بهبود قابلیت اطمینان برد پردازشگر ماهواره های مکعبی با اصلاح ساختار حافظه
Publish place: Journal of Aeronautical Engineering، Vol: 22، Issue: 2
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 210
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JOAET-22-2_005
Index date: 27 August 2023
بهبود قابلیت اطمینان برد پردازشگر ماهواره های مکعبی با اصلاح ساختار حافظه abstract
ماهواره های مکعبی، ماهواره هایی کم حجم و کم وزن هستند که در هر پرتاب موشک، تعداد زیادی از این ماهواره ها به فضا پرتاب می شود و همین ویژگی باعث شده که تعداد این ماهواره ها در مدار زمین با سرعت زیاد افزایش یابد. طی سالیان گذشته مراکز تحقیقاتی بسیاری برای بهبود حافظه مدار برد پردازشگر راهکارهایی را ارایه دادهاند ولی تحقیقات صورت گرفته تاکنون بصورت جامع بر روی ماژول حافظه که در ضبط و ذخیره سازی داده های بارگذاری شده ماهواره برای انتقال به ایستگاه زمینی کاربرد دارد، متمرکز نشده است. باتوجه به هزینه ساخت بالای ماهواره، توجه ویژه به افزایش قابلیت اطمینان مدار حافظه در برابر تشعشعات فضایی و تحمل پذیری خطای این مدارها ضروری است. حافظه های مغناطیسی STT-MRAM که در این مقاله معرفی می شوند، امروزه به عنوان موفق ترین جایگزین برای حافظه ی دسترسی تصادفی ثابت، شناخته شده اند. در این مقاله به کمک افزونگی نرمافزاری به افزایش تحمل پذیری خطا در این نوع حافظه پرداخته و مدل خطا براساس مدل مارکوف و شبیه سازی مونت کارلو بدست آمده است. شبیه سازی ها با استفاده از نرم افزار شبیه ساز GEM۵ انجام شده و نتایج شبیه سازی در حافظه بهینه، بیانگر افزایش تحمل پذیری آن در همه بنچ مارک ها برمبنای تست استاندارد SPEC CPU ۲۰۰۶ می باشد.
بهبود قابلیت اطمینان برد پردازشگر ماهواره های مکعبی با اصلاح ساختار حافظه Keywords:
بهبود قابلیت اطمینان برد پردازشگر ماهواره های مکعبی با اصلاح ساختار حافظه authors
مژده مهدوی
گروه الکترونیک، دانشگاه آزاد اسلامی، واحد شهرقدس
محمدامین امیری
دانشگاه صنعتی مالک اشتر، مجتمع برق و کامپیوتر
حامد فربه
دانشکده کامپیوتر، دانشگاه صنعتی امیرکبیر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :