TFT-LCD生产及发展概况

文章简要概述了薄膜晶体管液晶显示器(thin-film transistor liquid crystal display,TFT-LCD)的发展历程,并从生产成本、屏幕解析度、亮度、视角以及功耗等多个方面阐述了国内外TFT-LCD的发展概况。     

TFT-LCD的新应用

TFT-LCD行业的高速发展，正在建立一个TFT为中心的世界。随着新LCD应用的出现，例如，大屏幕高清电视、汽车后座娱乐系统、视频电话、多显示监器等等，TFT-LCD已经成为显示技术的首选。此外，Wi-Fi的发展促进了笔记本电脑市场的增长，以及互联网的应用和DVD的普及等等，这些都在驱使显示行业向宽大的屏幕发展。     

TFT-LCD驱动芯片内置电源电路IP核设计

为了进一步提高TFT-LCD驱动芯片内置电源电路设计的合理性,为薄膜晶体管液晶显示器提供更加优质的电路服务,文章通过对TFT-LCD电源电路模块的功能和结构进行分析,在结合其驱动电压要求的基础上,对其内置电源电路IP核展开了详细的设计和分析。研究结果表明,文章所设计的TFT-LCD驱动芯片内置电源电路的IP核,具有显示时间快和工作稳定等特点,能够较好地对内置电源电路进行驱动。     

手机用TFT-LCD Source Driver电路模块研究与设计

SourceDriver电路模块是彩色TFT-LCD驱动控制芯片的关键电路之一,其功能是将数字图像显示数据转换成模拟驱动电压,从而驱动TFT-LCD显示各种彩色图像。本文从TFT-LCD的驱动原理出发,提出了一种适合于手机用TFT-LCD的低功耗、小面积的SourceDriver电路体系结构,用0.25μmCMOS工艺设计并实现了显示26万(26×26×26)色,支持132RGB×176分辨率的手机用TFT-LCD驱动控制芯片中的SourceDriver电路,电路面积约15mm×0.6mm。Hspice仿真结果表明,SourceDriver电路的响应时间为1.49μs,静态功耗小于1mW。     

中小屏幕TFT-LCD驱动芯片的输出缓冲电路

在分析中小屏幕TFT-LCD驱动芯片的负荷特性的基础上,提出了一种新型的驱动电压输出缓冲电路结构.通过负反馈动态控制输出级的工作状态,具有交替提供拉电流和灌电流的驱动能力,可有效抑制输出电压的波动.与传统的两级运算放大器电路相比,该电路结构简单,稳定性能好,降低了静态功耗并节省了芯片面积.采用0.25μm CMOS工艺设计并实现了两种不同输出电压的缓冲电路.HSPICE仿真结果表明,输出电压缓冲电路的静态电流为3μA,Offset电压小于±2mV.同时,当TFT-LCD的驱动电压在-8～+16V之间切换时,输出电压的波动范围小于±0.4V,输出电压的恢复时间小于7μs.经对工程样片的测试知,其性能完全满足中小屏幕TFT-LCD驱动控制芯片的要求.     

TFT-LCD驱动芯片内置电源产生模块设计

从中小屏幕TFT-LCD的显示和驱动原理出发,设计了一种用于TFT-LCD驱动IC的内置电源产生模块。该模块为芯片中各个数字和模拟子系统提供基准电压、偏置电压、工作电压和TFT-LCD的驱动电压。针对芯片各模块的负载和对供电电压的不同要求,提出了一种以带隙基准电路为核心,由LDO电路、电荷泵电路等组成的电源模块的系统解决方案。通过0.25μmCMOS高压工艺的HSPICE仿真及工程样片流片验证,证明此设计能够满足TFT-LCD驱动芯片的性能指标要求。     

AV TFT-LCD显示驱动的影响行为分析

AV TFT-LCD的显示效果和驱动因素密切相关。本文在对AV TFT-LCD的驱动机理论述后,分析研究了VCOM、VGH和VGL、DCLK、HSYNC和VSYNC、DE等各驱动信号对AV图像显示效果的影响行为,并提出了得到最佳显示效果的解决方案,对TFT-LCD的良好应用具有重要的参考意义与实用价值。     

