1 北京智芯微电子科技有限公司， 北京 100080
2 国网重庆市电力公司营销服务中心，重庆 401121
3 西安交通大学， 西安 710049
提出了一种采用肖特基漏极(SD)与场板相结合、实现硅基垂直MOSFET器件反向阻断应用的技术。基于该技术，采用二维仿真提出并研究了两种新型垂直MOSFET器件，即带有垂直场板(VFP)的SD-VFP-MOS器件和带有倾斜场板(SFP)的SD-SFP-MOS器件。相比采用肖特基漏极的MOSFET (SD-MOS)和采用超结和肖特基漏极的MOSFET(SD-SJ-MOS)，所提出的SD-VFP -MOS，尤其是SD-SFP-MOS，反向击穿电压有显著提高，且几乎不影响导通特性。开展了器件的开态电流密度、关态电势分布、关态电流密度和电场分布分析，揭示了VFP和SFP提高器件反向阻断能力的内在机理。详细讨论了场板结构参数对器件反向击穿电压和场板效率的影响，研究结果对于SD-VFP-MOS和SD-SFP-MOS的设计具有重要意义。
垂直MOSFET 肖特基漏极 场板 反向阻断 vertical MOSFET Schottky-drain field-plate reverse blocking
黑龙江大学 电子工程学院，黑龙江哈尔滨150000
树莓有“第三代黄金水果”的美誉，对于红树莓之乡——尚志而言，准确获取树莓的种植面积对该区域的农作物种植结构调整、产业发展有着重大的意义。以黑龙江省尚志市苇河镇周家营子村为研究区，利用Sentinel-2数据较高的空间和时间分辨率，获得研究区的时序数据，基于该影像剖析研究区作物成长中每个时期的光谱特性和归一化植被指数的时序变化，采用CART算法开展了研究区树莓种植面积估计的研究。与仅依据多时相遥感影像得到的种植区域结果对比，探究NDVI时序数据的参与给区域提取精度带来的变化，并与基于最佳时相数据的面向对象分类和支持向量机分类两种分类算法所得的结果相比较。实验结果表明：基于时序CART算法的两种方法提取树莓种植面积较另外两种分类算法都有更理想的效果，可以得到作物种植面积与空间分布，能够满足作物监测的需求；在利用多时相数据分类的基础上，NDVI时序数据的加入，使作物之间的光谱差异得以放大，分类精度得到提升，相比仅依据Sentinel-2多时相数据分类精度提高了1.67%，Kappa系数提高了0.02。
多光谱遥感 树莓种植面积 时序数据 Sentinel-2 CART multi-temporal remote sensing subpixel Raspberry planting area time-series data sentinel-2 CART
1 西安交通大学 微电子学院, 西安 710049
2 上海冕芯半导体科技有限公司, 上海 201203
3 西安航天民芯科技有限公司, 西安 710077
光通讯、5G和毫米波通信等应用系统的快速发展对ADC的采样速率和输入信号带宽提出了更高的要求。受到功耗和工艺器件的限制, 传统流水线型高速高精度ADC的采样速率和精度已接近瓶颈, 无法满足高速通信系统的信号采样需求, 需要更新颖的超高速ADC结构和设计技术。文章介绍了近年来超高速ADC在工艺和设计技术方面的研究进展, 详细分析了近年来基于时域交织技术和FinFET工艺进行超高速ADC设计的研究成果和发展动态。
毫米波 模数转换器 超高速 时域交织 5G 5G millimeter wave ADC ultra-high speed time interleave
内蒙古农业大学水利与土木建筑工程学院，呼和浩特 010018
抗剪切强度指标值(黏聚力和内摩擦角)是超高性能混凝土本构关系研究和数值模拟分析的重要数据，对揭示超高性能混凝土中钢纤维的增强增韧机理至关重要。通过对4 种钢纤维体积含量(0%、1%、2%和3%)的超高性能混凝土在5 档围压(0、10、20、40 MPa 和60 MPa)下进行常规三轴压缩试验，得到各应力路径下超高性能混凝土的轴向、径向应力应变全曲线及应力圆。应力应变全曲线图显示，围压为40 MPa 时，4 种钢纤维超高性能混凝土在三轴压缩试验中均表现出一定的流变性质，超高性能混凝土变形性质及破坏模式由脆性开始向塑性转变。并由应力圆数据推导出每种钢纤维含量超高性能混凝土在不同围压下内摩擦角φ 和黏聚力c 的具体数值，并给出了内摩擦角φ 和黏聚力c 随钢纤维体积含量和围压增大的变化规律。结果显示：钢纤维含量相同，黏聚力随围压的增大而增大，内摩擦角随围压的增大而减小；同围压下钢纤维体积含量为2%时黏聚力最大，内摩擦角最小，有围压时钢纤维含量对内摩擦角的影响较小。
超高性能混凝土 钢纤维 内摩擦角 黏聚力 应力圆 ultra-high performance concrete steel fiber internal friction angle adhesion force stress circle
北京信息科技大学仪器科学与光电工程学院, 北京 100192
