一种高精度稳压直流充电电路的设计

本系统主要采用可调的LM2596T芯片为核心元件进行直流稳压;当输入电压从175V变化到255V,与此同时负载由空载变化到满载的条件下,电压调整率低于0.2%;当输入电压稳定在220V,充电电流从0变化到2A时,最高负载调整率仅为0.4%;采用STM32F103FC8T6单片机控制LCD12864,实时显示充电电压和充电电流,采集电流时用采样电阻两端的电压比电阻实现,电压放大由低噪声运放OP07完成;当充电电压超出设定误差范围(可人为设定),充电电路自动断开并报警,断电后自动保存充电电压和充电电流数值,待恢复后显示该值。     

一种自适应峰值检测电路的设计

针对传统闭环峰值检测电路不能准确检测出每一个峰值的缺点,设计了一种自适应峰值检测电路. 利用输入信号的斜率作为控制信号,控制采样保持电路实现峰值检测. 该电路确保检测与峰值同步,对峰峰时间间隔不定的信号都能够准确检测出每一个峰值,并具有检测误差小、电压下降率低等优点. 设计采用CSMC 0.5 μm工艺,在5 V电源供电下,检测误差小于0.3 mV,电压下降率小于1.68 μV/μs,应用频率范围20 Hz~1 KHz,最小可分辨峰峰时间间隔为5 μs,整体电路功耗14.7 mW.     

麻醉深度检测脑电信号采集电路设计

近年,基于EEG信号麻醉深度检测技术得到重视,主要为麻醉深度检测系统中脑电信号采集预处理电路的设计,为后续处理提供基础。预处理电路主要包括前置放大电路、高通滤波电路、第二级放大电路、低通滤波电路、50Hz工频滤波电路、第三级放大电路,最后将脑电信号放大为1.5V左右,供后级芯片A/D转换处理。     

基于低频电压注入的自适应绝缘检测方法研究

本文提供了一种基于低频电压注入的自适应绝缘检测方法,该方法对直流电源系统外加RC回路注入低频电压信号,通过采样电容两端的实时电压值,计算出电动汽车的绝缘阻值,并利用两个电容的电压补偿功能,使得采样电压值不会突变,保证绝缘检测的精度和可靠性,该方法可避免绝缘电阻检测电路本身降低电动汽车绝缘电阻的问题。通过搭建实际电路进行测试,验证了该方法能够准确地检测出绝缘电阻值。     

一种用于大电流LED驱动的高侧电流检测电路

针对LED驱动中宽输入电压范围和高精度检测的要求,提出了一种高侧电流检测电路.采用互补金属氧化物半导体(CMOS)器件作为放大器,通过检测串联在电路中的采样电阻两端电压差的大小,用滞回控制方法控制电流回路的通断,能精确控制0.5~5 A的输出电流,在5~40 V电压下达到了3%的检测精度.该电路结构简单,通过0.6μm5~40VCMOS-双重扩散金属氧化物半导体(CDMOS)工艺流片验证,芯片测试结果表明电路工作良好,能满足要求.     

基于语音情绪识别方法的电路设计与仿真

利用语音特征元素自动识别人的情感状态已成为智能医疗的研究热点。基于单片机技术和语音声学特征原理,针对语速、幅值、基音频率等特性进行综合分析,设计了一种针对双相情感障碍的语音情绪识别电路。该电路包含信号采集、阈值比较和计数计算等6个核心模块,实现了语音信号的有效捕捉、分析和情绪状态的二分类判别。通过采用实际语音样本和信号模拟,利用Multisim软件对电路进行仿真分析,证明了该电路的实效性和正确性。该电路设计结构紧凑,有较好的针对性和验证性,具有一定教学价值。     

判断放大器工作状态的一种实用方法

本文通过分析放大电路在放大状态和信号失真状态下,隔直电容两端电压的变化情况,说明测量隔直电容两端电压可判断放大器的工作状态。     

脑电信号检测专用集成电路的设计

采用CSMC双层多晶、双层金属、N阱0.6μm互补金属氧化物半导体工艺,设计一种脑电信号检测专用集成电路(ASIC).系统包含基于斩波技术的差分差值放大器、跨导运算放大器(OTA)-C低通滤波电路、增益调整电路、两相非重叠时钟产生电路和带隙电压基准等电路.仿真结果表明,输入信号在-0.862~0.902V范围内,输入和输出都是线性关系,且共模抑制比可达114 dB,符合设计要求.     

一种带密勒补偿的带隙基准电压源

设计了一款宽温度范围并带有密勒补偿的带隙电压基准电路,基准输出可通过内接电阻调节.该电压源以带隙基准电路为基本电路,扩展预偏置电路和输出缓冲电路.此电路基于0.35μm CMOS工艺,利用Cadence仿真工具进行验证,结果表明该带隙基准的输入电压为2.3~4 V,可以输出受温度变化影响较小的高精度电压,低频时的电源抑制比为84 d B,基于以上性能优点,该基准电路可以应用于温度较宽的集成电路设计中.     

基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.