非线性自动压扩的开关电流电路行为级建模方法

提出了一种新的基于非线性压扩函数自动构造的开关电流电路行为级建模方法,从而简化电路的建模和仿真.与原有的建模方法相比,该方法不仅可以对模型的误差分布进行有效地调控,而且能够降低模型的误差.为了验证本文所提出的行为级建模方法,对几种开关电流电路进行了建模和模拟试验.     

用于模拟电路行为级建模的自动压扩子波方法

提出了一种新的自动压扩方法,适用于基于子波配置方法的模拟电路行为级建模.该压扩方法采用的压扩函数根据模块输入-输出函数的奇异性自动生成,因而这一方法具有通用性,可应用于任意输入-输出函数的电路模块的建模.与已有的建模方法相比,该方法能有效地降低模拟误差并减少使用基函数的个数.     

用于模拟电路行为级建模的自动压扩子波方法

提出了一种新的自动压扩方法,适用于基于子波配置方法的模拟电路行为级建模.该压扩方法采用的压扩函数根据模块输入-输出函数的奇异性自动生成,因而这一方法具有通用性,可应用于任意输入-输出函数的电路模块的建模.与已有的建模方法相比,该方法能有效地降低模拟误差并减少使用基函数的个数.     

高斯小波变换的开关电流电路实现

提出了采用开关电流电路技术实现连续高斯小波变换的方法.建立了逼近高斯母小波的优化参数模型,用非线性最小二乘法求解模型参数最优解.设计了以开关电流积分器为积木块的小波变换电路,该电路由冲激响应为母小波逼近函数及其伸缩函数的滤波器组构成.此方法对于小波变换的模拟VLSI实现具有一定的理论价值与实际意义,仿真结果表明该方法的可行性.     

基于IIR数字网络的开关电流电路小波变换方法

提出了一种基于无限冲激响应(IIR)数字网络结构的开关电流电路小波变换方法。结合时域直接法和非线性最小二乘法,构造高精度小波滤波器逼近函数。通过采样离散化和标准Z变换,将小波逼近函数转换成离散域传递函数。基于IIR数字网络,设计开关电流1阶节和2阶节电路模块,以此综合小波滤波器电路。以5阶高斯小波变换电路为例进行说明,理论分析和仿真结果验证了方法的有效性。     

基于Hammerstein模型的模拟电路结构级行为模型建模方法研究

 本文提出了一种适用于较大规模模拟电路行为级的建模方法.首先,将任何一个模拟电路等效为由电源(Source)、放大器(Amplifier,也可以看作为一个有增益的滤波器)、开关(Switch)、阻抗(Impedance)、等基本单元组成的网络.本文把这种网络称为模拟电路的SASI结构.其次,根据此种划分下的网络结构和Hammerstein模型结构的等价性,基于Hammerstein模型对模拟电路的宏模块进行建模.最后,采用硬件描述语言(Verilog-A,VHDL-AMS等)来描述这种SASI结构,从而完成整个模拟电路的行为级建模.采用该方法建立的模拟电路行为模型是一个参数化非线性动态模型,有利于模拟电路系统级整体设计.以采用"Top-Down"法设计红外遥控接收器、建立其行为模型为例,结果表明了该建模方法的有效性.     

基于FWCM的非线性动态电路时域稳态模拟

本文提出一种基于快速小波配置法（ＦＷＣＭ）的非线笥动态电路时域稳态模拟方法。该方法可以对电路瞬态响应过程用大步长（低阶小波）模拟,而对稳态响应过程用小步长（高阶小波）模拟,从而避免了为得到电路稳态响应而在瞬态响应时期花费的大量的模拟时间。并且,该方法具有较低的计算复杂度。一些模拟结果证明,本文的方法是一种十分有效的方法。     

一种接收机非线性行为建模方法

提出一种基于多项式的接收机行为建模方法。采用Hammerstein模型构建接收机行为模型,分别用非线性模块与记忆线性模块表征接收机非线性特性和记忆效应;利用傅里叶级数和最小二乘法分别辨识行为模型的非线性模块参数与线性模块参数;最后通过接收机ADS模型仿真数据,验证所提出的接收机非线性行为建模方法。对比分析了ADS仿真和行为模型的AM-AM特性及单音时域波形,实验结果表明,接收机行为模型的AM-AM特征曲线及时域波形与ADS仿真数据吻合程度较好。本文方法可预测接收机的非线性响应,对在复杂电磁环境下的接收机非线性效应评估具有理论价值。     

连续小波变换开关电流电路的实现

提出了一种用开关电流电路实现连续小波变换的方法,将连续小波变换转化为用带通滤波器组对信号进行处理,并用开关电流电路实现该带通滤波器组.文章采用基于第二代开关电流技术的带通滤波器组实现了8通道的Marr小波.仿真结果表明该滤波器组具有恒Q值,且每个带通滤波器的中心频率与理论值大致相符,从而证实了该方法的可行性.     

