基于机器学习的高效率集成电路DFT技术研究

本文提出了一种基于机器学习的高效率集成电路可测性设计技术.该技术以自动收集的数据作为训练集,以决定系数为评价指标,为每类目标参数选择出最佳预测模型,并预测出基于不同配置参数的可测性设计结构所对应的目标参数,最后使用最优配置推断技术,以目标参数差值的加权和作为衡量指标,输出最优的可测性设计配置参数.实验数据表明,针对可测性设计技术中最重要的测试覆盖率参数,平均预测误差仅为0.0756%;根据目标参数差值的加权和的最小值情况,实现高效推断芯片可测性设计的最优配置参数.该技术的预测效果具有高可靠性,能够在保证高测试覆盖率的前提下,有效减少测试成本和面积开销等.

STAR-RIS辅助通信感知一体化系统联合波束成形设计

提出同时将透射和反射可重构智能表面(Simultaneously transmitting and reflecting reconfigurable intelligent surfaces,STAR-RIS)与通信感知一体化(Integrated sensing and communication,ISAC)系统结合,以实现全空间的通信与感知。同时在STAR-RIS上应用一种低成本的传感器实现了在STAR-RIS上进行目标感知,解决了雷达感知的严重路径损耗问题。基于此,本文研究了STAR-RIS辅助位于STAR-RIS两侧的多用户多输入单输出(Multi-usermulti-input single-output,MU-MISO)以及一个位于STAR-RIS透射侧的目标的ISAC系统,旨在联合优化STAR-RIS的被动波束成形矩阵和ISAC基站处的主动波束成形矩阵,以最大化用户的通信和速率,同时满足目标感知的最低信噪比要求。为了解决优化过程中的非凸问题,提出了一种基于分式规划的块坐标上升算法,将优化变量分为几个块变量交替优化。在迭代优化后续波束成形问题上,应用了连续凸逼近和半正定松弛算法。与传统的可重构智能表面相比,仿真结果验证了在ISAC系统中部署STAR-RIS的优点。同时将所提的基于分式规划的算法与基于加权最小均方误差的算法进行了对比并验证了所提算法在提高通信和速率上的优势和有效性。

K波段高增益宽带的异极化透/反射阵列天线

提出了一种具有新型多功能空间馈电平面的阵列天线,可以同时实现透/反射两个波束。该阵列通过快速响应编码对圆环反射单元和透射单元进行合理分布,以实现不同极化方向的透/反射波束。基于所提出的透射和反射单元,设计并制造了具有25×25个单元的透射-反射阵列天线,分别产生θ=0°向后的x极化方向的反射波束和θ=180°向前的y极化方向的透射波束。该天线的中心频率为22 GHz,测试结果表明,反射波束最大增益为22 dB,3 dB增益带宽达到28%;透射波束的最大增益为19.2 dB,3 dB增益带宽达到27%。

基于分段预留法的互连线二维电容提取技术

随着制造工艺的不断演进、电路规模的不断增大,集成电路逐渐进入后摩尔时代。如何准确快速地进行寄生电容参数提取,对于保证设计质量、减少成本和缩短设计周期变得越来越重要。文章提出了一种基于分段预留法的二维电容提取技术,该技术基于改进的有限差分法,采用非均匀网格划分和求解不对称系数矩阵方程,模拟互连结构横截面,可以高效计算出主导体的单位长度总电容以及主导体和相邻导体之间的单位长度耦和电容。为了验证提出方法的准确性和有效性,进行了一系列验证实验。实验结果表明,提出的互连线二维电容提取技术在寄生电容计算精度上平均提高了140倍,运行时间平均缩了10%。

UTBB SOI MOSFETs短沟道效应抑制技术

随着栅极长度、硅膜厚度以及埋氧层厚度的减小,MOS器件短沟道效应变得越来越严峻。本文首先给出了决定全耗尽绝缘体上硅短沟道效应的三种机制;然后从接地层、埋层工程、沟道工程、源漏工程、侧墙工程和栅工程等六种工程技术方面讨论了为抑制短沟道效应而引入的不同UTBB SOI MOSFETs结构,分析了这些结构能够有效抑制短沟道效应(如漏致势垒降低、亚阈值摆幅、关态泄露电流、开态电流等)的机理;而后基于这六种技术,对近年来在UTBB SOI MOSFETs短沟道效应抑制方面所做的工作进行了总结;最后对未来技术的发展进行了展望。

