不同表面活性剂对铜互连阻挡层CMP一致性的影响北大核心CSCD

为实现铜互连阻挡层化学机械抛光的高平坦化,研究了阻挡层抛光液中表面活性剂的作用。在抛光液中分别添加非离子型表面活性剂异辛醇聚氧乙烯醚(JFC-E)、本课题组研发的Ⅱ型活性剂以及复合表面活性剂,研究其对阻挡层CMP中铜和正硅酸乙酯(TEOS)去除速率及一致性的影响。实验结果表明,表面活性剂不仅可以改善Cu和TEOS的去除速率一致性和晶圆全局一致性,还可以降低铜表面的粗糙度,通过复配两种不同的表面活性剂,可以提高Cu和TEOS的去除速率,使Cu和TEOS的剩余厚度片内非均匀性(WIWNU)分别降低至1.39%和1.38%,铜表面粗糙度从5.25 nm降至1.51 nm。基于实验结果,研究并提出了表面活性剂影响抛光液润湿性,从而改善片内非均匀性和铜表面质量的机理。     

锁相环电路中压控振荡器的分析与设计

本文设计了一个应用于高频锁相环（PLL）系统的负阻LC压控振荡器,在传统LC压控振荡器基础上,通过采用二次谐波滤波技术降低了振荡器的相位噪声,并完成了电路的仿真。仿真结果表明,该压控振荡器的振荡频率在1．9—2．1GHz,其频率调节范围达到200MHz,并且在距中心频率1MHz处其相位噪声为-148．825dBc／Hz...     

从模糊图像中恢复集成电路版图技术

为将模糊的集成电路版图进行复原,探讨了Lucy-Richardson滤波、维纳滤波、拉格朗日乘法算子最小二乘方滤波方法.研究发现:噪声模糊图像进行复原时,Lucy-Richardson方法基本恢复不出集成电路版图,维纳滤波的去噪声明显但是图像清晰度不够,拉格朗日乘法算子最小二乘方滤波复原版图清晰;恢复清晰集成电路的版图可以用于集成电路的结构分析和集成电路失效机理诊断.     

基于改进YOLOv5的红外车辆检测方法

红外图像可在低照度、恶劣天气等条件下工作，红外车辆检测技术旨在使用红外传感器来监测道路上的车辆，实现对车辆数量、车速等信息的收集与分析，该技术不仅可应用于路面车辆，还可应用于铁路、机场、港口等场景，为交通运输行业的安全和便捷提供了有效的技术支持。然而，由于红外图像成像原理的局限和外部环境的干扰，通常导致红外图像成像质量不理想，红外车辆检测仍然存在许多问题。文中提出了一种改进的YOLOv5模型，在YOLOv5的主干部分引入了混合注意力机制，使模型能够更好地关注研究者感兴趣的区域，抑制图像噪声的干扰。此外，在BiFPN基础上提出了一种改进的Z-BiFPN特征融合结构，融合更多的浅层信息，提高浅层信息利用率，并增加一个四分之一下采样的小目标检测层，同时将YOLOv5的检测头替换为解耦头来提升模型的检测能力。在自建的七类红外车辆数据集INFrared-417上进行了实验，验证了算法的有效可行性。与原始YOLOv5相比，m AP从81.1%提升到了85.3%。     

高精度超声波液位测量系统的设计与实现

文中针对现有的液位测量系统功耗较大、精度有待提高等问题,设计了一种基于MSP430F149单片机的高精度低功耗超声波液位测量系统。该系统实现了硬件电路的设计和软件算法的开发。文中重点分析了系统组成、提高精确度的设计方法和实验结果。实验表明:在环境温度为25℃的空旷实验室内,该系统测量范围为20～1 500 cm,测量精确度可达2 mm.相比于其他设计,该系统有更高的精确度,并且有较高的可靠性和实用性,可以更好地满足各种工业现场的需求。     

基于PCB图像预处理的研究及其实现

为改进印刷电路板(PCB,Printed Circuit Board)图像的质量,针对后续对PCB图像的识别率的提高,运用MATLAB语言对原始图像进行了前期处理,主要包括图像空间域的灰度变换以及图像平滑滤波来消除噪声。首先研究了噪声门限,中值滤波以及快速中值滤波方法,并且提出了一种快速加权中值滤波算法,通过MATLAB处理图像,灰度直方图以及频谱图进行对比分析,结果表明快速加权中值滤波算法解决了PCB图像对比度差,噪声大,细节模糊等方面的问题,使图像质量有了很大的改善。     

指纹图像中心点提取算法

根据指纹图像的特点,分别在空间域和频域增强图像,并采用了一种复合滤波器对增强后的图像进行滤波处理,把指纹图像的局部信息和全局信息有机的结合起来,提出了一种指纹图像中心点的算法,为指纹图像的进一步处理提供了有利的工具.     

基于多头注意力机制的端到端语音情感识别

针对语音情感数据集规模小且数据维度高的特点,为解决传统循环神经网络（RNN）长程依赖消失和卷积神经网络（CNN）关注局部信息导致输入序列内部各帧之间潜在关系没有被充分挖掘的问题,提出一个基于多头注意力（MHA）和支持向量机（SVM）的神经网络MHA-SVM用于语音情感识别（SER）。首先将原始音频数据输入MHA网络来训练MHA的参数并得到MHA的分类结果;然后将原始音频数据再次输入到预训练好的MHA中用于提取特征;最后通过全连接层后使用SVM对得到的特征进行分类获得MHA-SVM的分类结果。充分评估MHA模块中头数和层数对实验结果的影响后,发现MHA-SVM在IEMOCAP数据集上的识别准确率最高达到69.6%。实验结果表明同基于RNN和CNN的模型相比,基于MHA机制的端到端模型更适合处理SER任务。     

量子阱DBR微腔激光器中自发发射的控制

应用腔量子电动力学和量子阱物理,计算了量子阱DBR微腔激光器的自发发射谱.发现由于DBR微腔和量子阱分别对光子和载流子的限制,单方向的自发发射可以增进约三个量级,总的自发发射增强一个量级.