重离子辐射对AlGaN/GaN高电子迁移率晶体管低频噪声特性的影响

采用^(181)Ta^(32+)重离子辐射AlGaN/GaN高电子迁移率晶体管,获得器件在重离子辐射前后的电学特性和低频噪声特性.重离子辐射导致器件的阈值电压正向漂移、最大饱和电流减小等电学参数的退化.微光显微测试发现辐射后器件热点数量明显增加,引入更多缺陷.随着辐射注量的增加,电流噪声功率谱密度逐渐增大,在注量为1×10^(10)ions/cm^(2)重离子辐射后,缺陷密度增大到3.19×10^(18)cm^(-3)·eV^(-1),不同栅压下的Hooge参数增大.通过漏极电流噪声归一化功率谱密度随偏置电压的变化分析,发现重离子辐射产生的缺陷会导致寄生串联电阻增大.

基于GAN和MS-ResNet的房颤自动检测模型

房颤是一种常见的心律失常疾病,针对现有研究工作大多依赖于单尺度信号段而忽略了不同尺度下潜在的互补信息和数据不平衡问题导致诊断性能下降的问题,提出了一种新颖的基于生成对抗网络(generative adversarial network, GAN)和多尺度残差网络(multiscale residual net, MS-ResNet)的房颤自动检测模型,该网络使用GAN合成具有高形态相似性的单导联心电数据来解决数据的隐私和不平衡问题。同时,设计了MS-ResNet特征提取策略,从不同尺度提取不同大小信号段的特征,从而有效地捕捉P波消失和RR间期不规则特征。该模型联合这两种策略不仅为房颤自动检测生成高质量心电图(electrocardiogram,ECG)数据,还可以利用多尺度网格提取不同波之间的时序特征。在PhysioNet Challenge2017公开ECG数据集上以及平衡后的数据集上评估了MS-ResNet的性能,并将其与现有的房颤分类模型进行了比较。实验结果表明,MS-ResNet在平衡后的数据集上平均F1值和精确率分别达到0.914 1和91.56%,与不平衡数据集相比,F1提高了4.5%,精确率提高了3.5%。

GAN与Diffusion在传统纹样设计中的实验研究

传统纹样是中国优秀传统文化的重要组成部分,传统人工设计已经无法满足纹样的现代设计需求,生成式AI为传统纹样设计提供了新的设计路径和方法。文章将生成式AI应用于传统纹样设计中,通过适配实验优选基于GAN的Style GAN和基于Diffusion的Stable Diffusion两种主流图像生成模型进行实验,采用技术分析与艺术分析相结合,对实验结果进行多角度、多维度对比分析,为设计师选择生成设计方法提供参照。实验结果表明,两个模型均能满足基本的艺术设计需求。Style GAN模型生成的纹样图像更接近真实图像的分布,具有更高的图像质量和多样性;Stable Diffusion模型能较好地传承传统纹样的基因,艺术性与创造性兼具,更加符合传统纹样的艺术设计需求。

低成本高结晶GaN纳米线柔性薄膜制备及其场发射性能

旨在探究非贵金属Cu替代贵金属Au作为催化剂在柔性碳膜上制备高结晶的GaN纳米线的可行性,并研究其场发射特性及机理。采用非贵金属Cu替代贵金属Au作为催化剂,在柔性碳膜上制备了直径为20~100 nm、长度为3~15μm的高结晶的GaN纳米线,并通过工艺参数对其结构与尺寸进行调控,得到GaN纳米线薄膜的催化生长机制。通过对其场发射特性进行研究,发现其场发射性能与其纳米结构紧密相关,催化剂厚度以及薄膜弯曲状态可显著影响其场发射性能。结果表明,采用Cu作为催化剂所制备的GaN纳米线柔性薄膜的场发射电流具有较好的稳定性。该研究为GaN纳米线的低成本制备方法提供了可借鉴思路,同时也为场发射柔性器件的制作提供了可行的技术手段。

基于GaN器件与磁集成技术的车载充电机实验平台研究

随着新能源汽车的普及,对车载充电机的要求越来越高。为了有效提升整机效率和功率密度,将GaN器件与磁集成技术应用于车载充电机,进行了实验平台研究。基于GaN器件设计了两级式车载充电机拓扑结构与外围电路,通过制作磁集成平面变压器,优化了CLLC变换器,完成了整机控制程序设计及2kW车载充电机实验样机搭建,并对样机进行了实验测试与波形分析。实验结果表明,实验样机具有良好的稳态特性与动态特性,整机功率因数在0.98以上,满载峰值效率达到95.22%。该平台能够帮助学生加深对电力电子技术的认识,掌握新型电力电子器件的特性及应用,锻炼实践操作能力,提高相关课程的教学质量。