记录神经细胞信号的集成微电极阵列系统设计

设计实现了集成信号处理电路的互补金属氧化物半导体(CMOS)神经细胞信号记录微电极阵列系统。首先,建立了电极-神经细胞界面模型,通过解析推导及仿真揭示了采用电极记录神经细胞信号的一些结论,为设计良好的微电极阵列(MEA)提供了理论依据。其次,设计了新型的跨导运算放大器(OTA),在较低的电源电压和功率下,保持了合适的增益、电源抑制比(PSRR)、共模抑制比(CMRR)和较低的噪声。再次,利用有源低频抑制放大技术,提出了一种系统拓扑结构,弥补了传统电容耦合放大结构的缺点。所设计实现系统的各项性能有较好的平衡性,为记录神经信号提供了有效的手段。

多色柔性自支撑胆甾相液晶薄膜反射器件

一维手性软光子晶体胆甾相液晶(CLC)在防伪标签、纳米激光器和传感等领域具有广泛的应用。本文采用多步图案化紫外固化方法并结合清洗-重填工艺,实现了多色的柔性自支撑CLC薄膜反射器件。采用标签打印机打印PET图案作为掩膜版,对可聚合的CLC材料进行紫外固化,得到图案化的柔性自支撑CLC薄膜反射器件。在此基础上,将非固化区域的液晶材料洗去并重新填充不同手性剂含量的CLC,再次图案化紫外曝光,即可实现多色的柔性自支撑CLC薄膜反射器件。研究了不同入射角、弯曲曲率半径和温度对反射器件光学性能的影响。实验结果表明,采用上述方法制备的多色可自支撑反射器件具有良好的柔性,不同曲率半径下的布拉格反射中心波长基本不变。随着温度升高,布拉格反射中心波长红移,且具有良好的线性度。多色的可自支撑柔性薄膜反射器件可拓展CLC在显示、传感、激光防护和微纳光学等领域的进一步应用。

柔性压力传感器成型技术及制备工艺研究进展

应用日益广泛的可穿戴设备要求其中的传感器件可拉伸、可弯曲,因此柔性传感器已受到人们的重视。文章对柔性压力传感器的微结构、材料、制备工艺等方面进行了综述,重点总结了现阶段柔性传感器所采用的各种结构,比较了天然微结构、仿生表面微结构、多孔结构、多级结构、多层结构柔性压力传感器的重要性能。介绍了目前常用的柔性基底材料和导电活性材料,对比了光刻技术、3D打印等制造工艺的优缺点,对柔性压力传感器的未来研究方向进行了展望。文章对相关柔性器件的研究具有较高的理论价值和工程参考意义。

基于人工局域表面等离激元的液晶微波介电常数测量传感器

液晶材料在微波频段具有良好的调制特性,在微波可调谐器件领域具有巨大的应用潜力。本文针对液晶材料微波介电常数的测量需求,提出了一种基于人工局域表面等离激元谐振的传感器。通过设计环形谐振器结构,在sub-6 GHz频段形成局域表面等离激元窄带谐振峰。通过给液晶施加外加电场,能够实现对液晶介电常数的调控。通过谐振频点位置的拟合,能够得到对应的液晶的介电常数大小,从而实现液晶材料在微波频段的介电常数的测量。本文研究了不同液晶层厚度、不同液晶介电常数对人工局域表面等离激元谐振频点的影响。随着液晶层厚度增加或者液晶介电常数的减小,谐振频点f_(1)和f_(2)都逐渐增大。当液晶层厚度大于或等于0.5 mm时,谐振频点f_(1)和f_(2)随介电常数的变化具有良好的线性度,且具有高灵敏度(>400 MHz/Δε),远大于基于目前报道的其他形式介电常数传感器。同时,本传感器结构可以在液晶层上下施加电场,从而实现在不同外加电场作用下液晶材料微波介电常数的测量,在液晶微波特性研究领域具有应用潜力。

无相位测量的阵列天线故障诊断方法

传统的阵列天线故障诊断方法要求测量数据同时具有幅度和相位信息,而相位测量通常花费较多,甚至技术上不可行。为了解决该问题,文中提出了一种无相位测量的阵列天线故障诊断方法。首先构造相位误差矩阵,并将其引入阵列天线正向模型,得到含有未知相位信息的信号模型;然后基于该信号模型,交替迭代求解相位误差矩阵和阵元激励,最终达到对阵列天线故障诊断的目的。数值仿真实验表明,本文所提方法在准确性、有效性和鲁棒性上都优于传统阵列天线故障诊断方法,具有广阔的应用前景。

