色噜噜亚洲男人的天堂,亚洲av午夜精品久久久,中文字幕第22页

基于GaN HEMT的S波段的功率放大器設(shè)計[模擬設(shè)計][其他]

采用內(nèi)匹配技術(shù),，使用單胞的電路結(jié)構(gòu)，設(shè)計并實現(xiàn)了一款3.8～4.2 GHz的功率放大器,。該放大器基于南京電子器件研究所自主研制的GaN HEMT管芯芯片,。通過優(yōu)化設(shè)計該放大器在10%的相對帶寬、漏源電壓28 V,、連續(xù)波的工作條件下,實現(xiàn)了輸出峰值功率Pout大于30 W,功率附加效率PAE大于48%,充分顯示了GaN功率器件寬帶,、高效和高功率的工作性能,具有廣闊的工程應(yīng)用前景。

發(fā)表于：1/16/2019 1:57:00 PM

基于動態(tài)頻率的芯片面積功耗優(yōu)化設(shè)計[模擬設(shè)計][其他]

發(fā)表于：1/16/2019 1:28:00 PM

一種帶隙基準(zhǔn)源分段線性補償?shù)母倪M方法[模擬設(shè)計][其他]

為了減小帶隙基準(zhǔn)源的溫度系數(shù)和提高溫度補償?shù)撵`活性，設(shè)計了一種改進型分段線性補償方法,。利用雙極型晶體管的溫度非線性在整個溫度區(qū)域內(nèi)產(chǎn)生7段不同斜率的補償電流,，通過電流模形式對基準(zhǔn)電壓的高階溫度分量進行疊加，進而對帶隙基準(zhǔn)電壓實現(xiàn)精確溫度補償,?；?.25 μm BCD工藝設(shè)計了一款低溫漂高精度的帶隙基準(zhǔn)源。HSPICE仿真結(jié)果表明,，在5 V電源電壓下,，在-40 ℃～125 ℃溫度范圍內(nèi)，基準(zhǔn)電壓的溫度系數(shù)為0.37×10-6/℃,，低頻時電路的電源抑制比為-85 dB,。電源電壓在2 V～5 V范圍內(nèi)，基準(zhǔn)電壓的線性調(diào)整率為0.09 mV/V,。

發(fā)表于：1/15/2019 1:23:00 PM

適用于功率運算放大器的輸入級放大電路設(shè)計[模擬設(shè)計][其他]

基于70 V高壓雙極型工藝,，設(shè)計了一種適用于單片高壓功率運算放大器的輸入級電路。該電路采用p溝道結(jié)型場效應(yīng)晶體管(JFET)組成的差分對套筒式共源共柵(differential telescopic cascode)結(jié)構(gòu),，具有低偏置電流,、低失調(diào)電壓、低失調(diào)電流,、高共模抑制比的特點,。以共集-共射（CC-CE）的放大電路結(jié)構(gòu)作為該輸入級電路的負(fù)載，減小對輸入級影響的同時能夠提高電壓增益,。Spectre仿真結(jié)果表明,，輸入偏置電流僅為20 pA，失調(diào)電壓為0.11 mV,，失調(diào)電流為0.57 fA,，連接負(fù)載后的增益可以達到89 dB，單位增益帶寬達到8.13 MHz,。

發(fā)表于：1/15/2019 1:06:00 PM

基于UML & SystemC的GPU幾何管線光柵化硬件建模[嵌入式技術(shù)][其他]

架構(gòu)與算法是決定GPU性能的重要因素，需要盡可能早地對其進行評估和驗證,。提出基于統(tǒng)一建模語言（Unified Modeling Language,，UML）的模型，詳述了針對GPU幾何管線架構(gòu)和線圖元光柵化算法建模的過程及方法,，并采用SystemC語言實現(xiàn)了事務(wù)級建模（Transaction-level Modeling,，TLM）模型和仿真,。驗證了架構(gòu)和算法的正確性以及模型的有效性和可行性，為RTL設(shè)計提供了參考依據(jù),。

發(fā)表于：1/14/2019 11:51:00 AM

基于復(fù)合左右手傳輸線的雙頻不等分功分器[模擬設(shè)計][汽車電子]

采用復(fù)合左右手(CRLH)傳輸線(TL)替代傳統(tǒng)的四分之一波長阻抗變換器,，設(shè)計了一種小型化且能同時工作在兩個頻率的不等分功率分配器（功分器），有效解決了傳統(tǒng)功分器只能工作在指定的頻率及其奇次諧波處的問題,。通過理論分析,，結(jié)合CAD軟件進行仿真優(yōu)化，設(shè)計了能同時工作于1 GHz和2.2 GHz,，功率比為2的雙頻不等分功分器,。理論和仿真結(jié)果顯示，輸入端匹配良好,，并且兩個輸出端實現(xiàn)隔離,。仿真結(jié)果和理論結(jié)果趨勢吻合，驗證了該方法的可行性,。

