摘要：基于SMIC 180 nm/1.8 V CMOS工艺,设计了一种高速、低功耗且具有输入选频和多水平调频输出范围的L频段电荷泵锁相环。输入端附加了四选一数据选择器,实现多频点信号的选频追踪,输出端设计了一种由新型P、S架构计数器构建的可编程双模分频器,实现高精度分频和连续位数的可编程输出。实验结果表明,锁相环最终锁定输出频率为1.1 GHz,从启动至稳频输出的锁定时间仅为1.5μs,整体电路功耗低至1.2 mW,同时可有效实现频率范围73 MHz至500 MHz的2~15位连续的可编程输出分频。完成锁相环电路的后端设计并提交流片,最终版图面积仅为0.027 mm^(2)。所提出的L频段锁相环可有效用于卫星降频信号接收、光信号调制和数字音频广播(T-DAB)等无线信号通信和处理系统。

摘要：采用0.25μm氮化镓高电子迁移率晶体管(GaN HEMT)工艺设计了一种全集成单片微波集成电路(MMIC)多尔蒂(Doherty)功率放大器(DPA)。采用了新型的拓扑结构,去除了传统DPA中主路放大器的阻抗变换器以及两路合成后的阻抗转换器,直接在主路输出匹配网络(OMN)中实现饱和点和回退点的阻抗的转换,采取适当的阻抗,与传统电路相比,降低了阻抗转换率,拓宽了频带。此外功率分配器也采用了新颖的拓扑结构,减少了元器件的使用,并且在DPA的匹配网络中使用集总电感的电容降低版图的面积。设计了一款工作在4.6~5.4 GHz的Doherty类功放,版图后仿真结果显示,饱和输出功率为40 dBm,饱和点漏极效率DE为58.9%~61.3%,6 dB回退点的漏极效率为38.3%~45%,增益为8.4~11.3 dB,版图面积为2.4 mm×1.1 mm。

摘要：对二相混合式步进电动机矢量控制进行了理论研究,解决不同于一般种类电机的特殊问题,建立考虑电机非线性并充分利用电磁转矩和磁阻转矩的矢量控制方法。在此基础上,设计并实现了基于神经网络的二相混合式步进电动机矢量控制位置伺服系统,克服电机参数时变对控制效果的影响,提高了系统鲁棒性,使系统具有较高的性能。

摘要：并联电路E类功率放大器(PA)具有结构简单和高效的优点,因而被广泛应用。针对并联电路E类PA存在带宽较窄、效率较低的问题,对其输出匹配网络提出了一种改进方案。采用混合式π型结构作为PA的输出匹配网络,在较宽的工作带宽内完成了最佳阻抗与标准阻抗的转换,有效地抑制了二次谐波分量,提高了电路的效率。为了验证所提出理论的有效性,基于0.25μm GaN HEMT工艺设计了一种结构简单、高效率和高功率的单片集成E类功率放大器。版图后仿真结果表明,在2.5~3.7 GHz工作频率范围内,输出功率大于40 dBm,功率附加效率为51.8%~63.1%。版图尺寸为2.4 mm×2.9 mm。

摘要：建立精确的模型是使用砷化镓异质结双极晶体管器件(GaAs HBT)设计集成电路的必要基础,传统经验模型建立过程复杂,在输出功率、增益、功率附加效率等功率特性方面的模拟精度不太高,给电路设计带来了一定的难度。本文利用径向基函数(RBF)神经网络算法和反向传播(BP)神经网络算法分别建立GaAs异质结双极晶体管器件的大信号模型。这些模型的训练和测试数据分别来自于测试的双端口散射参数,以及测试的直流特性和功率特性数据。然后将模型数据与实测结果进行对比,结果发现,基于神经网络的器件模型能够精确地模拟器件特性,而且RBF神经网络模型相比BP神经网络模型,误差更小,预测更精确。

