摘要：基于TSMC 180 nm芯片工艺,设计了一个用于可穿戴脑电监测的10位低功耗逐次逼近型模数转换器(SAR ADC)。为了有效降低DAC电容阵列的切换功耗,采用新型差分DAC电容阵列,并使用单调开关切换方式。比较器采用两级动态比较器,在提高效率的同时也降低功耗及噪声。针对脑电信号的特点,采用栅压自举开关实现高线性的采样。后仿真结果表明:在1.8 V供电电压、40 kS/s采样率下,这款SAR ADC的功耗仅为2.4μW,其有效位数(ENOB)为9.68 bit,无杂散动态范围(SFDR)为70.6 dB,优值为73.1 fJ/(conv-step),设计的SAR ADC适用于可穿戴脑电监测设备。

摘要：人脸关键点的精确检测对于人脸姿态矫正、表情识别、疲劳监测等任务具有重要意义。针对当前人脸关键点检测算法对于网络的设计越来越复杂、对计算资源的需求越来越大,网络整体速度变慢,不利于移动端部署的问题,提出了一种基于多尺度关键点热度图融合的人脸关键点检测网络。通过特征图与关键点热度图的融合使网络更多地关注关键点及其周边像素的信息,同时引入了多尺度的关键点热度图融合不断加强网络对于关键点相关信息的学习能力,使用较浅的网络结构就可实现好的检测效果。实验表明该网络在WFLW数据集上取得的检测精度和速度均达到较好的效果。

摘要：从仿真角度出发,分析设计了基于量子点膜色转换方案像素点的整体结构模型,首先构建了蓝光Micro LED(micro light‑emitting diode,Micro LED)结构模型,研究了表面粗化和二维光栅两种提升Micro LED光提取效率(light extraction efficiency,LEE)的表面微结构;然后分别分析了有无该结构的蓝光Micro LED与侧壁挡光介质结合组成蓝色子像素点的LEE和光强分布随侧壁倾角变化的趋势;接着优化了量子点膜的模型参数,并分析了有无表面微结构的蓝光Micro LED对红绿子像素点光转换效率和光强分布的影响;最后对上述不同结构全彩像素点整体的色偏性能做了对比研究。仿真结果表明,具备表面粗化蓝光Micro LED和侧壁反射型挡光介质的像素点在0°~50°倾角下均可获得较大的正面LEE和低于0.02的色偏,相比其他结构更适合于量子点膜色转换方案。

摘要：为了实现换向器表面缺陷自动检测,针对实际缺陷样本数量少、标注成本高等问题,设计一种基于特征空间的无监督换向器表面缺陷检测方法。利用预训练的EfficientNet网络提高对于特征的提取能力;同时提出一种平衡利用不同深度特征信息建立异常图的方法,加强对于缺陷轮廓的识别精度;通过对每个像素分别建立高斯分布,实现像素级缺陷分割。实验表明,提出的方法对缺陷样本的识别精度达到98.7%,对缺陷区域的分割精度达到98.0%,具有较好的缺陷检测能力,在工业应用上具有研究价值和实践意义。