一种L波段300W GaN脉冲功率模块

随着第三代半导体GaN器件技术的不断发展,GaN高电子迁移率晶体管(HEMT)在电子系统中逐步得到了广泛应用。研制了一款小型化L波段300 W GaN脉冲功率模块。研发了满足高压脉冲工作条件的GaN HEMT芯片,采用负载牵引技术进行了器件大信号阻抗参数提取,并以此为基础设计了小型化匹配网络进行阻抗变换。基于高压驱动芯片和开关器件芯片设计了小型化高压脉冲调制电路。测试结果表明,在工作频率990~1130 MHz、工作电压50 V、脉冲宽度100μs、占空比10%下,功率模块脉冲输出功率大于300 W,功率附加效率大于53%,功率增益大于38 dB。功率模块尺寸为30 mm×30 mm×8 mm。

基于图像小波域自适应干扰的GAN生成人脸反取证

针对现有生成对抗网络(GAN)生成人脸反取证方法攻击迁移性不强的问题,提出了一个基于图像小波域自适应干扰的GAN生成人脸反取证方法以提升攻击迁移性.该方法通过对GAN生成人脸图像的小波域信息(即图像经过小波分解后的频率分量)施加扰动以实现其对取证模型的抵抗,并且分别在空域和频域上基于最小可觉察误差(JND)设计自适应扰动阈值,对图像不同像素点位置设置不同的扰动强度,从而增强扰动的人眼不可感知性.此外,还设计了一种数据增强方式对反取证人脸进行数据分布多样性扩充,以进一步提升攻击迁移性.实验结果表明,与6种基线方法相比,所提方法生成的反取证人脸在保证扰动对人眼不可感知前提下具有更强的攻击迁移性.

MACDCGAN的发电机轴承故障诊断方法

在实际工况中,发电机中传感器采集到的故障样本数据有限,使用基于深度学习的方法进行故障诊断存在过拟合问题导致模型泛化能力较差以及诊断精度不高。为了解决这个问题,采用样本扩充的思路,提出了一种改进的辅助分类器条件深度卷积生成对抗网络(MACDCGAN)的故障诊断方法。通过对采集的一维时序信号进行小波变换增强特征,构建简化结构参数的条件深度卷积生成对抗网络模型生成样本,并在模型中采用Wasserstein距离优化损失函数解决训练过程中存在模式崩塌和梯度消失的缺点;通过添加一个独立的分类器来改进分类模型的兼容性,并在分类器中引入学习率衰减算法增加模型稳定性。试验结果表明,该方法可以有效地提高故障诊断的精度,并且验证了所提模型具有良好的泛化性能。

GaN HEMT源漏通道区电阻的自热和准饱和效应模型

GaN HEMT在栅极与源极和漏极之间存在一段通道区域,在等效电路模型中通常等效为一电阻,称为源漏通道区电阻R_(D,S)。准确构建GaN HEMT R_(D,S)模型,对于分析GaN HEMT直流和射频特性,构建GaN HEMT大信号模型具有十分重要的意义。本研究给出考虑自热和准饱和效应的R_(D,S)模型。首先由源漏通道区温度T_(CH)与耗散功率P_(diss)的关系,推导出非线性自热效应模型。进一步基于准饱和效应和Trofimenkoff模型,给出源漏通道区电子漂移速度与电场强度的关系表达式,构建非线性R_(D,S)模型。在环境温度Tamb=300~500 K时,源漏通道区二维电子气2DEG面密度n_(S,acc)(T_(CH))和迁移率μ_(acc)(T_(CH))随T_(CH)的升高而下降,这导致低偏置条件下的源漏通道区电阻R_(D0,S0)随T_(CH)呈非线性增长。将本研究和文献报道的R_(D,S)模型与TCAD(Technology Computer Aided Design)仿真数据进行对比,结果显示:本研究与文献报道的漏通道区电阻RD模型的平均相对误差分别为0.32%和1.78%,均方根误差(RMSE)分别为0.039和0.20Ω;RS模型的平均相对误差分别为0.76%和1.73%,RMSE分别为0.023和0.047Ω。与文献报道的实验数据进行对比,结果显示:本研究与文献RD模型的平均相对误差分别为0.91%和1.59%,RMSE分别为0.012和0.015Ω;RS平均相对误差分别为1.22%和2.77%,RMSE分别为0.0015和0.0034Ω。本研究提出的R_(D,S)模型具有更低的平均相对误差和均方根误差,能够更加准确地表征GaN HEMT线性工作区R_(D,S)随漏源电流I_(DS)的变化。可将本模型用于器件的设计优化,也可作为Spice模型用于电路仿真。

