非对称式双层LC谐振结构的无线无源柔性压力传感器设计

通过归纳LC谐振器的基本工作原理,分析双层非对称式LC谐振结构的互感耦合模型,提出了一种新式非对称式双层LC谐振结构的无线无源柔性压力传感器的设计方案。通过建立集总电路模型,用SPICE软件进行电路仿真分析验证该设计模型的可行性,并用HFSS软件电磁仿真对比该结构与单层LC结构以及双层对称式LC结构区别。结果表明,该设计利用双层非对称式LC结构的特定耦合方式,降低了初始谐振频率,增大了品质因子,相对灵敏度提高了6.6％。     

一种采用4bit MDAC的12bit流水线模数转换器

采用GF 0.18μm标准CMOS工艺,设计并实现了一种12 bit 20 MS/s流水线模数转换器(ADC)。整体架构采用第一级4 bit与1.5 bit/级的相结合的方法。采用改进的增益数模单元(MDAC)结构和带驱动能力的栅自举开关来提高MDAC的线性度和精度。为了降低子ADC的功耗,采用开关电容式比较器。仿真结果表明,优化的带驱动的栅自举开关可减小采样保持电路(SHA)的负载压力,有效降低开关导通电阻,降低电路的非线性。测试结果表明:在20 MS/s的采样率下,输入信号为1.234 1 MHz时,该ADC的微分非线性(DNL)为+0.55LSB/-0.67LSB,积分非线性(INL)为+0.87LSB/-0.077LSB,信噪比(SNR)为73.21 dB,无杂散动态范围(SFDR)为69.72 dB,有效位数(ENOB)为11.01位。芯片面积为6.872 mm2,在3.3 V供电的情况下,功耗为115 mW。     

面向卷积神经网络的FPGA加速器架构设计

随着人工智能的快速发展,卷积神经网络(CNN)在很多领域发挥着越来越重要的作用。分析研究了现有卷积神经网络模型,设计了一种基于现场可编程门阵列(FPGA)的卷积神经网络加速器。在卷积运算中四个维度方向实现了并行化计算;提出了参数化架构设计,在三种参数条件下,单个时钟周期分别能够完成512、1024、2048次乘累加;设计了片内双缓存结构,减少片外存储访问的同时实现了有效的数据复用;使用流水线实现了完整的神经网络单层运算过程,提升了运算效率。与CPU、GPU以及相关FPGA加速方案进行了对比实验,实验结果表明,所提出的设计的计算速度达到了560.2 GOP/s,为i7-6850K CPU的8.9倍。同时,其计算的性能功耗比达到了NVDIA GTX 1080Ti GPU的3.0倍,与相关研究相比,所设计的加速器在主流CNN网络的计算上实现了较高的性能功耗比,同时不乏通用性。     

柔性螺旋电感的射频特性分析及建模表征

介绍了基于低成本塑料基体的柔性螺旋电感的制造工艺、射频特性分析及建模表征。柔性电感与传统的硅基体的螺旋电感性能相比性能更具有优势,电感值为6．2nH的柔性电感的 Q值最大值为14．2,自振频率达到了9．2 G Hz。并提出了表征柔性平面螺旋电感的等效电路模型,模型仿真数据与实验数据取得了一致性。最后通过模型参数的仿真分析提出了优化柔性电感性能的方案。该研究为柔性电感的设计与应用提供了指导依据。     

柔性单晶锗PIN二极管在关态下的建模研究

介绍了柔性单晶锗纳米薄膜（GeNM ）PIN 二极管的制备方法和反向偏置下对应不同弯曲状态下的射频特性。为了定量研究在反向偏置下机械弯曲对柔性PIN二极管射频特性的影响，分别搭建了不同弯曲半径下的等效电路模型。通过研究不同机械应力作用下模型中的各个参数的变化得到二极管内部电阻，寄生电感，p＋ p-结的电阻以及p-n＋结的电容为影响其射频特性的主要因素，机械弯曲使这些参数值单调变化，导致柔性单晶锗PIN二极管关态下的射频特性变好。这在应变测量领域显示出很大的发展应用潜力。