压电能量采集器高效能量提取接口电路设计

压电能量采集器能把环境振动能转换为电能,该文基于如何将压电能量采集器转化电能最大化提取的研究,提出了一种压电能量采集器高效能量提取接口电路,采用有源二极管整流电路降低了整流过程中的导通压降损耗,电感同步开关电荷提取电路有效提取了寄生电容中储存的电能。利用华虹宏力0.11 μm CMOS工艺进行电路设计和版图布局。测试结果表明,接口电路可提取80.4%寄生电容中存储的电能,20 kΩ电阻负载下导通压降为20.2 mV,在加速度5g(g=9.8 m/s2)和频率40 Hz条件下平均提取功率是标准接口电路的2.58倍。该芯片可应用于基于振动能供电的无线无源传感节点等领域。     

集成电路芯片图像的矢量化

集成电路的版图数据可从集成电路的芯片图像中获取。手工提取版图数据既费时又费力，采用图提取集成电路版图数据则可大大提高效率。介绍了一咱集成电路芯片图像矢量化它包括图边缘提取、曲线拟合、图形规则化等几部分。文章主要以集成电路芯片上的金属图形为例，来讨论其矢量化过程。     

VLSI版图验证系统中参提取方法的研究

本文研究了ＶＬＳＩ版图验证系统中电阻及电容提取的方法，总结了各种方法的优缺点，并给出了当前参数提取方面的研究向和发展趋势。     

CD4011B芯片版图研究

本文介绍了CD4011B芯片分层和拍照的方法,芯片的工艺,版图单元的结构分析。从芯片版图中提取电路图,采用电路模拟软件进行了仿真研究,证明电路逻辑关系正确性。表明典型芯片的版图研究对设计优秀集成电路具有较高的参考价值。     

集成电路版图的电路提取

集成电路版图提取为精确估计电路性能提供了可靠的手段。主要介绍了版图电路提取的各种方法及其优缺点。最后,着重介绍了一种新的层次式版图电路提取方法。     

VLSI版图验证系统中参数提取方法的研究

本文研究了VLSI版图验证系统中电阻及电容提取的方法，总结了各种方法的优缺点，并给出了当前参数提取方面的研究动向和发展趋势。     

基于边界元法的二维VLSI版图电容提取

提出了一种用边界元法计算ＶＬＳＩ版图电容的方法，通过求解二维拉普拉斯方程，直接得到版图中各种类型的电容的值。该方法提取数据准确简单，占用内存少，计算效率高，且有较高的精度。用该方法对几种典型的ＶＬＳＩ版图电容进行提取，均取得较好的结果。     

一种VHF 高温超导窄带滤波器的研究

研制了一款VHF频段的六阶高温超导带通滤波器。给出了窄带高温超导滤波器的理想电路模型和S参数曲线,提取了该滤波器结构的耦合矩阵、外部品质因数,用主动空间映射法优化了版图性能。研制的高温超导滤波器中心频率45.5 MHz、相对带宽小于2%,由于采用介电常数为23.75 的铝酸镧作为介质基板,大大缩减电路尺寸至0.053λg2。实测结果表明,该滤波器频率响应整体左偏0.15 MHz,带宽900 kHz,通带内插入损耗小于1.9 dB,带外抑制高达70 dB,与版图仿真结果基本吻合。     

在Transputer并行加速器上实现并行的版图参数提取

本文叙述了ＶＬＳＩ ＣＡＤ中版图参数提取并行算法在Ｔｒａｎｓｐｕｔｅｒ并行加速器上的实现。参数提取的并行算法是利用图形运算的区域并行性将版图划分为与处理器数目相等的若干区域，然后并行地在各处理器中完成对应区域的版图参数提取。用保持划分区域内图形向量数相等的方法，使各处理器负载均衡，经计算证实，各处理器负载均衡性较好，大大提高了运行速度。Ｔｒａｎｓｐｕｔｅｒ并行加速器具有优良的性能价格比，在其上实现     

SN7400芯片版图研究

本文逆向解析SN7400芯片。介绍了芯片分层拍照的方法,芯片的工艺,版图单元的结构分析。从芯片版图中提取电路图,采用电路模拟软件进行了仿真研究,证明电路逻辑关系正确性。说明了逆向解析研究对于集成电路设计的重要性。     

Information extraction from massive Web pages based on node property and text content

To address the problem of extracting valuable information from massive Web pages in big data environments,a novel information extraction method based on node property and text content for massive Web pages was put forward.Web pages were converted into a document object model (DOM) tree,and a pruning and fusion algorithm was introduced to simplify the DOM tree.For each node in the DOM tree,both density property and vision property was defined and Web pages were pretreated based on these property values.A MapReduce framework was employed to realize parallel information extraction from massive Web pages.Simulation and experimental results demonstrate that the proposed extraction method can not only achieve better performance but also have higher scalability compared with other methods.     

符号网络函数在晶体管交流参数提取中的应用

介绍了一种用于晶体管交流模型参数提取中特性估值的新方法。它采用晶体管等效电路的Ｚ参数符号网络函数来计算晶体管交流特性，消除了常规方法中通过求节点电压方程获得我氕 耗时过程，因此大大提高了提取效率。最后给出了一个提取实例。     

基于信道特征的协作密钥提取技术研究

利用无线信道物理特征的对称性来保证无线信道安全一直是学术研究的热点。Suhas等人在经硬件改造的802.11平台上实现了基于信道特征的密钥提取测试,但是密钥生成速率较低。针对这一点提出了改进,通过借鉴协作通信技术,在密钥提取过程中引入合作节点以提高密钥生成速率。这里将整个过程分为协作探测信道、量化与协商纠错和密钥融合3个步骤。这里给出的设计可以显著提高密钥生成的速率。     

光纤网络断点数据提取方法研究

对光纤网络断点数据进行自动提取,是提升光纤网络安全性的有效方法,传统的光纤网络断点数据提取方法提取到的数据辨识度较低,无法在根本上提高网络安全性,为此提出一种基于遗传算法的光纤网络断点数据提取方法研究。通过构建光纤网络节点断点数据分布模型、断点数据特征信息采集、断点数据固定处理、断点数据提取优化四个阶段,实现光纤网络断点数据提取方法研究。仿真结果表明,采用该方法进行光纤网络断点数据提取的辨识度较高,对光纤网络断点数据固定能力较强,提高了光纤网络断点数据的提取能力。     

基于弱监督学习的去噪受限玻尔兹曼机特征提取算法

针对现有特征提取方法难以实现从含有复杂背景的图像中提取有用目标特征的瓶颈问题,提出了基于弱监督学习的去噪受限玻尔兹曼机特征提取算法.首先,利用训练样本,通过无监督学习方式训练一个标准受限玻尔兹曼机模型,从而获得一个包含可视单元层和隐藏单元层的层次结构模型;然后,对可视层的每个单元引入二值转换单元,对隐藏层,根据各节点的激活值大小和激活频率将其分为两组:前景特征隐层单元和背景特征隐层单元,得到一个二元混合式去噪玻尔兹曼机的模型;最后,通过多模交互方式,利用有限数量的样本标签信息对输入样本逐像素地进行采样训练,以此来提取目标特征.实验表明,本文的特征提取算法能够有效地从复杂的干扰背景中提取目标特征,提高了目标识别精度.     

用边界元法提取VLSI版图电阻

介绍了ＶＬＳＩ版图验证中电阻提取的基本原理和主要方法，给出了一种新颖的基于边界元法的电阻提取算法。该算法采用变节点单元，较好地解决了实际问题中经常出现的角点问题。通过应用该算法对几个实例进行提取，证明使用本文的算法不仅在精度上而且在占用ＣＰＵ时间上都取得了令人满意的效果     

基于子波变换的局域特征提取方法

提出一种新的用子波变换提取局域特征（主要是轮廓提取和角点提取）的方法，并用实验对该方法的可行性和有效性进行了论证。     

超声波提取法在RoHS检测中的应用

采用超声波提取法对检测样品前处理,以气相色谱-质谱法定量分析,通过与索氏提取法、标准样品比较验证其可行性。t值检验结果无显著性差异,符合要求。超声波提取法简便快捷,准确有效,可用于RoHS检测有机类样品前处理。     

多源图像直线提取算法

针对多源图像的特征提取问题,提出了一种融合多源图像边缘信息的直线提取算法,通过在特征提取过程中融合多源图像的信息,把边缘的相位信息作为融合要素,采用多种融合规则组合多源图像中的不同特性,从而可以提取出仅利用单一图像不能获得的直线特征。     

Efficient object-based surveillance image search using spatial pooling of convolutional features

Modern surveillance networks are large collections of computational sensor nodes, where each node can be programmed to capture, prioritize, segment salient objects, and transmit them to central repositories for indexing. Visual data from such networks grow exponentially and present many challenges concerning their transmission, storage, and retrieval. Searching for particular surveillance objects is a common but challenging task. In this paper, we present an efficient features extraction framework which utilizes an optimal subset of kernels from the first layer of a convolutional neural network pre-trained on ImageNet dataset for object-based surveillance image search. The input image is convolved with the set of kernels to generate feature maps, which are aggregated into a single feature map using a novel spatial maximal activator pooling approach. A low-dimensional feature vector is computed to represent surveillance objects. The proposed system provides improvements in both performance and efficiency over other similar approaches for surveillance datasets.