脑电信号多特征融合与卷积神经网络算法研究

针对脑电信号(electroencephalogram,EEG)运动想象中单一特征无法多维表征信号中的信息导致的分类准确率不高的问题,提出一种基于样本熵和共空间模式特征融合的特征提取算法。算法先对原始脑电信号进行小波包分解,从中选择包含μ和β节律的分量进行重构,然后分别提取重构信号的样本熵和CSP(common spatial pattern,CSP)特征,将两者融合组成新的特征向量,使用所设计的一维卷积神经网络对其进行识别获得分类结果。所提方法在2003年BCI Dataset III中获得了91.66%的分类准确率,在2008年BCI Dataset A中获得了85.29%的平均分类准确率。与近年来文献中提出的多特征融合算法相比,准确率提高了7.96个百分点。

基于全局图振幅排列熵的EEG心算分类研究

心算是生活中常使用到的技能,涉及到多种引起大脑活动变化认知加工环节,对于心算的脑电(Electroencephalogram,EEG)研究有助于提高对认知任务的研究水平。本文提出了一种全局图振幅排列熵(Amplitude permutation entropy for global graph,APEGG)应用于脑电心算研究,以弥补传统图排列熵(Permutation entropy for graph,PEG)无法全面反映脑网络节点周边邻居节点变化的缺陷,克服了脑电信号幅值不敏感的问题。首先采用相位锁定值构建了EEG脑网络,分析多导联脑电信号之间的同步性和相关性,然后计算了不同频段下脑网络的全局图振幅排列熵,最后运用支持向量机(Support vector machine,SVM)进行分类。使用脑电心算公开数据集进行仿真,分析了不同频段的心算状态与静息状态的熵值散点图,两种状态的熵值散点图表现出较大差异。心算状态与静息状态分类结果与其他算法比较表现出更好的效果。

STAR-RIS辅助ISAC系统波束赋形优化方法

本文提出了将通信感知一体化(Integrated Sensing and Communication,ISAC)系统与同时透射和反射可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces,STAR-RIS)相结合的系统模型,解决了传统可重构智能表面RIS不能实现全空间通信与感知的问题;同时考虑在STAR-RIS上安装低成本的专用传感器以实现ISAC系统在STAR-RIS上执行目标感知的一种新颖有源架构,解决了雷达感知的严重路径损耗问题.本文旨在联合优化ISAC基站处的波束赋形和STAR-RIS的无源波束赋形,以最大化通信用户的加权和速率(Weighted Sum Rate,WSR),同时保证感知性能的最低信噪比(signal-to-noise ratio,SNR).为了解决该复杂非凸优化问题,交替优化基站波束赋形及STAR-RIS无源波束赋形.针对所提的满足雷达感知SNR最低要求下最大化WSR问题,基站处波束赋形的优化子问题等价为加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题,STAR-RIS处无源波束赋形优化子问题等价为分式规划(Fractional Programming,FP)问题.进一步,分别将优化的非凸子问题转化为二次约束二次规划(Quadratic Constraint Quadratic Programming,QCQP),并使用半正定松弛(Semidefinite Relaxation,SDR)技术将它们分别转化为凸的半正定规划(Semidefinite Programming,SDP)子问题进行迭代求解.仿真结果验证了所采用新型STAR-RIS辅助ISAC方案的优点和所提算法在提高WSR性能上的有效性.

STAR-RIS辅助多载波通信感知一体化系统的资源优化

针对频谱资源短缺和传统的智能反射面无法实现全空间覆盖的问题,研究了同时透射和反射的可重构智能表面(simultaneously transmitting and reflecting reconfigurable intelligent surface, STAR-RIS)辅助通信感知一体化系统。通过分配功率和子载波资源并优化STAR-RIS系数矩阵,使得在保证感知功能的前提下,最大化通信和速率。设计了一种交替优化算法,将多变量之间相互耦合的非凸问题解耦转化为3个凸的子问题。首先,松弛子载波选择变量后使用惩罚函数和逐次凸逼近算法;然后,直接求解功率分配变量的凸子问题;最后,使用半正定规划并把秩一约束改写为核范数与谱范数之差,将其作为惩罚函数,使用逐次凸逼近以优化STAR-RIS系数矩阵。仿真结果表明,与传统RIS相比,所提方案的性能取得了显著提升。

基于多域信息融合的脑电情感识别研究

脑电信号识别方法较少将空间、时间和频率信息相融合,为了充分挖掘脑电信号包含的丰富信息,本文提出一种多域信息融合的脑电情感识别方法。该方法利用二维卷积神经网络和一维卷积神经网络相结合的并行卷积神经网络(PCNN)模型学习脑电信号的空间、时间和频率特征,来对人类情感状态进行分类。其中,2D-CNN用于挖掘相邻EEG通道间的空间和频率信息,1D-CNN用于挖掘EEG的时间和频率信息。最后,将两个并行卷积模块提取的信息融合进行情感识别。在数据集SEED上的情感三分类实验结果表明,融合空间、时间、频率特征的PCNN整体分类准确率达到了98.04%,与只提取空频信息的2D-CNN和提取时频信息的1D-CNN相比,准确率分别提高了1.97%和0.60%。并于最近的类似工作相比,本文提出的方法对于脑电情感分类具有一定的优越性。