以血糖浓度为例,采用将动态光谱提取数据和非测量组分影响因素一同纳入预测模型的方式来提高血糖测量系统中的精度。通过支持向量算法建立血糖预测的模型,建模结果表明,考虑多因素模型的预测值优于未考虑非测量组分模型中的预测值。与后者相比,前者的相关系数达到0.9627,提高了14.23%;均方根误差为0.13,减少了43.12%;相对误差在10%范围内的样本数量增加8.33%。
医用光学 近红外光谱 血糖 动态光谱 支持向量机 激光与光电子学进展
2019, 56(4): 041701
1 中国科学院武汉物理与数学研究所波谱与原子分子物理国家重点实验室， 湖北 武汉 430071
2 中国科学院大学， 北京 100049
生物体产生的生物磁场信号携带有重要的生物电生理和病理信息，通常用超导量子干涉器件探测这些生物磁。随着原子磁力计发展到飞特斯拉水平，作为一种超灵敏磁场探测器，超灵敏原子磁力计在生物磁的测量和研究中扮演一个非常重要的角色。简要介绍了生物磁场信号来源及其特性，超灵敏原子磁力计的物理机制和分类，以及超灵敏原子磁力计在心磁、脑磁和神经科学等生物磁场测量领域的应用，展望了超灵敏原子磁力计在生物医学领域的应用与发展。
生物光学 原子磁力计 生物磁性 心磁 脑磁 神经冲动
1 北京信息科技大学 仪器科学与光电工程学院, 北京 100192
2 天津大学 精密仪器与光电子工程学院, 天津 300072
为了消除光学条纹对检测精度的影响, 基于光学条纹的映射特性, 提出了一种可有效补偿光路中平行介面造成的光学条纹的方法。在CO2检测系统中进行了理论分析和实验验证, 并展示了该方法的使用过程及补偿结果。结果表明, 即使在光学条纹漂移的情况下, 该方法仍可有效补偿光学条纹, 使测量信号与标准气体吸收信号的拟合相关度由0.8298提升至0.9934, 体积分数测量值标准差由1260×10-6降低至48.5×10-6。该方法极适合补偿检测器窗、气体池窗以及其它已集成于系统的光学元件造成的光学条纹, 在可调谐二极管激光器吸收光谱技术领域具有较大的应用价值。
光谱学 可调谐二极管激光光谱 光学条纹 气体检测 二次谐波 spectroscopy tunable diode laser absorption spectroscopy optical fringe gas detection the second-harmonic signal
1 哈尔滨工业大学 自动化测试及控制系, 黑龙江 哈尔滨 150000
2 哈尔滨学院 工学院, 黑龙江 哈尔滨 150000
3 黑龙江大学 电子工程学院, 黑龙江 哈尔滨 150081
为了能够完成噪声图像的超分辨率重构, 提出了一种基于稀疏表示的噪声图像超分辨率重构方法, 可以同时完成图像去噪和超分辨率重构。首先, 对样本图像和低分辨率图像进行块划分, 建立样本库。其次, 建立图像退化模型, 采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块, 计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法, 能够很好地解决噪声带来的影响。然后, 采用相似性对稀疏编码优化模型进行惩罚, 提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后, 求解权值, 根据权值和样本块重构高分辨率图像块, 并重构高分辨率图像。实验结果表明: 所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右, 重构的图像细节更丰富, 去噪效果更好, 更适合实际应用。
超分辨率 噪声图像 稀疏表示 权值模型 super resolution noise image sparse representation weight model
黑龙江大学黑龙江省普通高等学校电子工程重点实验室，黑龙江 哈尔滨 150080
为了实现对高光谱图像中的目标自动检测，提出了一种基于空间上下文单类分类器的目标检测算法。对所采用的空间与光谱结合的特征、SVDD分类器原理、算法流程等进行研究。首先分析了支持向量数据描述(SVDD，support vector data description)的单类分类原理。接着，结合高光谱图像特点，介绍了如何利用空间上下文信息和光谱特征作为SVDD分类器输入特征。然后，在分析比较空间光谱结合单类分类器性能的基础上，说明了采用该算法的原理。最后，给出了该算法的具体实现方法。实验结果表明：该方法优于常规的直接利用光谱信息的CEM等算法，在AVIRIS成像的某国外海军基地数据中，检测飞机目标的精度达到了90%以上。基本满足目标检测的稳定可靠、低虚警率、高识别率等要求。
高光谱图像 目标检测 单类分类 支持向量数据描述 hyperspectral image target detection one class classification support vector data description
