ADV7120在LCoS显示系统中的应用

ADV7120是一种高性能视频D／A转换器。本文介绍了ADV7120的主要性能特点及在高分辨率LCoS显示系统中的应用。     

彩色LCoS显示器设计分析(二)

本文从产品角度讨论LCoS显示芯片的功耗与面积分配等问题，提出一种新颖的低压驱动显示方法，并详细说明在Cadence平台上按照常规0.6(m的n-阱四层金属CMOS工艺研制彩色LCoS显示芯片的全过程，最后给出部分电路的仿真结果和版图。     

头盔式GPS导航系统地图编辑软件的设计

介绍了采用LCoS高分辨率显示器的头盔式GPS导航系统地图编辑软件NaviEditor的设计方法，采用线性回归算法完成多个样点拟合定标公式的计算，实现导航地图制作，对于采用高分辨率LCoS显示器的GPS导航设备，提高了导航地图的精确度。     

电泳显示器的研究及进展

介绍电泳显示的基本原理、两种常见的结构及与其它显示技术的比较。分析两种电泳显示的优缺点及其广泛的应用前景。     

LCoS微型显示器军事应用研究

介绍国外在微型显示器军事应用方面的状况，提出研发LCoS微型显示器配置我国士兵，着重论述了笔者在LCoS微型显示器方面的最新研究成果。     

硅上微型显示器

简要介绍了近年来出现的两种硅上微型显示器:硅上液晶显示(Liquid Crystal on Silicon)和硅上有机发光显示(OLED on Stlicon)的结构、特点,特别是OLEDos,是近两年才崭露头角的新型显示器。并对这两种显示器应用前景进行了探讨。     

新型背投电视中的LCoS技术

引言电子显示技术作为信息技术的一个重要部分，应用十分广泛。近年来，由于微电子技术、光电显示技术的迅速发展,新型显示器件不断出现，当前电子显示技术的发展主要体现出三大趋势： 大屏幕化和微型化； 高清晰度； 数字化另一方面，由于HDTV(HighDefinition TV)技术的发展，也对电视显示器提出了新的要求：大屏幕、高清晰度、多媒体输入是未来显示器所必须具备的。投影技术概述投影技术自从走上历史舞台，就以惊人的速度不断成长，各项技术指标得到大大改善，不断有新型投影技术推出。图1是一般的投影电视系统的结构示意图。从图1我…     

EL-5825及其在微型显示系统中的应用

介绍了可编程多通道TFT-LCD参考电压发生器专用电路EL-5825的工作原理、特点及应用。利用C8051F330单片机控制EL-5825设计了一种基于LCoS芯片的头盔显示系统电路，该设计方案具有电路结构简单、外围器件少、系统结构微型化等特点，有利于实现系统的轻便灵活，提高整机性能。介绍了硬件接口电路的设计方法，给出了单片机软件流程图。     

硅基液晶显示器研究进展

硅基液晶（Liquid Crystal on Silicon)显示器是一种反射式液晶显示器，其周边驱动器和有源像素矩阵使用CMOS技术制作在单晶硅上，并以该晶片为基底封装液晶盒，因而拥有小尺寸和高显示分辨率的双重特性。详细讨论了LCoS显示器的结构和用途，展示了LCoS显示芯片的实际设计结果及其设计方法。     

Low-resolution expression recognition based on central oblique average CS-LBP with adaptive threshold

In order to solve the problem of low recognition rate of traditional feature extraction operators under low-resolution images, a novel algorithm of expression recognition is proposed, named central oblique average center-symmetric local binary pattern (CS-LBP) with adaptive threshold (ATCS-LBP). Firstly, the features of face images can be extracted by the proposed operator after pretreatment. Secondly, the obtained feature image is divided into blocks. Thirdly, the histogram of each block is computed independently and all histograms can be connected serially to create a final feature vector. Finally, expression classification is achieved by using support vector machine (SVM) classifier. Experimental results on Japanese female facial expression (JAFFE) database show that the proposed algorithm can achieve a recognition rate of 81.9% when the resolution is as low as 16×16, which is much better than that of the traditional feature extraction operators.