使用半形式验证方法对高度可配置的数字设计进行高覆盖率配置覆盖的研究

Apr, 2024

本文介绍一种新型的双传感技术，其中视觉传感器用于引导 MIMO 雷达的数字波束成形，并提出一种校准算法将两种类型的传感器对齐，最后证明该方法能够在复杂环境中同时检测到坐立不同的一组人的生命体征。

Jun, 2023

本文针对现代芯片设计中的多个异步时钟域和时钟域交叉问题，提出了一种形式化验证方法，通过在不同的时钟域路径中注入不稳定性来减少时钟域交叉问题。

Apr, 2024

通过开发系统级领域特定 SoC 仿真框架，具有加速常用核心的处理元素并实现动态资源管理，促进异构 SoC 的利用，优化功率性能。该框架的优化潜能得以释放，可广泛应用于无线通讯和雷达处理等多个领域，并以开源软件的方式分享，激发相关领域的研究。

Mar, 2020

机器人系统是多维实体，包括硬件和软件，与现实世界的相互作用密切相关，因此需要结合各种形式化方法来开发、验证和提供认证证据，而机器人学是一个理想的催化剂来推动集成形式方法研究的发展，使其朝着新的、令人兴奋的方向发展，并揭示大规模、动态、复杂系统的发展。

May, 2018

本文提出了一种基于形式化方法的智能汽车自动场景测试的新方法，结合仿真和实际测试，并通过实验验证形式化仿真可以有效识别可在跑道上运行的测试用例，仿真和真实世界之间的差距可以得到系统评估和弥合。

Mar, 2020

验证吞吐量是一个主要挑战瓶颈，本文讨论了若干提高验证吞吐量的方法，包括排名和 Cadence 引入的基于机器学习的技术 Xcelium ML。通过更高效的刺激，这两种方法旨在在更少的 CPU 时间中获得可比的覆盖率。在三个实际工业项目的示例中，讨论了每种方法的定量结果以及优缺点。Xcelium ML 和排名方法在压缩率和加速比方面一致获得大约 3 的结果，而优化的基于机器学习的回归方法偶尔产生了超过 100% 的覆盖率回升。最后，提出了一种在产品开发中有效使用 Xcelium ML 的方法学。

May, 2024

本文研究使用无线电、视觉和音频传感器进行室内定位的方法。通过对最先进的算法和真实数据集的评估，我们更具体地评估了一种基于无线电的机器学习算法与大规模 MIMO 技术、基于视觉的 ORB-SLAM3 算法与 RGB-D 相机以及基于音频的 SFS2 算法与麦克风阵列进行室内定位。讨论了定位精度、可靠性、校准要求和潜在系统复杂性等方面，以分析不同传感器在室内定位任务中使用的优势和局限性。结果可作为鲁棒高精度多传感器定位系统进一步发展的指南和基础，例如通过传感器融合、上下文和环境感知适应。

Sep, 2023

应用神经网络在雷达图像中进行目标检测，在自动驾驶方面显示出巨大潜力。为了解决真实雷达图像数据集获取的困难，特别是在长距离检测和恶劣的天气和光照条件下，雷达性能表现优异的场景，我们提出了 RadSimReal - 一种创新的物理雷达模拟工具，能够生成各种雷达类型和环境条件下的合成雷达图像及其标注，无需收集真实数据。令人惊讶的是，我们的研究结果表明，在 RadSimReal 数据上训练目标检测模型，并随后在真实世界数据上进行评估，产生的性能水平与在相同数据集上训练和测试的模型相当，甚至在跨不同真实数据集进行测试时，性能更好。RadSimReal 相比其他物理雷达模拟工具具有优势，因为它不需要了解雷达设计细节，而雷达供应商通常不会公开这些细节，并且具有更快的运行时间。这个创新工具有潜力推进基于雷达的自动驾驶应用的计算机视觉算法的发展。

Apr, 2024

本文中，我们提出了一种混合智能测试方法，结合了 “覆盖向导测试选择” 和 “新颖性驱动验证” 两种方法，以实现高效有效的硬件测试。

May, 2022