高精度小视野TFT-LCD图像异物缺陷自动分割

为了精确分割TFT-LCD异物缺陷,准确计算缺陷尺寸,满足TFT-LCD工业生产中对异物缺陷检测的需求,提出一种面向高精度小视野TFT-LCD图像的异物缺陷高精度自动分割方法。首先,根据屏幕像素的空间分布规律,考虑缺陷的尺寸变化,采用基于空间信息多尺度显著性的缺陷提取方法,自动获得图像中的缺陷区域。然后,结合缺陷与屏幕像素间隙的空间分布关系,找到被像素间隙截断的对应缺陷块组。最后,利用局部凸包拟合算法对缺陷区域进行连通,实现对异物缺陷的自动分割。实验结果证明,所提方法能较精确地分割异物缺陷,精确率和召回率分别为95.36%和93.34%,且尺寸计算正确率为96.5%,基本满足工业生产中TFT-LCD异物缺陷尺寸计算的稳定可靠、高精度、高准确性等要求。     

感受世界FPD市场

整体概况 回顾显示器件的发展历史,CRT、PDP、TFT-LCD、SED、OLED、电子纸等显示技术相继问世.然而,目前普遍使用的显示器仍只是CRT、PDp及TFT-LCD等三种.     

TFT-LCD驱动电路浅析

本文针对栅源矩阵液晶显示器件,介绍了TFT-LCD驱动技术的发展历史,并讨论了实现动态画面的数字TFT-LCD驱动电路的原理以及实现方法.通过对一种简单数字屏TFT-LCD驱动电路的介绍,深入了解TFT-LCD驱动电路的工作原理.     

基于MSP430的智能人体表面温度监控系统

介绍了人体表面的低温现象与低温治疗的控制平台。该控制平台以MSP430微处理器为控制核心,以上位机及TFT触摸液晶屏作为操作显示界面,以基于蚁群算法的变参数预测PID作为核心算法,该算法通过将神经网络作为预测模型,利用蚁群算法的全局寻优能力在线优化PID的控制参数,实时监控人体的温度。实验结果表明,系统经该算法处理后,单位阶跃响应的超调量和调控时间大幅减少,动态和稳定性得到了大幅改善,能准确而迅速地将人体表面温度值稳定在要求范围之内。     

可变区域的视频图像幅型比非线性缩放算法

详细讨论了算法的原理和工程实现方法.结果表明,该算法既可保证主景图像不失真及图像内容的完整性,又可充分利用电视屏幕的整个显示区,达到较完美的视觉效果.     

基于TLBO优化算法的电动汽车充电站选址

随着电动汽车使用规模的不断增加,建设电动汽车充电站已成为当务之急。文中将每个区域中心作为电动汽车充电负荷中心,以分区内电动汽车充电桩数量作为充电站选址的权重系数,建立了充电站位置和定容的优化模型。采用TLBO优化算法计算出电动汽车充电站的数量、建设地点、每个充电站的覆盖范围以及充电站的充电桩数量。仿真结果表明,TLBO优化算法在电动汽车充电站的选址和定容方面,计算准确、收敛速度快,并且具有良好的全局优化性能。     

基于进化计算的二元序列优化算法研究

具有良好非周期自相关特性二元序列在通信同步、雷达等领域具有广泛的应用。通过对遗传算法、粒子群算法与量子粒子群算法三种进化算法进行对比分析,设计了具有良好非周期自相关特性的二元序列的搜索算法。研究结果表明,粒子群算法的搜索能力优于遗传算法,而量子粒子群算法具有参数少,易于控制的优点,取得了较好的优化结果。     

一种改善LED显示屏亮度均匀性的算法

基于显示屏控制技术与校正原理,提出了一种改善LED显示屏亮度均匀性的算法.通过CCD相机采集显示屏RGB图像,用数学形态学和模板匹配法确定灯点的位置并根据发光区域的灰度值计算其相对亮度,生成每个灯点的校正参数,用脉冲宽度调制控制灯点的亮度.实验结果表明提出的算法能有效改善显示屏的亮度均匀性,提高显示屏的显示质量并延长其使用寿命.     

