用于高能物理实验电子读出芯片的低噪声锁相环芯片设计

基于TSMC 180 nm工艺设计并流片测试了一款用于高能物理实验的电子读出系统的低噪声、低功耗锁相环芯片。该芯片主要由鉴频鉴相器、电荷泵、环路滤波器、压控振荡器和分频器等子模块组成,在锁相环电荷泵模块中,使用共源共栅电流镜结构精准镜像电流以减小电流失配和用运放钳位电压进一步减小相位噪声。测试结果表明,该锁相环芯片在1.8 V电源电压、输入50 MHz参考时钟条件下,可稳定输出200 MHz的差分时钟信号,时钟均方根抖动为2.26 ps(0.45 mUI),相位噪声在1 MHz频偏处为-105.83 dBc/Hz。芯片整体功耗实测为23.4 mW,锁相环核心功耗为2.02 mW。     

波前校正的变论域模糊控制方法

自适应光学校正技术中常用的PID控制依赖于变形镜的响应模型,响应模型易受扰动影响因此标定过程较为复杂。针对此问题提出一种不依赖变形镜响应模型的变论域模糊控制方法,将哈特曼重构波前中提取的波面评价指标的残差参数与残差差分参数作为变论域模糊控制器的输入,对输出的比例积分微分参数进行自整定,实现自适应控制。利用Matlab进行变论域模糊控制方法与传统模糊控制方法进行对比的相关仿真。波前校正实验结果表明,变论域方法校正后波面数据优于传统模糊控制方法,波前残差的均方根值也更小。控制器系统性能实验中,传统模糊控制器的超调量偏大,而变论域模糊控制器的超调量几乎为零,调节时间也更短。变论域模糊控制方法在保证系统的鲁棒性,提升系统的快速性的同时,利用参数自整定的特性克服了扰动因素对变形镜响应模型造成的不利影响,提高了校正效率,对于波前校正更具有实用性。     

基于多模型融合的航空电子产品故障预测方法

针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题,提出了一种改进长短期记忆(Long Short-Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法,以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制,构建基于不同历史数据集的差异性LSTM模型组,以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题;采用Adaboosting算法计算模型权重,并基于实时数据动态调整,以滤除复杂机载环境应力引入的预测误差,解决多模型融合的性能差异问题。最后,采用NASA公开的锂电池退化数据集进行仿真验证,实验结果表明,相较于传统BP神经网络、经典LSTM和LSTM基模型,该方法具有更高的趋势拟合度和预测精度。     

具有界面依赖光致发光的双层WS2/Ga2O3异质结的能带工程(英文)

利用垂直WS₂/Ga₂O₃异质结构中异质界面诱导了反常的光致发光(PL)发射。垂直堆栈的WS₂/Ga₂O₃异质界面使其形成了II型能带结构,导致与Ga₂O₃层接触的底层WS₂的PL强度下降。而异质界面的强耦合作用也影响了双层WS₂中的同质层间相互作用,使得上层WS₂出现反常的PL增强。这种堆栈新型二维异质结构为定制目标能带结构并控制其光子和电子行为提供一种新的手段。     

一种综合射频系统SCA软件平台的设计与实现

针对机载综合射频开放式系统架构,为了在软件综合层面上实现波形应用软件与具体平台的解耦,设计并实现了一种基于软件通信架构(Software Communication Architecture, SCA)的软件平台及其环境工具,解决了机载平台软件的分布式通信、资源调度管理、系统建模等技术问题,从而实现功能、应用和波形的组件化与动态重构。测试验证与工程应用情况表明,软件平台能够满足机载领域信号、信息处理强实时、高可用的应用需求,可有效提升综合射频系统软件开发质量与集成联试效率。     

基于残差神经网络的无人机射频信号识别

针对民用小型无人机对低空领域安全造成威胁及无人机视觉上识别难的问题,提出了一种无人机射频信号识别的方法,使用深度学习技术学习无人机与控制器之间的射频信号特征来识别无人机。首先将射频信号数据集中的无人机信号进行预处理操作,接着使用残差神经网络进行模型训练,最后使用训练好的网络模型对无人机信号进行识别验证。实验结果表明,该方法识别无人机是否存在的准确率达到99.8%,识别无人机型号的准确率达到91.1%,识别无人机运行模式的准确率达到70.3%,且该方法具备较强的鲁棒性和环境抗干扰能力,性能明显优于基准方法。     

基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码（Fan-shaped Cloud Pillar Code,FCPC）,将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块（Convolutional Block Attention Module,CBAM）对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP) 还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。     

基于拓扑绝缘体异质结的宽带太赫兹探测器

二维材料中的新量子态对凝聚态物理和现代光电器件的发展具有重要意义。然而具有宽带、室温和快速响应能力的太赫兹光电探测技术,由于缺乏暗电流和光吸收之间的最佳平衡,仍然面临着巨大的挑战。在这项研究中,作者合成了新型拓扑绝缘体材料GeBi₄Te₇,并搭建了其与Bi₂Te₃的范德华异质结,以实现高灵敏度的太赫兹光电探测器。在平面金属-材料-金属结构中实现了在室温下将低光子能量太赫兹波段直接转化为光电流。结果表明,基于Bi₂Te₃-GeBi₄Te₇的太赫兹光电探测器能够实现0.02～0.54 THz的宽谱探测,且具有很高的光响应率(在0.112、0.27、0.5 THz下分别为592 V·W^-1、203 V·W^-1、40 V·W^-1),响应时间小于6μs。值得注意的是,它被用于高频太赫兹的成像应用演示。这些结果为Bi₂Te₃     

用于空间BIB探测器的0.3 W@4.2 K大冷量轻量化低温系统

大阵列BIB探测器由于其高量子效率和低暗电流而成为广泛的研究对象,特别是在空间应用方向。如2021年发射的詹姆斯韦伯太空望远镜,它已经进行了许多重要的天文观测。一个稳定、高效、轻量化的液氦温区低温系统对BIB探测器的运行至关重要。氦节流制冷机可取代传统的大容积液氦杜瓦,能满足空间液氦温区的制冷要求。为了同时提高4.2 K的制冷量并减轻重量,提出了一种0.3 W@4.2 K的大冷量轻量化的4.2 K低温制冷系统。并且在现有0.1 W@4.1 K制冷量的低温系统上进行实验,验证了该系统的设计方法。在不同的冷却温度区采用不同的冷却方法,以实现冷却的高效性和轻便性。开发了一个新的集成斯特林制冷机,在80 K时提供高效的一级预冷,制冷量为15 W,重量仅为4.5 kg;二级预冷采用主动活塞调相的15 K脉管制冷机,制冷量为0.9 W。此多级低温制冷系统通过耦合氦气JT循环,可以在4.2 K时提供0.3 W的制冷量,输入功低于1.8 kW。此系统将为正在快速发展的红外天文观测所需的空间BIB探测器提供保障。     

土壤中红外光谱库支持下的局部建模集优化

土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立,使用其进行快速土壤分析引起广泛关注,但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法,通过光谱相似度计算和建模子集构建,旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵;使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明,三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R² = 0.764,RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。