一款低损耗低噪声宽调谐的高阶级联N通道滤波器

近年来,N通道滤波器被广泛应用于射频通信和认知无线电等多个领域中。为了降低滤波器的损耗和噪声,拓展其可调谐范围,本文通过在传统的一阶N通道滤波器中引入串联电感,并将其级联的方法,得到了一款低损耗低噪声宽调谐的高阶N通道滤波器。采用伴随网络法获得了高阶级联N通道滤波器的传递函数。伴随网络法的采用大大简化了传递函数的数学推导过程。TSMC 0.18μm CMOS工艺下的Cadence仿真结果表明了传递函数的正确性。Cadence仿真结果还表明,当电源电压为1.2 V时,高阶级联N通道滤波器中心频率可调范围为0.4～3.0 GHz,插入损耗为1.6 dB,回波损耗为11.6 dB,噪声系数为0.2～0.8 dB,与近年来发表的滤波器相比,综合性能有了较大的提升,可应用于高性能的接收机中。     

多尺度并行融合的轻量级卷积神经网络设计

针对传统深度卷积神经网络分类精度不佳,参数量巨大,难以在内存受限的设备上进行部署的问题,本文提出了一种多尺度并行融合的轻量级卷积神经网络架构PL-Net。首先,将上层输出特征图分别送入两种不同尺度的深度可分离卷积层;然后对并行输出特征信息进行交叉融合,并加入残差学习,设计了一种并行轻量型模块PL-Module;同时,为了更好地提取特征信息,利用尺度降维卷积模块SR-Module来替换传统池化层;最后将上述两个模块相互堆叠构建轻量级网络。在CIFAR10、Caltech256和101_food数据集上进行训练与测试,结果表明:与同等规模的传统CNN、MobileNet-V2网络及SqueezeNet网络相比,PL-Net在减少网络参数的同时,提升了网络的分类精度,适合在内存受限的设备上进行部署。     

新型高增益CMOS跨导运算放大器

为了解决在低电压、深亚微米工艺条件下获得高增益运算放大器的问题,通过引入电流倍增和分流技术,提出了一种新型高增益可调的跨导运算放大器(OTA)。在1.8V工作电源下采用0.18μm COMS标准工艺对其进行Spectre模拟,结果表明,该OTA的直流开环增益在61dB至91dB可调,最大静态功耗为434μW,最小共模抑制比为114dB。所提出的跨导运放与传统OTA相比,具有高增益和增益可调的优点,可适用于通信、电子测量,以及自动控制等系统。     

基于MCGS和MATLAB的薄膜厚度控制系统仿真

以MCGS组态软件和MATLAB为平台,设计和仿真了一个薄膜厚度控制系统。MCGS完成硬件接口的设置、数据的实时采集、人机对话、以动画的方式显示控制系统的运行情况,MATLAB完成PID参数的自动整定,并利用动态数据交换(DDE)技术建立两者间的通讯。仿真结果表明,本控制系统超调量小、响应速度快、自适应能力强,而且操作方便、显示直观,具有较大的应用价值。     

一种新型电流镜运算跨导放大器的设计

针对传统低压微功耗电流镜运算跨导放大器存在低增益和小摆率的缺陷,设计了一款新型电流镜运算跨导放大器。在不影响电路的静态功耗和稳定性的基础上,该运算跨导放大器采用增益提高(gain-boosting, GB)结构,增大了电路的小信号增益;引入开关型摆率增强(switched slew-rate enhancement, SSRE)结构,提高了电路的大信号摆率。基于UMC 0.11μm标准CMOS工艺进行电路设计和仿真。仿真结果表明：在1.2 V电源电压和10 pF负载电容下,与传统电流镜运算跨导放大器相比,设计的新型电流镜运算跨导放大器的增益提高了47 dB,正摆率提高了11.2倍,负摆率提高了12.4倍。     

高维并联buck变换器的非线性动力学行为研究

首先对并联DC-DCbuck变换器建立了一个8维分段线性的状态方程,然后用各种数值方法研究了它的非线性动力学性质。研究结果表明,在一定参数和外部激励条件下,该系统出现各种分岔、超混沌运动及混沌同步、相位同步等复杂动力学行为。而且发现,负载电容和输入电压对这种高维系统的动力学性质的影响不同于对低维系统的动力学性质的影响。     

基于状态观测器的超混沌保密通信系统的设计方法

研究了一种基于状态观测器的超混沌保密通信系统的设计方法：首先将明文用超混系统的状态变量函数加密,然后再调制到超混沌载波上发送出去,驱动接收端超混沌系统与发送端超混沌系统同步,从而解调解密恢复明文,其设计策略是将接收端超混沌系统作为改善端超混沌系统的状态观测器,理论分析和数值模拟结果证明了本设计方法的有效性。     

用比例微分控制器实现混沌控制

采用比例微分控制器（PDC）实现自治和非自治动力学系统中的混沌控制，给出了三个典型混沌系统的控制结果。理论分析和系统仿真结果表明：这种控制方法可以实现混沌控制的两个目标，即稳定混沌系统中的不稳定周期轨道和产生新的稳定动力学行为。     

基于BP神经网络的竹片正反面识别算法

针对竹片自动检测领域中竹片正反面识别率低的问题,提出基于BP神经网络的竹片正反面识别算法,构建并训练一个三层的3输入1输出的BP神经网络模型;提取竹片的2个纹理特征和灰度值特征值,输入经过训练的神经网络模型,计算预测的识别结果。实验结果表明:基于BP神经网络的竹片正反面识别算法在最小风险的原则下的反面识别率为97%;正面的识别率为98%;稳定性明显高于单一特征识别的稳定性。     

两种提高星形网络同步能力的方法比较

提出和比较了两种提高星形网络同步能力的方法,即随机加边方法和异配加边方法.研究结果表明,两种加边方法都能使星形网络的同步能力随加边概率p的增大而增强,且当加边概率p较小时,异配加边方法能更好地提高星形网络的同步能力;而当加边概率P较大时,则是随机加边方法更能提高星形网络的同步能力.