摘要：针对差分放大器芯片国产化的需求,基于兼容金属薄膜电阻40 V双极工艺,设计一款高共模抑制比(Common Mode Rejection Ratio,CMRR)、±120 V共模输入电压的集成差分放大器。文章介绍了高共模电压差分放大器的基本原理和结构组成,分析了差分放大器的设计难点,分别为共模抑制比、输入失调电流以及增益误差,采用片内集成金属薄膜电阻结合激光在线修调技术实现高共模抑制比、通过改进型的基极电流补偿结构降低了输入失调电流,减少输入失调电流对电路采样精度的影响,采用改进型达林顿管提高放大器的开环增益,降低放大器的增益误差。整体芯片尺寸为2.82 mm×2.02 mm,采用±15 V双电源供电,静态电流为1.36 mA。流片后的测试结果表明:差分放大器在正常供电时,共模抑制比达到85 dB,输入失调电流仅为84 pA,失调电流的补偿精度达到98.1%,增益误差为0.02%。

摘要：在传统Brokaw型带隙基准电压源结构的基础上,添加了一种电阻温度补偿网络,利用不同温度系数电阻的温度特性,实现了带隙基准电压源的高阶温度补偿,提高了带隙基准电压源的温度稳定性;通过添加低压差输出结构,扩展了带隙基准电压源在不同电压输入情况下的应用区间。仿真结果表明:在-45~155℃的温度范围内、5.1 V电源电压下,温度系数为3.96×10^(-6) V/℃,电源抑制比为-78 dB,输出压差低至100 mV左右。

摘要：介绍了一种低输入偏置电流仪表放大器的设计.主要采用超βNPN输入器件并配合一种改进型的偏流自补偿结构,即通过在偏流补偿网络中使用一个横向PNP型器件替换PJFET器件的方法,以防止PJFET器件高温下栅漏电流对电路造成的影响,实现pA量级的极低输入偏置电流和pA/℃量级的偏流温漂系数.基于兼容金属薄膜电阻的40V单铝双极工艺,在保证低增益误差、低失调电压和高共模抑制比的同时,该电路具有较高的输入阻抗,适用于数据采集系统中对小信号的提取和放大.测试结果显示,改进后的仪表放大器常温下的输入偏置电流为0.69nA,输入失调电流为0.12nA,输入失调电压为21.54μV,增益G=100时的增益误差为0.05%,共模抑制比为119.41dB.

摘要：为了满足电子设备的测试维修需求,文章运用边界扫描测试技术,研制了一种通用性的自动测试系统;从系统的工作原理、硬件设计及软件设计等方面进行了阐述,并通过实例说明了本系统的测试结果。结果表明,该系统性能稳定、集成度高、通用性强,对各领域中数字电路测试维修设备的研制有一定的参考价值。

摘要：为了解决复杂电磁环境中温湿度参数的采集,文章提出了一种基于CAN总线的温湿度传感器。从器件选型、硬件设计、软件设计等方面详细阐述了温湿度传感器的设计过程,为广大工程技术人员提供了一个很好的设计方法和参考案例。

摘要：文章运用SCANWORKS软件,搭建边界扫描测试平台,详细介绍了通过测试底板提升被测件的测试覆盖率的工作原理,最后给出了边界扫描的软件设计流程。SCANWORKS软件接口丰富,为广大测试工程师提供了一个很好的平台。

摘要：SAR技术的发展,对任务管理系统提出更高的要求,文章设计了一种基于CPCI总线的SAR任务管理系统。该系统采用模块化设计,包括电源模块、计算机模块、控制模块、通信模块等设备,可以根据不同的设备规模和指标要求,对系统的组成设备加以组合、裁剪和扩展。该系统具有总线数据传输速度快、可扩展能力强、控制方式灵活等优点。

摘要：武器装备全寿命周期管理的需求推动了雷达故障预测与健康管理技术的研究和发展,雷达装备也逐步由原先的预防性维修和事后维修模式向视情维修模式转变。大数据技术和雷达健康管理系统的有机结合,可以有效地整合雷达在役阶段的数据资源,与设计、制造、售后等其他寿命周期阶段串联在一起,真正实现雷达装备的全寿命周期管理。提出一种基于大数据的雷达健康管理系统的网络平台框架,并介绍了雷达健康管理系统的关键技术。

摘要：为了解决某型雷达中的温控难题,提出了一种基于FPGA和可编程片上系统(SOPC)的雷达分布式温控系统。阐述了温控系统的组成、SOPC系统的搭建、外围接口电路设计以及μC/OS-II嵌入式操作系统下的软件设计。该系统采用SOPC技术搭建Nios II软核处理器,对单总线上的温度传感器进行采集,然后通过网络通信将温度数据上传至上位机,极大地提升了系统的集成度,简化了设备接口,且易于扩展,提高了电磁兼容性。

摘要：针对棉花颜色级检验中感官检验容易受到主观因素影响、仪器检验不稳定的问题,提出一种使用改进MobileNetV2神经网络实现棉花颜色级检测的方法。通过自主设计的图像采集装置,收集白棉一级到白棉五级5种棉花颜色级样品,制作数据集。将MobileNetV2网络后三层进行特征融合,并嵌入CBAM注意力机制,同时与GhostNet、ShuffleNetV2和原始MobileNetV2模型进行对比,预测棉花颜色分级。结果表明:改进后的MobileNetV2在测试集的准确率达到92.10%,相对于GhostNet、ShuffleNetV2和原始MobileNetV2分别提高了3.01个百分点、4.61个百分点、1.24个百分点,具有较好的检测效果。