深亚微米nMOSFET器件的总剂量电离辐射效应

选取了采用0.25μm工艺的两组器件进行研究.通过对这两种器件关态泄漏电流、跨导和栅电流等电学参数进行分析,得出当器件发展到深亚微米阶段时,影响其辐射效应的主要原因是场氧化层中的陷阱电荷.并对相关机理进行了分析和仿真验证.     

一种改善CMOSOTA线性度的实现电路

为了满足低电压、低功耗跨导放大器-电容(OTA-C)连续时间型高频模拟集成滤波器结构中,跨导放大器(ITA)对线性度的要求,基于交叉耦合差分对MOS管结构中典型OTA电路的非线性特性进行研究,得到其非线性失真项.据此,提出一种基于前馈线性化原理改善OTA线性度的实现电路,给出线性化处理前后OTA传输特性的对比曲线.结果表明,通过改变结构,提高了OTA的线性度.     

场效应管设计

本文概述了场效应管的分类和设计。设计按常规程序考虑，特殊的ＭＯＳ管还要考虑相关许多其它因素，以及理论与实践结合后的取舍。     

自对准InGaP/GaAs HBT单片集成跨阻放大器

对自对准 In Ga P/ Ga As HBT单片集成跨阻放大器进行了研究 .采用发射极金属做腐蚀掩膜并利用 Ga As腐蚀各向异性的特点来完成 BE金属自对准工艺 ,最终制作出的器件平均阈值电压为 1.15 V,单指管子电流增益为5 0 ,发射极面积 4μm× 14μm的单管在 IB=2 0 0μA和 VCE=2 V偏压条件下截止频率达到了 4 0 GHz.设计并制作了直接反馈和 CE- CC- CC两种单片集成跨阻放大器电路 ,测量得到的跨阻增益在 3d B带宽频率时分别为 5 0 .6 d BΩ和 4 5 .1d BΩ ,3d B带宽分别为 2 .7GHz和 2 .5 GHz,电路最小噪声系数分别为 2 .8d B和 3.2 d B.     

增益提高型套筒式全差分跨导放大器的设计与分析

提出了一种应用于流水线型模数转换器(ADC)的增益提高型套筒式全差分跨导放大器(OTA)的设计与分析方法.通过ADC的性能要求推导出OTA的设计指标.该设计中OTA的架构由主运放、增益辅助运放及共模反馈电路3部分子电路组成.设计采用SMIC CMOS 0.18mm工艺平台.该设计方法的实验结果表明:1pF负载下,跨导放大器.的直流增益达到145dB,单位增益带宽超过750MHz,相位裕度达到58°.闭环增益为4时,放大器在20ns内稳定到0.05%的精度.     

一种MIMO-WLAN的跨层速率控制方案

针对下一代无线局域网高速率演进的要求,该文提出一种跨层的多输入多输出(MIMO)系统速率控制算法。首先分析了保证业务误码率的物理层吞吐率最大的速率控制算法存在的不足;然后结合自适应调制编码技术,实现了基于预测的MAC(Media Access Control)层吞吐率最大的跨层速率控制算法。仿真和分析表明算法可以取得近似优化的速率选择结果,能够保证业务的误码率性能,提高业务的吞吐率。该文的算法计算简单、预测准确、运行高效,不仅可以实现闭环速率控制,还可用于帧重传和多业务调度等应用的速率控制。     

网络电视系统的结构、接口、层次和组网分析

宽带网络电视系统又称为IPTV系统．是以IP网络作为传输媒介，以LiveTV、Time—Shifted TV和VOD为基本业务并以机顶盒＋电视为接收终端的电视系统。与传统的电视节目不同，IPTV系统通过宽带IP网络直接向顾客提供高质量的电视节目和视频内容。运营商可以在传统电视节目播出的基础上进行业务扩展，提供多种新型增值服务，比如时移电视，     

基于跨层设计的无线传感器网络节能双向梯度路由算法

针对现有无线传感器网络梯度路由算法在下行路由创建过程和能量更新机制中存在冗余控制开销的问题,该文提出一种采用跨层和功率控制机制,具有节能功能的双向梯度路由算法(Cross-layer Energy-efficient Bidirectional Routing,CEBR):无需使用专门的控制分组,采用源路由方式以较小开销建立从Sink节点通往传感器节点的下行路由;通过跨层信息共享,定期采集节点剩余能量信息并按需发布;设计使用含跳数和节点剩余能量的合成路由度量标准,减少节点能量和网络带宽消耗的同时均衡节点能耗;结合RSSI(Received Signal Strength Indication)测距实现节点发射功率控制从而在数据及查询分组发送过程中节约节点能量。理论分析表明了CEBR的有效性;仿真结果显示:与现有的典型相关算法相比,CEBR能够在建立双向梯度路由的前提下,至少降低34.5%的归一化控制开销和27.12%的数据分组平均能耗,并使网络生存期延长18.98%以上。     

基于深度学习的跨年龄人脸识别

年龄变化是影响人脸识别模型性能的主要原因之一,为解决年龄变化所带来的模型识别率低的问题,提出了一种基于深度学习的跨年龄卷积神经网络模型（CA-CNN）用于跨年龄人脸识别。首先,利用卷积神经网络提取人脸图像中的深度人脸特征;然后,提出一种高效的卷积注意力模块从深度人脸特征中获取年龄特征,并结合多层感知机和多任务监督学习,将深度人脸特征非线性分解为年龄特征和身份特征;最后,为了更好地区分身份特征和年龄特征,提出了一种批核典型相关性分析模块对分解后的身份特征和年龄特征进行相关性分析。经过对抗性学习训练后,相关性最小化,实现了跨年龄人脸识别。所提模型在MORPH Album 2数据集上的rank-1识别准确率达到了99.03%,在CALFM数据集上的人脸验证等错率为9.8%,表明了所提模型的有效性。     

基于增强多尺度特征网络的图像去模糊

现有的多尺度多阶段图像去模糊方法存在多尺度图像特征提取利用不充分和阶段加深导致特征信息丢失的问题。针对上述问题,提出了一种基于增强多尺度特征网络的图像去模糊方法。首先,提出一个多尺度残差特征提取模块,在两个分支中使用不同大小的卷积核扩大感受野,充分提取不同分辨率大小图像的特征信息。其次,提出跨阶段注意力模块,过滤和传递图像的关键特征。最后,设计类似于跳跃连接的跨阶段特征融合模块,弥补特征损失,同时融合来自不同大小输入图像的特征信息,丰富空间特征信息,以更好地处理纹理细节。在GoPro和HIDE数据集上的实验结果表明,所提方法能够很好地重建图像。