所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,步骤2与步骤3.1基于下式,计算节点综合度C:

5.根据权利要求1-4任一所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于:步骤2中,所述顶层模块通过读取FPGA工程代码文件中所有模块的调用关系确定。

6.根据权利要求5所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,步骤2中通过以下保存形式保存顶层模块的内部连接关系:

7.根据权利要求6所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,步骤3.1中,基于以下形式保存关键子模块网络:

8.根据权利要求7所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,所述步骤3.4具体为:

9.根据权利要求8所述的基于K-Shell的FPGA辐照敏感信号自动识别方法,其特征在于,步骤2及步骤3中基于K-Shell网络模型,构建顶层模块网络和构建关键子模块网络的具体步骤如下:

10.一种基于K-Shell的FPGA辐照敏感信号自动识别系统,包括存储器与处理器,所述存储器中存储有计算机程序,其特征在于:所述计算机程序在处理器中被运行时,执行权利要求1-9任一所述的基于K-Shell的FPGA辐照敏感信号自动识别方法的步骤。

11.一种计算机存储介质,其内存储有计算机程序,其特征在于:所述计算机程序在处理器中被运行时,执行权利要求1-9任一所述的基于K-Shell的FPGA辐照敏感信号自动识别方法的步骤。

...

【技术特征摘要】

1.一种基于k-shell的fpga辐照敏感信号自动识别方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于k-shell的fpga辐照敏感信号自动识别方法,其特征在于:所述步骤1中构建的k-shell网络模型为传统k-shell网络模型;所述传统k-shell网络模型的参数包括节点和节点的连边;

3.根据权利要求1所述的基于k-shell的fpga辐照敏感信号自动识别方法,其特征在于:所述步骤1中构建的k-shell网络模型为六元组k-shell网络模型;所述六元组k-shell网络模型的参数包括v,e,ki,kt,c,s;其中,v是网络节点总数,e为网络中节点两步领域内的边数,ki及kt分别为网络中节点的入度及出度,c为节点综合度,s为强连通图;

4.根据权利要求3所述的基于k-shell的fpga辐照敏感信号自动识别方法,其特征在于,步骤2与步骤3.1基于下式,计算节点综合度c:

5.根据权利要求1-4任一所述的基于k-shell的fpga辐照敏感信号自动识别方法,其特征在于:步骤2中,所述顶层模块通过读取fpga工程代码文件中所有模块的调用关系确定。

6.根据权利要求...

【专利技术属性】
技术研发人员:闫允一武祥兵赖晓玲
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1