發(fā)表于：1/14/2019 11:28:00 AM

基于深度神經(jīng)網(wǎng)絡(luò)的個性化推薦系統(tǒng)研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

深度神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)類似于生物神經(jīng)網(wǎng)絡(luò),，因此擁有高效、精準(zhǔn)抽取信息深層隱含特征的能力和能夠?qū)W習(xí)多層的抽象特征表示,，且能夠?qū)缬?、多源、異質(zhì)的內(nèi)容信息進行學(xué)習(xí)等優(yōu)勢,。提出了一種基于多用戶-項目結(jié)合深度神經(jīng)網(wǎng)絡(luò)抽取特征,、自學(xué)習(xí)等優(yōu)勢實現(xiàn)信息個性化推薦的模型，該模型通過對輸入多源異構(gòu)數(shù)據(jù)特征進行深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),、抽取,，再融合協(xié)同過濾中的廣泛個性化產(chǎn)生候選集，然后通過二次模型學(xué)習(xí)產(chǎn)生排序集,，實現(xiàn)精準(zhǔn),、實時、個性化推薦,。通過真實數(shù)據(jù)集對模型評估實驗,，實驗結(jié)果表明，該模型能夠很好地學(xué)習(xí),、抽取用戶隱特征,，并且能夠一定程度上解決傳統(tǒng)推薦系統(tǒng)稀疏性、新物品等問題,，同時實現(xiàn)了更加精準(zhǔn),、實時、個性化的推薦。

發(fā)表于：1/11/2019 11:08:00 AM

基于改進ORB算法的移動機器人視覺SLAM方法研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

以移動機器人視覺導(dǎo)航為應(yīng)用背景,，針對傳統(tǒng)ORB算法在視覺SLAM中存在特征點分布不均勻,、重疊特征點較多的問題，提出一種改進ORB算法,。首先,，對每層圖像的尺度空間金字塔進行網(wǎng)格劃分，增加空間尺度信息,；其次,，在特征點檢測時，采用改進FAST角點自適應(yīng)閾值提取,，設(shè)置感興趣區(qū)域,；然后，采用非極大值抑制的方法,，抑制低閾值特征點的輸出,；最后，使用基于區(qū)域圖像特征點分布的方差數(shù)值評價待檢測圖像中特征點的分布情況,。實驗結(jié)果表明,，改進ORB算法特征點的分布較為均勻，輸出特征點重疊數(shù)量較少,，執(zhí)行時間較短,。

發(fā)表于：1/11/2019 10:50:00 AM

UAV/UGV協(xié)同環(huán)境下的目標(biāo)識別與全局路徑規(guī)劃研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

針對單獨機器人難以執(zhí)行復(fù)雜環(huán)境中任務(wù)的問題，Unmanned Air/Ground Vehicle(UAV/UGV)協(xié)同系統(tǒng)近年來受到了廣泛關(guān)注,。為了提高執(zhí)行任務(wù)的工作效率,，提出一種基于視覺傳感器下UAV/UGV協(xié)同系統(tǒng)中UAV目標(biāo)識別下UGV全局路徑規(guī)劃的方法，無人機利用高空視野優(yōu)勢獲取目標(biāo)物與環(huán)境信息, SURF算法和圖像分割實現(xiàn)環(huán)境建模,。無人車根據(jù)無人機獲取的信息,，利用優(yōu)化的A*算法完成全局路徑規(guī)劃，并且在典型搜救場景中進行了仿真驗證,。實驗表明,，SURF算法能滿足目標(biāo)識別的精確度、實時性和魯棒性,；并且利用優(yōu)化的A*算法實現(xiàn)了UGV快速準(zhǔn)確的全局路徑規(guī)劃,。

發(fā)表于：1/10/2019 2:01:00 PM

智能語音SoC模擬前端研究進展[模擬設(shè)計][物聯(lián)網(wǎng)]

在人工智能語音交互應(yīng)用中，語音SoC中的模擬前端電路承擔(dān)著將麥克風(fēng)輸出模擬信號數(shù)字化的重任,，是語音模擬信號與數(shù)字處理單元的橋梁,。由于復(fù)雜語音環(huán)境應(yīng)用、器件失配等非理想因素的影響,，模擬前端的功能和動態(tài)性能受到極大限制,。對語音SoC中的模擬前端電路進行了分析，重點論述了目前模擬前端設(shè)計的結(jié)構(gòu)特點以及發(fā)展現(xiàn)狀，并對設(shè)計面臨的挑戰(zhàn)提出了研究思路,，展望了發(fā)展趨勢。

發(fā)表于：1/10/2019 1:47:00 PM