一种抑制栅极正负向串扰的GaN HEMT无源驱动电路

GaN器件由于其更快的开关速度,比硅器件更容易发生严重的开关振荡,也更容易受到栅源电压振荡的影响。为了抑制GaN基半桥结构中的串扰,提出了一种抑制GaN高电子迁移率晶体管(HEMT)栅极正负向串扰的无源钳位驱动电路来抑制栅源电压振荡。采用基本无源元件建立自举驱动回路,并增加三极管以构成从驱动电路到GaN HEMT的低阻抗米勒电流路径,抑制正负向串扰。在LTspice软件下进行电路模拟仿真,并搭建实验平台进行实测验证,结果表明栅源电压的最大正向串扰可降至1.2 V,最大负向串扰可降至1.6 V,漏源电流的正向和负向串扰均降至2 A以下,证明该电路对栅源电压以及漏源电流的振荡均有良好的抑制效果。

aLMGAN-信用卡欺诈检测方法

针对信用卡交易数据的不平衡重叠问题,提出一种基于生成对抗网络的端到端一类分类方法。提出一种基于PCA和T_SNE的混合数据降维方法,对清洗后的数据进行特征降维;将降维后的数据送入所提出的基于LSTM和aMLP的生成对抗网络(aLMGAN),提出一种基于闵可夫斯基距离(Minkowski distance)的损失函数(Min-loss)代替原始生成对抗网络中的交叉熵损失函数,对正常交易数据进行单类稳定训练,形成一种特殊特征模式,区分不属于该特征的异常数据。通过使用kaggle上两个真实的公共信用卡交易数据集进行实验,验证了aLMGAN算法的有效性。

具有自驱动有源缓冲器的GaN基高效准谐振反激式功率变换器

提出了一种具有自驱动有源缓冲器的GaN基高效准谐振(QR)反激式功率变换器,以解决准谐振反激式功率变换器中开关管关断时电压过高的问题。电路以GaN高电子迁移率晶体管(HEMT)器件为主开关管和同步整流器开关管,自驱动有源缓冲器由钳位电容和有源开关管组成。该变换器在主开关管关断期间将开关管的电压浪涌钳位为恒定电压,由于有源开关管驱动信号由变压器的次级侧电流控制,因此不需要单独的控制电路。为验证所提出的变换器和控制电路的有效性,搭建了一个60 W的AC-DC功率变换器,测试结果表明,主开关管的最大电压浪涌约为450 V,具有高达91.6%的能量转换效率。

双栅GaN HEMT生物传感器仿真研究

GaN HEMT因具有优异的高灵敏度、快速响应特性、电学特性和生物相容性,其在生物传感领域具有广泛的应用潜力。为提升GaN HEMT生物传感器直接检测生物分子的灵敏度,提出了一种双栅结构分析模型,并使用Silvaco TCAD工具研究了其电学特性。从漏极电流、阈值电压和电势方面分析了单栅和双栅器件的结构特性,比较了其灵敏度。研究表明,在特定生物分子(尿酸酶、链霉亲和素、蛋白质和胆固醇氧化酶)的检测中,双栅GaN HEMT生物传感器的灵敏度分别比单栅器件高1.55%,2.18%,1.07%和3.3%。其中,增加空腔长度可以为生物分子与生物功能化层(AlGaN)的相互作用提供更多的面积,从而使传感器的灵敏度增加。因此,双栅和较大空腔的GaN HEMT生物传感器器件更适用于高灵敏度的应用。

基于GAN的软测量缺失数据生成方法研究

针对工业过程中传感器数据缺失造成软测量模型精度低的问题,提出一种基于生成对抗网络(generative adversarial nets,GAN)的传感器缺失数据生成方法。利用孤立森林算法检测出传感器数据的缺失区域;利用缺失数据属性特征训练条件生成对抗网络(conditional generative adversarial nets,CGAN),在CGAN的输入条件中添加随机序列作为附加信息迭代送入CGAN中生成数据,并借助WGAN-GP(wasserstein generative adversarial nets gradient penalty)成本函数提高网络训练的稳定性;针对缺失区域检测结果引入采样器,将采样的数据填补进缺失区域,形成完整数据集,以提高软测量模型精度。以镍闪速炉温度传感器数据为目标变量进行软测量建模,验证所提出的提高软测量模型精度方法的可行性与有效性。

非分段GaN HEMT EF2类功率放大器理论研究

目前,增强型氮化镓高电子迁移率晶体管(GaN HEMT)的仿真模型存在仿真时间长、复杂度高且收敛性不好等问题。为了解决GaN HEMT器件在电力电子电路中仿真收敛性和准确性差的问题,提出一种非分段的GaN HEMT SPICE模型。使用非分段连续方程对GaN HEMT器件的静态和动态特性进行建模;再对GaN HEMT的输出特性进行仿真,并与Si MOSFET的仿真结果进行对比。仿真结果表明,所提模型的收敛性较好,收敛速度快,有较高的准确性。另外,将此模型应用于EF2类功率放大器中,研究该模型对传输效率的影响。仿真结果进一步表明:该模型具有良好的收敛性;且当开关频率为10~20 MHz,输入功率为75 W时,输出功率可达73 W,传输效率为95%,这也证明了GaN HEMT器件可以提高EF2类功率放大器的传输效率。