最大期望模拟退火的贝叶斯变分推理算法

针对贝叶斯变分推理收敛精度低和搜索过程中易陷入局部最优的问题，该文基于模拟退火理论(SA)和最大期望理论(EM)，考虑变分推理过程中初始先验对最终结果的影响和变分自由能的优化效率问题，构建了双重EM模型学习变分参数的初始先验，以降低初始先验的敏感性，同时构建逆温度参数改进变分自由能函数，使变分自由能在优化过程得到有效控制，并提出一种基于最大期望模拟退火的贝叶斯变分推理算法。该文使用收敛性准则理论分析算法的收敛性，利用所提算法对一个混合高斯分布实例进行实验仿真，实验结果表明该算法具有较优的收敛结果。     

基于灰度控制的任意端点直线反走样算法研究

针对使用灰度控制算法不能准确绘制端点不在像素中心点的直线的问题,结合Wu算法,提出了一种基于灰度控制的任意端点直线反走样算法。介绍了Wu算法思想和灰度控制反走样算法,对两种算法进行数学分析,提出灰度控制不能解决的问题及问题产生的后果。结合Wu算法提出了新的基于灰度控制的算法,新算法减少了距离计算和灰度转换的计算,同时解决了任意端点直线的反走样问题。对新算法的效率和反走样效果进行仿真计算。仿真结果表明,新算法比Wu算法效率更高,绘制直线所用时间平均减少33.91%;新算法比灰度控制算法绘制直线更准确,特别是在直线移动的过程中,有较好的动态显示效果。本文提出的新算法,效率较高,显示效果较好,具有很高的应用价值。     

A fast handover protocol for 6LoWPAN wireless mobile sensor networks

Node localization is one of the most critical issues for wireless sensor networks, as many applications depend on the precise location of the sensor nodes. To attain precise location of nodes, an improved distance vector hop (IDV-Hop) algorithm using teaching learning based optimization (TLBO) has been proposed in this paper. In the proposed algorithm, hop sizes of the anchor nodes are modified by adding correction factor. The concept of collinearity is introduced to reduce location errors caused by anchor nodes which are collinear. For better positioning coverage, up-gradation of target nodes to assistant anchor nodes has been used in such a way that those target nodes are upgraded to assistant anchor nodes which have been localized in the first round of localization. For further improvement in localization accuracy, location of target nodes has been formulated as optimization problem and an efficient parameter free optimization technique viz. TLBO has been used. Simulation results show that the proposed algorithm is overall 47, 30 and 22% more accurate than DV-Hop, DV-Hop based on genetic algorithm (GADV-Hop) and IDV-Hop using particle swarm optimization algorithms respectively and achieves high positioning coverage with fast convergence.     

梯度策略自适应差分进化算法

差分进化算法是一种有效求解全局优化问题的方法,为进一步提高求解精度,加快求解过程,文中提出一种梯度策略自适应差分进化算法。该算法是在差分进化算法中加入梯度下降法,使其不仅有较好的全局搜索能力,且具有传统优化方法的快速局部搜索能力,因此具有较高搜索精度和较快的搜索过程。通过对CEC2005测试集中的1～14号测试函数进行仿真实验,并与SaDE,NSDE以及CMAES等算法实验结果进行了对比,结果表明了该算法的有效性。     

Power Optimization Strategy Considering Electric Vehicle in Home Energy Management System

With the development of smart grid, residents have the opportunity to schedule their household appliances (HA) for the purpose of reducing electricity expenses and alleviating the pressure of the smart grid. In this paper, we introduce the structure of home energy management system (EMS) and then propose a power optimization strategy based on household load model and electric vehicle (EV) model for home power usage. In this strategy, the electric vehicles are charged when the price is low, and otherwise, are discharged. By adopting this combined system model under the time-of-use electricity price (TOUP), the proposed scheduling strategy would effectively minimize the electricity cost and reduce the pressure of the smart grid at the same time. Finally, simulation experiments are carried out to show the feasibility of the proposed strategy. The results show that crossover genetic particle swarm optimization algorithm has better convergence properties than traditional particle swarm algorithm and better adaptability than genetic algorithm.