基于辅助充电支路的模块化多电平变换器结构高频纳秒脉冲发生器

高频纳秒脉冲串治疗肿瘤已逐渐成为一种新的医疗手段,但发生器输出高频脉冲串时的开关损耗问题还有待进一步研究。因此该文提出一种基于辅助充电支路的模块化多电平变换器(MMC)拓扑。在MMC模块的一个MOSFET处并联二极管和电阻,为电容提供充电回路,消除充电电流对开关的导通损耗,提高脉冲发生器的稳定性。首先,对该文提出的拓扑结构进行原理介绍;其次,计算硬件参数并利用Pspice对拓扑结构进行仿真验证;最后,研制一台五级模块化的输出装置并进行性能测试。连续输出模式下:前沿20ns,后沿30ns,幅值为4kV;脉冲串输出模式下:最高串内频率1MHz的脉宽100~500ns、幅值0~4kV可调的纳秒脉冲串。开关温升测试表明,在该文测试条件下,RD-MMC相比于MMC的尾切开关温升减少约30%;同时,利用细胞溶液作为负载,测试电压电流波形稳定。该文研制的脉冲发生器为进一步研究高频纳秒脉冲串在生物领域的应用奠定了基础。

基于有源网络和受控辅助电阻支路的有源电感

针对传统共漏-共栅-共源(CD-CG-CS)有源电感的不足,结合有源网络和受控辅助电阻支路,设计了一款具有大电感值,且可在不同频率下获得高Q峰值和在同一频率下对Q峰值进行大范围调谐的新型有源电感。基于TSMC 0.18μm CMOS工艺,利用安捷伦公司的射频电路设计工具ADS软件对其进行仿真验证。仿真结果表明:当调节有源网络偏置时,在2.48~2.87 GHz的工作频带内,取得了10.89~13.16 nH的大电感值,在2.48,2.74和2.87 GHz三个不同频率下,分别取得了9 997,4 015和2 717的高Q峰值。当调节受控辅助电阻支路偏置时,在工作频率为3.10 GHz下,取得了11.65~17.61 n H的大电感值,Q峰值可在616~3 823之间进行大范围调谐。用Cadence Virtuoso工具进行版图设计,新型有源电感的版图面积较小,仅为21.5μm×34.4μm。

采用支路辅助学习的人脸表情识别

人脸表情识别属于一种细粒度识别,模型需要同时聚焦于浅层与深层特征。针对独立结构的卷积神经网络对细粒度特征的提取、融合能力不足的问题,提出一种基于支路辅助学习的网络结构。在基础网络的输入层引入一条支路辅助网络,该网络将逐层使用金字塔卷积块提取全局特征;通过特征映射模块不断将支路提取到的决策信息传导至基础网络,辅助基础网络提取细节特征;在模型输出层采用特征拼接的方式将支路网络与主路网络融合。将所提出的网络在公开人脸表情数据集CK+、JAFFE、FER2013和MMEW上进行识别实验,结果表明:支路辅助学习模块能够有效提升基础网络的特征提取能力和泛化能力,提出的方法识别率达到了98.89%、94.80%、71.88%和86.67%,比仅采用基础网络(例如:ResNet50)进行识别提高了3.49、2.2、5.51和1.48个百分点。

原边带箝位辅助谐振支路的移相全桥变换器

移相全桥零电压变换器是中大功率直流变换的理想拓扑结构,但在其输出整流二极管反向恢复时,整流桥产生寄生振荡,二极管上存在很高的尖峰电压。本文从工作过程、损耗和效率等方面分析比较了超前型原边带箝位二极管的辅助谐振支路和滞后型原边带箝位二极管的辅助谐振支路。仿真和实验表明,超前型带箝位二极管辅助谐振支路能够更有效地抑制输出整流二极管两端的电压振荡,提高效率,降低损耗。