基于Transformer和GAN的多元时间序列异常检测方法

在时序数据分析中,异常检测是最为成熟的应用之一。它在量化交易、网络安全检测、自动驾驶和大型工业设备日常维护等现实领域广泛应用。随着业务组合的复杂性和时序数据量的增加,传统的人工和简单算法方法很难判断异常点。针对上述问题,对现有的检测方法进行了改进,提出了一种基于Transformer和生成式对抗网络(Generative Adversarial Networks,GAN)的时间序列异常检测模型,利用改进后的Transformer对时间序列的空间特征进行提取,并使用基于异常分数的异常检测算法和对抗训练以获得稳定性和准确性。模型采用自监督训练的方式,避免了需要手动标注异常数据的麻烦,同时减少了数据集对于监督模型训练的依赖。通过实验验证,本文提出的基于Transformer的时间序列异常检测模型在准确率上与先进的基于Transformer的模型相当,并且表现优于多元时间序列的大型数据集上的监督训练和传统异常检测方法。因此,该模型在实际应用中具有较好的潜力。

基于WGAN和多头注意力机制的学生数据生成模型

对学生的跨学科能力和创新能力进行评价是目前研究的重点和难点。针对学生公开数据稀缺、获取难度大的问题,本文提出了一种基于Wasserstein Generative Adversarial Networks(WGAN)和多头注意力机制的学生数据生成模型。不同于传统生成式对抗网络(Generative Adversarial Networks,GAN),WGAN以Wasserstein距离为目标函数,强化了生成器的稳定性和训练的可收敛性,提高了生成数据的质量。针对WGAN可能出现的收敛速度慢、生成低质量数据的问题,在WGAN的生成器中引入了多头注意力机制,可以更好地捕捉学生数据中的潜在模式和结构,提高生成数据的质量,并采用均值、标准差和中位数对生成数据进行客观评价。实验结果表明,本文方法可以生成较高质量的学生数据。

基于GANomaly的水声通信信号调制方式开集识别

针对水声通信信号调制方式的开集识别问题,提出了一种基于GANomaly的新型开集识别方法。GANomaly网络模型结合了生成对抗网络(GAN)的生成能力和异常检测技术的判别能力,通过对抗训练,重构调制信号的时频特征并确定误差阈值,进而有效地区分已知和未知的调制方式。在信噪比>8 dB的条件下进行的仿真实验显示,该方法对已知调制方式信号的识别率均超过了86.00%,对未知调制方式信号的识别率超过了80.00%。仿真实验结果验证了所提方法对未知调制方式的有效识别能力,为水声通信领域开集识别问题提供了新的解决思路。

基于GAN的场景文本艺术风格转换

图像风格转移是将风格样式迁移到源图像中的目标区域以创建艺术排版的任务,论文研究如何对场景文本图像中的文字区域进行风格转换,以实现自动对广告或海报中的文字进行风格转换,降低艺术创作的成本并提高艺术风格的多样性。由于场景文本图像中不同因素之间存在复杂的相互作用,先前很少有在保留原始文字内容和背景的同时进行文本风格转换的工作。该文提出了一个三阶段的框架,这是首个直接在原图进行程度可控的风格转换的网络,将原本对单个二值化字符进行风格转换的方法扩展到场景文本图像上的文字,并涉及到了图像修复的相关知识。首先使用风格转换网络只对场景文本图像中的文本风格进行转换,后利用字符擦除网络擦除原始字符重建背景图像,最后融合部分利用生成的前景图像和擦除字符后的背景图像生成最终风格转换后的结果图像。论文通过大量实验证明了该方法的有效性。

AlGaN/GaN HEMT器件高温栅偏置应力后栅极泄漏电流机制分析

AlGaN/GaN高电子迁移率晶体管(HEMT)的栅特性会受到温度应力和电应力的影响.在高温栅偏置(HTGB)应力下,器件的栅特性会发生退化,如栅极泄漏电流增大.为了研究退化机理,分析了AlGaN/GaN HEMT在栅电压为-2 V时,250℃高温应力作用后的栅极泄漏电流机制.随着HTGB时间的增加,栅极泄漏电流持续增大,受到应力器件在室温下静置后栅极泄漏电流密度恢复约20%.结果表明,在正向偏置范围内,栅极泄漏电流是由热电子发射(TE)引起的.在反向偏置范围内,普尔-弗伦克尔(PF)发射在小电压范围内占主导地位.阈值电压附近的范围由势垒层中的陷阱辅助隧穿(TAT)引起;在大电压范围内,福勒-诺德海姆(FN)隧穿导致栅极发生泄漏.