摘要：金属工件在感应加热过程中,加热频率、电流密度(功率)和加热时间对形成硬化层的温度有决定性影响,传统的对加热频率、电流密度和加热时间这三个参数的选择和设计采用逐一试验法来获得最优组合,其过程复杂繁琐。为了快速方便得到三个参数的最优组合,提出了一种基于人工神经网络(ANN)和遗传算法(GA)的相结合的感应加热参数优化方法,首先采用正交试验获取了以加热频率、电流密度、加热时间的三个输入参数的基本组合,运用ANSYS仿真软件,建立感应加热有限元模型,并获取以感应加热参数和输出温度的待预测和优化数据,其次利用加热参数和输出温度的数据创建人工神经网络训练预测模型,最后使用遗传算法以建立的神经网络模型为适应度目标函数对感应加热参数进行优化,最终得到最优的感应加热参数组合。通过数据对比证明了该方法的有效性。

摘要：为有效提取低频、微弱、易受干扰的人体生理信号,可穿戴和医疗植入式ASIC电极中的ADC需搭载低功耗、高输出线性的栅压自举采样开关,其性能直接影响生物界面上本征信号的完整性和提取精度。本研究采用65 nm/0.6 V CMOS工艺,设计了一种适配该应用的栅压自举采样开关。通过附加"虚拟管"抑制电荷注入效应提升采样精度,通过增设"动态体偏置模块"和"体偏置切换控制模块",抑制阈值波动,稳定输出线性度。考虑人体生物电信号的低幅度和低频特性,分别对峰值0.6 V的信频上限10 kHz和低频100 Hz的模拟生理电信号以10 Msample/s的采样频率进行高速采样仿真分析。结果显示:在高频10 kHz消耗功耗587.3 nW,有效采样位数达8.9 bit,获得非杂散动态范围62.02 dB;当信频降为100 Hz,功耗降至6 nW,有效位数6.33 bit,非杂散动态范围可提升至78.19 dB。Cadence仿真结果表明,设计的自举开关性能可较好地满足人体生物电信号的采样需求。

摘要：以离散采样的超声波电机迭代学习控制系统为对象,分别从时域和频域两个角度,对离散采样迭代学习控制器的动态特性进行分析,推导其单调收敛的判据,为控制器的设计提供理论基础和设计原则。基于推导结果,设计超声波电机离散迭代学习控制器。仿真和实验结果表明,所提控制策略及控制器设计方法有效,控制效果良好,对负载间歇跳变等外加非重复扰动具有适应能力。

摘要：在多标准系统应用中,由于线性度和噪声的要求,使得混频器的设计难度很大。采用2次谐波注入结构的3阶失真抵消技术,设计了一种改善跨导级线性度的高线性CMOS混频器。在混频器开关级处引入LC滤波电路,抵消了开关级晶体管的2阶和3阶互调失真,进而优化了开关级的线性度。采用TSMC 0.13μm CMOS工艺进行设计与仿真,并完成了版图设计与流片。较之传统的吉尔伯特混频器,该电路的输入3阶交调点IIP3增加了11.2dBm,达到9.2dBm的高线性度,对噪声系数、增益以及功耗造成的影响较小。

摘要：超声波电机的转速控制模型是其运动控制研究的基础。为研究以驱动频率为调节变量的超声波电机转速控制模型,根据超声波电机驱动频率与转速之间关系特性的实测数据,建立超声波电机转速控制的二阶线性时不变模型。给出迭代学习辨识策略对电机转速控制模型的参数进行辨识。针对超声波电机的每组实测数据中数据量不同导致的参数收敛性减弱的情况,通过双范数最优理论来设计迭代学习辨识的参数学习律。将迭代学习辨识所得结果与Hammerstein模型比较。仿真和实验结果表明,二阶线性时不变模型下的迭代学习辨识可以有效地辨识超声波电机的模型参数,参数收敛速度快、收敛性较好,所建模型精度较高,建模方法有效。