基于滤波器组典型相关分析的SSVEP信号分类方法

基于稳态视觉诱发电位(SSVEP)的脑机接口系统存在鲁棒性不足和短时分类准确率较低的问题,本文提出了一种基于滤波器组典型相关分析的SSVEP信号分类方法(FBCCA-SVM)。通过结合性能较为优秀的滤波器组典型相关分析(FBCCA)和鲁棒性强的支持向量机(SVM)的优点,使用SVM分类器替代FBCCA中的MAX分类器对FBCCA提取到的特征分类,在较短时间的刺激下在多目标分类中达到了较高的准确率和信息传输速率(ITR)。通过对8名受试者的实验结果表明,2 s的刺激时间下平均准确率为93.91%,信息传输速率为78.63 bit/min,与典型相关分析方法相比,平均准确率和信息传输速率分别提高了14.32%和25 bit/min;与滤波器组典型相关分析方法相比,分别提高了6.36%和9.66 bit/min;相比于主流识别算法,该方法性能得到明显提高,同时增强了目标分类的鲁棒性,为后续脑机接口系统的实际应用提供了实验基础。

基于经验模态分解的精细复合多尺度排列熵癫痫脑电信号分类方法

癫痫是一种常见的脑部疾病,通过脑电图能准确地定位人脑中的致痫区域。文章提出一种基于经验模态分解的精细复合多尺度排列熵的癫痫脑电信号自动检测方法,用于解决区分致痫区和非致痫区的癫痫脑电信号难的问题。首先将原信号分割成多个子信号,并对各子信号进行经验模态分解,然后从分解后的不同经验模态函数中提取精细复合多尺度排列熵特征并利用支持向量机进行分类。通过对癫痫脑电的公共数据集测试,实验结果表明准确率、灵敏度和特异度三个性能指标分别达到90.3%,85.0%和96.0%,ROC曲线下面积达0.98。

IRS辅助下利用AN对抗窃听的双向通信安全传输方案

本文研究了IRS辅助的双向通信系统中利用人工噪声对抗窃听的安全传输方案。针对存在主动式窃听和用户间直接连接的一种通用系统模型,从双向通信的可达安全速率域出发,致力于提升该域中的最坏和保密率(SSR)。由于人工噪声对最坏SSR有影响,本文在合法用户处采用了人工噪声,通过对人工噪声的功率分配系数以及IRS相移的优化,实现最坏SSR的提高。采用交替优化方法求解相应的优化问题,其中优化功率分配系数的子问题以封闭形式给出最优解,而优化相移的子问题则通过半正定松弛和一种新颖的高斯随机化方法解决。仿真结果证实,该方案比传统方案具有更高的SSR,说明了在双向安全通信系统中采用AN的必要性。

改进CSP算法的联合特征优化法

传统的公共空间模式分解需要大量输入通道、缺乏频域信息,文章分别从改进CSP滤波器、构建关于CSP的联合特征、优化识别过程三个方面完善CSP算法的不足。首先,提出基于S变换的公共空间滤波器成分选择算法--CSPS。并将CSPS与EMD、EEMD、双谱分析结合,构建EMD-CSPS、EEMD-CSPS、双谱-CSPS三种联合特征并比较判别效果。最后,使用优化后的联合特征,一方面,对支持向量机惩罚因子和内核参数进行优化,确定惩罚因子最优取值范围和最具分类稳定性的内核函数;另一方面,分别采用支持向量机和线性判别分析进行特征识别与比较。文章设计了左右手想象运动思维任务实验,获取实验数据集,并结合BCI竞赛数据集,从分类正确率和响应时间两个指标出发,分析各优化方法有效性。结果表明:采用S变换优化后的双谱-CSPS特征在LDA分类器下,获得较高的分类正确率和较低的系统建模时间。

柔性应变天线传感器的研究进展与应用

传感器是智能穿戴设备的核心元件之一,其发展对可穿戴行业至关重要。天线传感器整合了天线和传感器两个元件的功能,简化了传感系统的结构。从应变天线传感器的工作原理出发,综述了柔性应变天线传感器的制作材料、制备方法及其在健康监测和运动监测等领域的应用前景,最后提出了柔性应变天线传感器面临的挑战与未来发展方向。