硅 SIMOX 单模脊形光波导研制

本文描述硅光波导技术的重大突破：（１）用ＳＩＭＯＸ技术代替传统的硅外延型光波导，解决了衬底吸收光波．从而显著改善了光波导的传播损耗．（２）在理论及实验上均已解决用调整脊形的高宽比（高宽均能达１０微米左右），制取单模脊形光波导．这种光波导的下覆盖层是ＳｉＯ２，传播损耗小；断面积大，和单模光纤耦合良好．满足了光集成技术中对光波导的几项重要要求．     

一种用于复杂模式分类的电流型Hamming神经网络

本文结合手写体数字识别，讨论了一种用Ｈａｍｍｉｎｇ神经网络实现复杂模式分类的方法．文中提出了模式分解，分级模板匹配及模糊匹配技术及其电流型ＶＬＳＩ的实现，并着重论述了一种高精度，低复杂度，结构灵活的电流型ｋ－ＷＴＡ的实现．     

高效率同步整流式开关电源脉宽调制芯片的实现

本文分析了同步整流式开关电源与普通开关电源相比在转换效率方面的优势,提出了一种同步整流式脉宽调制（ＰＷＭ）芯片的结构,它集成了开关电源的控制、输出调整、输出监控和保护等功能,具有高效率、高精度、可编程、瞬态响应快和过冲小等特点。对芯片各单元电路和整个电源系统进行了ＨＳＰＩＣＥ模拟,并采用１．７μｍＢｉＣＭＯＳ工艺成功制作出该芯片。以它为核心建立了一个适用于ＰｅｎｉｔｕｍⅡ系列计算机主板的同步整流式     

一种用于手写体数字分类的可编程 Hamming神经网络特征提取器

根据Hamming神经网络的工作原理提出了一种可用于手写体数字识别的结构简单灵活的电流型可编程局部结构特征提取电路,该特征提取器的模板不仅是可编程的,可根据不同的需要来随时更改模板的内容以适应不同的情况,而且其特征合并的方式也是可配置的,可根据不同的需要把所需的特征合并成不同的特征类别,对于该可编程特征的电路模拟以及单层多晶、双层金属的1.2μm数字CMOS工艺所制作的实验芯片的测试表明,该电路能很好地完成特征提取的功能.     

一种面向VLSI实现的脱机手写体数字识别系统的设计

本文提出了一种基于细胞神经网络(CellularNeuralNetworkorCNN)和多层感知机(MultiLayerPerceptronorMLP)构成的组合神经网络进行手写体数字识别的系统及VLSI的实现.该系统首先由CNN从归一化为20×20的字符图像的水平与垂直方向以及两个对角线上逐行进行相邻单元检测(ConnectedComponentDetectororCCD),并把检测到的特征进行适当压缩,然后按一定的时序馈送到下一级的MLP来进行识别.MLP是一个80×20×10的具有局部互连的两层网络.它主要由神经处理单元(NeuralProcessingUnitorNPU)阵列、开关电流积分器以及电流比较器等构成.NPU的权重是可调整的,其值由反向传播学习算法事先学习好,再经过八值量化后每一个权重由四位来表示.该识别系统较为简单有效,并可直接映射成为标准数字CMOSVLSI工艺兼容的电流型电路     

一种用于手写体数字分类的可编程Hamming神经网络特征提取器

根据 Hamming神经网络的工作原理提出了一种可用于手写体数字识别的结构简单灵活的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属的 1 .2μm数字 CMOS工艺所制作的实验芯片的测试表明 ,该电路能很好地完成特征提取的功能 .     

一种可编程Hamming神经网络特征提取器

根据 Ham ming神经网络的工作原理提出了一种可用于手写体数字识别的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,它可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,它可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属 1.2 μm数字 CMOS工艺所制作的实验芯片的测试表明该电路能很好地完成特征提取的功能     

一种新型高精度电流型排序电路

本文提出了一种结构简单而精度较高的电流型排序电路．这种电路结构较为简单,其复杂度仅为Ｏ（Ｎ）,其控制电路与偏置电路也都比较简单,它具有一定的自适应性．该排序电路主要由ＷＴＡ网络、触发电路以及开关电流跟踪／保持电路组成．它的分辨精度取决于ＷＴＡ电路,再现精度则主要由ＰＭＯＳ电流镜和跟踪／保持电路决定．其分辨精度在１％之内,而其再现精度也比较高,动态范围在几微安到几百微安之间．该电路制作工艺完全与标准数字ＣＭＯＳ工艺兼容     

两种改进的电流型WTA电路

本文提出了一种结构简单灵活的多功能电流型ＷＴＡ网络，它不仅具有较高的精度和可配置的能力，而且它还实现绝对拒识以及两种相对拒识。第一种相对拒识为在配置成２－ＷＴＡ网络时，它以各路输入电流的加权和作为相对阈值，因此它具有一定的自适应能力；第二种则作为通常的１－ＷＴＡ使用，如果最大输入电流与交在输入电流相关菠于一给定值或最大输入电流的一个百分比后便产生拒识。不管是绝对拒识或是相对拒识。这些功能在模式识别     

一种可编程Hamming神经网络特征提取器

根据Hamming神经网络的工作原理提出了一种可用于手写体数字识别的电流型可编程局部结构特征提取电路．该特征提取器的模板不仅是可编程的，它可根据不同的需要来随时更改模板的内容以适应不同的情况，而且其特征合并的方式也是可配置的，它可根据不同的需要把所需的特征合并成不同的特征类别．对于该可编程特征的电路模拟以及用单层多晶、双层金属1.2μm数字CMOS工艺所制作的实验芯片的测试表明该电路能很好地完成特征提取的功能．