摘要：由于表情图片序列比单张表情图片的信息更丰富,因此基于前者的表情识别容易取得更好的实验效果.针对表情图片序列,提出一种仅基于人脸特征点信息和联合训练2个深度神经网络进行表情识别的方法.首先基于长度不定的图片序列抽取各帧之间差异最大化的子集;其次提取该子集中所有图片的特征点坐标进行预处理;再将坐标分别输入微观深度网络(MIC-NN)与宏观深度网络(MAC-NN)进行独立训练;最后基于惩罚MIC-NN与MAC-NN间差异的损失函数联合训练二者后,使用融合网络(FUS-NN)作为最终预测模型.在CK+,Oulu-CASIA,MMI这3个数据集中的实验结果表明,FUS-NN取得了优于绝大部分已知方法 1%～15%的识别率,仅在MMI数据集中落后于最优模型2%;相比之下,该网络的时间复杂度远远小于效果相近的模型,取得了更好的识别效果与计算资源的平衡.

摘要：为了进一步改善经典卷积神经网络的识别性能,首先证明了跨层传输实质上是基的完备化过程,然后基于多类型特征提取结构、嵌入多层感知机以及跨层传输结构提出一种新型深度卷积网络——期望网络.经分析发现,期望网络中的多类型特征提取结构可提取不同类型的特征,嵌入多层感知机可生成期望图并标定不同类型特征的权重,跨层传输结构可缓解网络性能退化的问题.仿真实验结果表明,在数据集CIFAR-10、数据集CIFAR-100和数据集SVHN上,相比于ResNet网络、深度监督网络和Highw ay网络等经典深度卷积网络,期望网络的误识别率均有不同程度的下降.

摘要：展示了一款基于TSMC 0.18μm RF CMOS工艺设计的高线性宽带放大器芯片,该芯片可覆盖P波段、L波段、S波段,实现宽带放大。放大器采用三级级联结构,包括输入级、中间级和输出级。输入级采用两级级联的共栅结构,在实现输入宽带匹配的同时,可有效提升隔离度,并提供一定的电压增益;中间级采用高输入阻抗的共源结构分布式放大电路,延展带宽,通过电压传递的方式降低级间匹配难度,减少片上电感使用;输出级在传统的共源结构基础上,通过电感负载及增加电阻负反馈的功率放大器设计方法,在延展带宽的同时提高了线性度,折中功率输出,PAE得到优化。芯片通过流片面积为0.7 mm×1.2 mm,测试结果显示,该放大器工作频率可覆盖500 MHz~2.5 GHz,工作带宽>1.5 GHz,相对带宽达到100%,OP_(1dB)>9 dBm,增益S_(21)>16 dB,达到了宽带放大和高线性度性能要求,验证了本文所述理论的正确性,满足综合射频(通信、雷达、电子战)应用需求。

摘要：射频微系统集成对芯片满足各种工程应用需求及产品化提出了更高的需求,也为通信-雷达-电子战一体化的综合射频系统理念构建提供有效支撑。本次设计的是一款基于CMOS工艺的P波段上变频发射芯片。CMOS工艺因其与数字电路的高集成度特性,以及量产后的相对低成本特性,在射频芯片领域受到越发广泛的关注。P波段一方面可以直接作为射频频率使用,另一方面也可以作为高频两次变频超外差收发机的中间频率,有较广泛的应用空间。本次设计除了追求综合指标性能,在可靠性、温度特性、静电防护等方面进行了充分考虑和专项附加设计,芯片的测试结果说明其性能充分满足应用需求。在-55℃到125℃全温范围内,具有约为10 dB适中的变频增益,并具有负温斜率,具备较高的各端口隔离度、线性度,覆盖-10 dBm到+10 dBm的本振功率适应性,在系统应用中具有较高的实用价值,验证了设计理论的正确性。