基于轻量级卷积神经网络的人脸检测方法研究

针对现阶段卷积神经网络参数量较大，检测速度较慢，无法嵌入至移动端电子设备，且在复杂环境下检测精度较低的问题，设计了两层前后分离轻量级的卷积神经网络的人脸检测方法。第一层网络采用全卷积神经网络，用于快速提取人脸特征，并生成大量的人脸边界候选框。第二层网络采用深层全连接卷积神经网络，将第一层网络推断的人脸候选区域进行筛选，并输出人脸大小、坐标和置信度。实验表明，本文设计的人脸检测方法在人脸基准数据集FDDB上具备较高的检测精度和检测速度，轻量级的网络设计使得算法移植到前端电子设备成为了可能。     

一种280mW,78dB SNR,88dB SFDR流水线ADC设计

为满足接收机系统的应用需求,采用标准0.18μm CMOS工艺设计实现了一款16 bit高精度高速pipelined ADC,电源电压1.8 V,采样频率120 MHz。为了降低SHA-less结构带来的非线性问题,引入高线性输入缓冲器。测试结果表明,在不明显增加芯片功耗的同时能够实现较高的性能,有效位数达到13 bit。输入信号57 MHz,幅度-1 dBFS时,SNR、SNDR、SFDR分别达到78 dBFS、78 dBFS、88 dB;输入信号313 MHz、幅度-1 dBFS时,SNR、SNDR、SFDR分别达到70 dBFS、70 dBFS、78 dB。     

基于自适应遗传算法的模拟电路的优化设计方法

针对在模拟电路设计中参数调整复杂性带来的困难,提出了一种新的针对CMOS模拟运算放大器参数优化方法.其特点是把模拟电路设计知识与遗传算法相结合,通过对遗传算法的自适应改进帮助其解决多目标优化和收敛的问题,并根据不同的性能指标要求,在相同结构下优化出不同用途的运算放大器.实验结果证明,该方法在相同结构下与其他优化方法相比...     

用于微机械加速度计的亚微米工艺ADC设计

为了满足高性能微机械加速度计输出数字化的应用需求,基于亚微米工艺提出了一种16位高阶∑Δ模数转换器。采用五阶前馈单比特量化的方法,实现转换器低失真输出。前级积分器采用增益增强折叠共源共栅一级运放结构,提高低频增益,减少前级运放增益非线性对转换器失真的影响。应用积分器输出摆幅优化的方法和开关电容共模反馈电路的方案降低了整体功耗。测试结果表明,当采样频率为8MHz时,小信号输入失真度低于90dB;在低功耗模式下采样频率降低到4MHz,失真度接近90dB。这种高集成大动态范围的五阶前馈∑Δ模数转换器结构实现了16位输出精度,能够满足微机械加速度计的输出信号转换要求。