抑制LOFDM系统PAPR非线性压扩变换算法

针对网格正交频分复用(LOFDM,lattice OFDM)系统具有较传统OFDM系统更高峰均功率比(PAPR,peak-to-average power ratio)的问题,在将传统非线性压扩变换应用于LOFDM系统的同时研究并分析了一种新的基于原信号统计分布特性的连续可导非线性压扩算法。该算法从原信号的渐进高斯分布特性出发并对原信号的幅度分布函数进行截断逼近,在保持平均功率不变的条件下,将压扩后的信号限制在与原信号分布特性一致的特定范围内,使压扩后的信号在保持其原有分布特性的同时,能更大程度改善系统PAPR和误比特(BER,biterror ratio)性能。理论分析和仿真实验表明,所提出的算法性能要显著优于传统非线性压扩算法。     

基于小波平衡的非线性电路稳态模拟

本文提出一种基于小波理论的非线性电路稳态模拟算法――小波平衡法.该方法在时域中求解电路稳态响应,克服了频域模拟算法由于谐波次数较高导致计算量很大的缺点,具有复杂度低,精度高,存在一个自适应算法自动选择模拟阶数等优点.模拟结果证明,本文的小波平衡法是一种十分有效的方法.     

Behavioral Modeling and Simulation of Optical Integrated Devices

In order to develop and manufacture optical integrated circuits, a common environment for integrated photonic and optronic design is required. In this paper, we show that it is possible to use VHDL-AMS to model optical integrated devices, and that sufficient accuracy can be achieved while retaining simulation times compatible with system-level design. Models of parallel waveguides and Y-couplers are given and microring resonators are studied. Finite-elements methods have been used in order to validate the established models.     

基于射频功放的非线性动态模型性能比较

射频功放的线性化是无线通信领域中的关键技术；而非线性动态模型在功放的线性化研究中起着至关重要的作用。通过对广泛应用的非线性动态模型进行总结和性能上的比较，从而得出不同模型的适用范围和优缺点，特别是对带记忆效应的非线性动态模型进行了详细的探讨。     

Design and Analysis of Built-In Testers for CMOS Switched-Current Circuits

This paper presents the design and analysis of a built-in tester circuit for MOS switched-current circuits used in low-voltage/low-power mixed-signal circuits/systems. The use of the tester can reduce the test length significantly. The developed tester is comprised of a current comparator, a voltage window comparator, and a digital latch. The current comparator is required to have high-accuracy, low-power consumption, simple structure with small chip area, and moderate speed. Results show that the developed current comparator circuit is developed with a small offset current, 0.1 nA, low power consumption, 20 W, and a layout area of 0.01 mm², where the circuit is simulated with the MOSIS SCN 2 m CMOS process parameters and 2 V supply voltage.     

Fault Diagnosis of Nonlinear Analog Circuits Using Neural Networks with Wavelet and Fourier Transforms as Preprocessors

A neural-network based analog fault diagnostic system is developed for nonlinear circuits. This system uses wavelet and Fourier transforms, normalization and principal component analysis as preprocessors to extract an optimal number of features from the circuit node voltages. These features are then used to train a neural network to diagnose soft and hard faulty components in nonlinear circuits. Our neural network architecture has as many outputs as there are fault classes where these outputs estimate the probabilities that input features belong to different fault classes. Application of this system to two sample circuits using SPICE simulations shows its capability to correctly classify soft and hard faulty components in 95% of the test data. The accuracy of our proposed system on test data to diagnose a circuit as faulty or fault-free, without identifying the fault classes, is 99%. Because of poor diagnostic accuracy of backpropagation neural networks reported in the literature (Yu et al., Electron. Lett., Vol. 30, 1994), it has been suggested that such an architecture is not suitable for analog fault diagnosis (Yang et al., IEEE Trans. on CAD, Vol. 19, 2000). The results of the work presented here clearly do not support this claim and indicate this architecture can provide a robust fault diagnostic system.