一种新型噪声消除宽带低噪声放大器

噪声消除技术是设计低噪声放大器(LNA)时常用的技术之一,而如何解决LNA噪声与功耗的矛盾始终是设计的难点。文章提出一种新型噪声消除结构,通过主辅支路之间添加反馈回路的方式,在不增加功耗的情况下,实现了消除主辅支路噪声的目的。基于180 nm CMOS工艺,设计了一款应用该噪声消除结构的宽带低噪声放大器。仿真结果显示,该LNA的带宽为0.40~2.36 GHz,S_(11)与S_(22)均小于-10 dB,S12小于-30 dB,最大S_(21)为14.5 dB,噪声系数为2.20~2.34 dB,功耗仅为9 mW。

一种抑制SiC MOSFET桥臂串扰的改进门极驱动设计

由于传统驱动下碳化硅(SiC)MOSFET受高开关速度特性及寄生参数影响,桥臂串扰现象更加严重,而现有抑制串扰驱动电路又往往会增加开关损耗、开关延时和控制复杂程度,因此本文结合驱动阻抗控制与负压关断的串扰抑制方法,提出一种改进门极驱动电路。首先,阐述串扰现象产生原理及其典型抑制方法。其次,在负压关断前提下,基于控制辅助三极管开断,降低串扰产生过程中驱动回路阻抗的思想,提出一种在栅源极增加三极管串联电容新型辅助支路的改进驱动方法,并分析其工作原理,研究改进驱动电路关键参数设计原则。最后,搭建双脉冲测试实验平台,在不同驱动电阻、输入电压、负载电流条件下对改进驱动电路设计的有效性进行验证。结果表明,传统驱动下SiC MOSFET桥臂串扰现象明显。相比典型抑制串扰驱动电路,提出的驱动方法在有效抑制串扰同时,减小了开关损耗与开关延时。

一种可工作于CCM模态的高效图腾柱无桥PFC变换器

提出一种具有零电压开通(zero-voltageswitching,ZVS)和零电流关断(zero-current switching,ZCS)的可工作于CCM腾柱式无桥功率因数校正(power factor correction,PFC)电路拓扑。该拓扑在传统图腾柱无桥PFC的基础上,通过增加辅助谐振支路来实现功率开关管(MOSFET)的ZVS导通,同时辅助谐振支路亦可有效地抑制其体二极管电流的di/dt,实现ZCS关断,极大地缓解了MOSFET体二极管反向恢复问题;工作在电流断续模态下的辅助谐振支路,其开关管均能实现零电流开通,变换器的所有开关管均工作在软开关状态。该拓扑克服传统硅基图腾柱无桥PFC的MOSFET体二极管反向恢复问题,以及只能工作在电流断续导电模式或临界导电模式的限制,拓宽其工作范围,与传统图腾柱式无桥PFC电路相比,有更高的效率和功率密度。基于对所提出变换器的工作原理和稳态特性的分析,设计一台实验样机,实验结果验证了该拓扑方案的可行性和有效性。

基于多任务学习的有限样本多视角三维形状识别算法

随着三维扫描技术的快速发展,三维形状分析得到了学术界的广泛关注;尤其是深度学习在计算机视觉上取得的显著成功,使得基于多视图的三维形状识别方法成为了目前三维模型识别的主流方式。已有研究表明,三维数据集的数量对于最终的分类精度是一个非常重要的影响条件。然而,由于专业三维扫描设备的限制,三维形状数据难以采集。实际上,现有的公共基准三维数据集的规模远远小于二维数据集,三维形状分析的发展因此受到阻碍。为了解决这一问题,文中主要研究在极小数据样本情况下,三维形状识别问题的优化解策略。受多任务学习的启发,搭建了多分支的网络结构,并引入基于度量学习的辅助比较模块,用于挖掘类内和类间的相似性和差异性信息。网络模型包括主支路与辅助支路,分别使用不同的损失函数对应不同的训练任务,并使用权值超参数平衡多项损失。主支路获得预测分类,使用交叉熵损失函数进行更新;辅助支路得到不同样本间的相似性得分,使用均方差损失函数进行更新。为保证特征向量被投影到同一个空间中,主、辅助支路共享相同的特征提取模块,在训练阶段共同更新参数,在测试阶段仅使用主支路获得的分类结果。在两个公开的三维形状基准数据集上的大量实验结果表明,所提网络结构与训练策略相比传统方法,在少样本的情况下可以显著提高特征模块对不同类别的区分能力,获得更优的识别结果。