一种高线性度折叠混频器

    公开(公告)号:CN101662261B

    公开(公告)日:2012-08-22

    申请号:CN200910183919.8

    申请日:2009-08-12

    IPC分类号: H03D7/00 H04B1/16

    摘要: 本发明涉及一种高线性度折叠混频器,包括跨导级和混频核心电路,所述跨导级采用差分结构,由两个NMOS跨导单元和两个PMOS跨导单元组成。每个跨导单元由两个不同尺寸的晶体管并联而成,这两个晶体管处于不同的偏置电压下,其中一个MOS管偏置在饱和区作为跨导管使用,另一个MOS管偏置在亚阈值区作为辅助管使用。NMOS跨导单元和PMOS跨导单元一起构成单端的跨导放大级,两个单端跨导放大级构成整个差分跨导级。其优点是:在保持IM3产物不变的情况下可以提高6-7dB的增益,从而使IIP3提高6-7dB,在提高线性度的同时也提高了增益;可用于深亚微米工艺、高频通信集成电路中。

    零中频无线接收机直流偏差消除装置

    公开(公告)号:CN101252366A

    公开(公告)日:2008-08-27

    申请号:CN200810019861.9

    申请日:2008-03-18

    IPC分类号: H04B1/30 H04L25/06

    摘要: 零中频无线接收机直流偏差消除装置主要包括前馈放大模块Atot(41)、求和模块(42)、第二放大器Av(24)、跨导放大模块Gm(31);求和模块(42)的正输入端接射频输入信号(X),求和模块(42)的负输入端接跨导放大模块Gm(31)的输出端,求和模块(42)将输入的两路信号求和后输出到前馈放大模块Atot(41)的输入端,前馈放大模块Atot(41)的输出端输出消除了直流偏差的射频输出信号(Y),同时前馈放大模块Atot(41)的输出端还与第二放大器Av(24)的输入端相接,第二放大器Av(24)的输出端接跨导放大模块Gm(31)的输入端。它可以有效消除零中频接收机中混频器输出信号的直流偏差信号,避免信噪比的恶化及后级放大器的饱和,保证零中频接收机的有效运作。

    一种高线性度折叠混频器

    公开(公告)号:CN101662261A

    公开(公告)日:2010-03-03

    申请号:CN200910183919.8

    申请日:2009-08-12

    IPC分类号: H03D7/00 H04B1/16

    摘要: 本发明涉及一种高线性度折叠混频器,包括跨导级和混频核心电路,所述跨导级采用差分结构,由两个NMOS跨导单元和两个PMOS跨导单元组成。每个跨导单元由两个不同尺寸的晶体管并联而成,这两个晶体管处于不同的偏置电压下,其中一个MOS管偏置在饱和区作为跨导管使用,另一个MOS管偏置在亚阈值区作为辅助管使用。NMOS跨导单元和PMOS跨导单元一起构成单端的跨导放大级,两个单端跨导放大级构成整个差分跨导级。其优点是:在保持IM3产物不变的情况下可以提高6-7dB的增益,从而使IIP3提高6-7dB,在提高线性度的同时也提高了增益;可用于深亚微米工艺、高频通信集成电路中。

    一种双极型带宽可调的低通滤波器

    公开(公告)号:CN101399529B

    公开(公告)日:2010-06-09

    申请号:CN200810195524.5

    申请日:2008-11-04

    IPC分类号: H03H11/12 H03M1/78

    摘要: 一种双极型带宽可调的低通滤波器,包括主滤波器单元和从滤波器单元,还设有鉴频鉴相器和滤波器单元以及数模转换器单元。本发明采用主滤波器单元和从滤波器单元的主从结构,构成间接调节电路,保证主滤波器单元的精度,从而使得整体低通滤波器的带宽精确度得到保证;通过数模转换器单元,实现了带宽可调,数模转换器单元由外部集成电路总线数字控制信号控制,从而控制整个低通滤波器的带宽,即本发明低通滤波器的带宽可以由外部控制,扩大了低通滤波器电路的应用范围,且控制频率精度高、电路实现简单。

    一种双极型带宽可调的低通滤波器

    公开(公告)号:CN101399529A

    公开(公告)日:2009-04-01

    申请号:CN200810195524.5

    申请日:2008-11-04

    IPC分类号: H03H11/12 H03M1/78

    摘要: 一种双极型带宽可调的低通滤波器,包括主滤波器单元和从滤波器单元,还设有鉴频鉴相器和滤波器单元以及数模转换器单元。本发明采用主滤波器单元和从滤波器单元的主从结构,构成间接调节电路,保证主滤波器单元的精度,从而使得整体低通滤波器的带宽精确度得到保证;通过数模转换器单元,实现了带宽可调,数模转换器单元由外部集成电路总线数字控制信号控制,从而控制整个低通滤波器的带宽,即本发明低通滤波器的带宽可以由外部控制,扩大了低通滤波器电路的应用范围,且控制频率精度高、电路实现简单。

