带有低噪声单端转差分电路的射频增益可控放大器

为了改进传统电路中单端转差分电路的噪声性能,提高传统射频可变增益放大器的覆盖范围和步进精度,该文设计了一种带有低噪声单端转差分电路的射频增益可控放大器。该文利用噪声抵消技术降低了噪声系数,利用电容交叉耦合技术展宽电路带宽,利用输出源级跟随器的增益可调功能实现更高的步进精度。电路采用0.18 mm CMOS工艺,1.8 V供电电源,在170-870 MHz频率信号输入下,可以实现最低3.8 dB的噪声系数,55 dB的动态范围,步进精度0.8 dB,消耗14.76 mW的功耗,面积800 mm×600 mm。测试结果表明在覆盖更宽的频段范围下,该文设计的射频可变增益放大器在消耗相同功率条件下与传统的单端转差分电路相比可以达到更低的噪声系数,同时整个可变增益放大器可以提供更高的步进精度。     

一种应用于GNSS接收机常数环路带宽的小数频率合成器

提出了一种应用于手持式民用GNSS接收机常数环路带宽的小数频率合成器,并在0.13μm 1P6M 的CMOS工艺中实现。通过离散的工作区域,LC-VCO用简单的结构获得宽的调节范围和小的压控灵敏度。提出的杂散抑制技术来最小化由于鉴频鉴相器和电荷泵引入的相位偏移。当PLL输出频率改变或温度变化时,通过自动环路校正模块自适应调整电荷泵电流保持优化的环路带宽不变。测试结果显示,该频率合成器带内相位噪声小于-93dBc（10 kHz 频率偏移处）,杂散小于-70 dBc, 环路带宽变化小于?3%;在1V的电源供电下,整个合成器（不包括本振测试buffer）消耗4.5mA电流,面积为0.5mm2。     

非制冷红外焦平面阵列进展

非制冷红外成像技术已广泛应用于军事和民用领域,一直是人们关注的焦点之一,其核心部件是非制冷红外焦平面阵列(IRFPA:Infrared Focal Plane Array)。综述了几种具有代表性的非制冷IRFPA的探测原理、发展历史和现状。它们是:热敏电阻型、热释电型、热电堆型、二极管型、热-电容型非制冷IRFPA和应用光力学效应的非制冷IRFPA、基于法布里-珀罗微腔阵列的非制冷IRFPA。     

低噪声和高增益CMOS下变频混频器设计

设计并实现了一个用于GPS接收机射频前端的CMOS下变频混频器.基于对有源混频器的噪声机制的物理理解,电路中采用了噪声消除技术,以减少Gilbert型混频器中开关管的闪烁噪声,并引入一个额外的电感与开关对共源节点的寄生电容谐振,改善整个电路的噪声系数和转换增益等关键性能指标.电路采用TSMC 0.25 μm RF CMOS工艺实现,SSB噪声系数为7 dB,电压转换增益为10.4 dB,输入1 dB压缩点为-22 dBm,且输入阻抗匹配良好,输入反射系数为-17.8 dB.全差分电路在2.5 V供电电压下的功耗为10 mW,可满足GPS接收机射频前端对低噪声、高增益的要求.     

基于新特征参数的雷达辐射源信号分选

雷达辐射源分选是电子战系统的关键技术之一。文章首先分析了基于脉冲重复间隔(PRI)的雷达辐射源分选算法的缺点,提出一种基于常规参数和相像系数(CW)相结合的新特征参数分选方法。通过计算机仿真验证了该方法,仿真结果表明新方法具有良好的分选效果。     

基于MEMS技术的红外成像焦平面阵列

选用Au和LPCVD的低应力SiNx薄膜材料,采用MEMS技术研制了新型间隔镀金热隔离结构的薄膜镂空式非制冷红外成像焦平面阵列,并应用光学读出的方法成功地在室温(27.47℃)背景下获得了人体的热像.实验证明间隔镀金热隔离结构的引入有效抑制了热传导对变形梁温升的限制,从而大大降低了系统的噪声等效温度差(NETD),NETD达到约200mK.     

基于非功能特性的Parlay SCF 发现机制

为满足客户应用精确发现SCF（service capability feanlre）的需求，提出了一种基于SCF多个非功能特性来进行SCF发现的机制。该机制提出了SCF非功能特性的度量方法，将多目标决策方法用于基于多个非功能特性的SCF选择过程，并改进了Parlay的接口和流程以实现基于非功能特性的SCF发现机制。     

CDMA塔顶放大器工程设计和测试

文章结合塔顶放大器工程实际案例，通过链路平衡计算和测试验证，介绍了CDMA系统射频链路参数设计，可供移动通信工程技术人员参考。     

基于精简标准单元库的OPC复用技术

提出了一种对标准单元的光学邻近效应校正结果进行复用的方法,并通过将传统标准单元中的所有核心逻辑通过反相器和二选一多路选择器的组合来实现,得到了一套可制造性强的精简标准单元库,从而使OPC复用技术得以有效实施,并将在很大程度上提高芯片生产效率和降低掩模数据存储量.精简标准单元库中单元的电气仿真结果表明其在面积、速度、功耗方面与传统标准单元库相比性能损失很小.     

基于提取双选紧密特征的RGB-D显著性检测网络

针对现有算法对不同来源特征之间的交互选择关注度欠缺以及对跨模态特征提取不充分的问题,提出了一种基于提取双选紧密特征的RGB-D显著性检测网络。首先,为了筛选出能够同时增强RGB图像显著区域和深度图像显著区域的特征,引入双向选择模块(bi-directional selection module, BSM);为了解决跨模态特征提取不充分,导致算法计算冗余且精度低的问题,引入紧密提取模块(dense extraction module, DEM);最后,通过特征聚合模块(feature aggregation module, FAM)对密集特征进行级联融合,并将循环残差优化模块(recurrent residual refinement aggregation module, RAM)配合深度监督实现粗显著图的持续优化,最终得到精确的显著图。在4个广泛使用的数据集上进行的综合实验表明,本文提出的算法在4个关键指标方面优于7种现有方法。