    宽带低噪声放大器
    6.
    发明授权

    公开(公告)号:CN100596018C

    公开(公告)日:2010-03-24

    申请号:CN200810019662.8

    申请日:2008-03-11

    IPC分类号: H03F1/26 H04B1/10

    摘要: 宽带低噪声放大器是一种用于放大宽带射频信号的低噪声放大器以及一种宽带输入匹配设计方法。该低噪声放大器包括差分放大器单元(10)、输出单元(20)、反馈单元(30);该放大器采用差分结构,以并联-并联负反馈结构实现在宽带范围内的输入阻抗匹配,优化电路的噪声性能。而且反馈电路同时为输入晶体管提供直流偏置,将交流反馈和提供直流偏置的功能结合在了一起,使得直流工作点更加稳定。

    宽带低噪声放大器
    7.
    发明公开

    公开(公告)号:CN101252341A

    公开(公告)日:2008-08-27

    申请号:CN200810019662.8

    申请日:2008-03-11

    IPC分类号: H03F1/26 H04B1/10

    摘要: 宽带低噪声放大器是一种用于放大宽带射频信号的低噪声放大器以及一种宽带输入匹配设计方法。该低噪声放大器包括差分放大器单元(10)、输出单元(20)、反馈单元(30);该放大器采用差分结构,以并联-并联负反馈结构实现在宽带范围内的输入阻抗匹配,优化电路的噪声性能。而且反馈电路同时为输入晶体管提供直流偏置,将交流反馈和提供直流偏置的功能结合在了一起,使得直流工作点更加稳定。

    一种基于空间正反对角卷积的神经网络压缩方法

    公开(公告)号:CN109886391B

    公开(公告)日:2023-04-28

    申请号:CN201910089080.5

    申请日:2019-01-30

    申请人: 东南大学

    摘要: 本发明公开了一种基于空间正反对角卷积的神经网络压缩方法,对许多场景而言,卷积神经网络是目前计算机视觉和数字图像处理解决方案的核心,但卷积神经网络的计算复杂度和参数数量仍然是各种应用场景的限制因素。为了提高卷积神经网络的计算效率,减少网络的参数个数,本发明在空间上,将一对连续的传统方形卷积核替换为正反对角卷积核,先进行正对角卷积操作,然后经过批归一化和非线性函数激活处理后,再进行反对角卷积操作,在保留了更有效的局部感受中心的前提下进一步降低了卷积神经网络的计算复杂度,加快了网络传播速度,同时对角卷积具有一定的正则化效果,提高了网络的鲁棒性,降低了模型的过拟合,网络压缩后的整体效果提升明显。

    视觉深度自适应神经网络的一维卷积位置编码方法

    公开(公告)号:CN112801280B

    公开(公告)日:2022-11-08

    申请号:CN202110263635.0

    申请日:2021-03-11

    申请人: 东南大学

    IPC分类号: G06N3/04 G06N3/08

    摘要: 本发明公开了一种视觉深度自适应神经网络的一维卷积位置编码方法,包括:1)将输入的批量图片分为N2个片段,图片通道数由C转换为D,并将宽高维度展开为1维;2)将通道维度与宽高维度进行置换;3)将2)结果与分类表征拼接,分类表征是一个可学习的向量;4)将3)结果进行一维卷积,将卷积结果作为位置编码,并将位置编码与3)结果进行相加;5)用1)‑4)过程作为该模型的嵌入模块,在之后使用堆叠的编码模块;6)对1)‑5)所提出的网络在大规模数据集上进行预训练;7)在预训练模型的基础上训练基准数据集。一维卷积位置编码技术经验证对于深度自适应神经网络在视觉领域应用的精度有显著提升效果。

    基于通道注意力模块的轻量级神经网络模型

    公开(公告)号:CN113344188A

    公开(公告)日:2021-09-03

    申请号:CN202110676000.3

    申请日:2021-06-18

    申请人: 东南大学

    IPC分类号: G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于通道注意力模块的轻量级神经网络模型,该模型基本模块是由深度可分离卷积、逐点卷积以及通道注意力模块相互结合而成。利用深度可分离卷积替换标准卷积能够降低参数量与计算量,而逐点卷积能够实现跨通道之间图像特征信息的融合;最后引入通道注意力机制,一方面增加图像特征信息之间的交互,提升卷积效率,另一方面则能够通过学习图像全局信息来有选择性地加强包含有用信息的特征并抑制无用信息特征。基于此构建的轻量级神经网络模型DCCANet相比于目前主流轻量级神经网络模型,在COCO数据集目标检测与实例分割任务中,检测精度与实例分割精度以及响应速度都有了明显的提升。