选择特殊符号
选择搜索类型
请输入搜索
译者序
原书序
缩略语表
物理量符号
第1章 绪论1
1.1 A-D转换系统1
1.2浅谈当前的设计与调试实践分析4
1.3动机7
1.4本书内容组成8
第2章 A-D转换9
2.1高速、高分辨率A-D转换器架构选择9
2.1.1多步A-D转换器9
2.1.2管线A-D转换器10
2.1.3并行管线A-D转换器12
2.1.4 A-D转换器实现比较13
2.2低压A-D转换器设计注释16
2.3 A-D转换器模块21
2.3.1 S/H21
2.3.2运算放大器24
2.3.3锁存比较器27
2.4 A-D转换器:总结31
第3章 多步A-D转换器的设计33
3.1多步A-D转换器架构33
3.2非理想多步A-D转换器的设计注意事项36
3.3时间交错的前端S/H电路39
3.3.1时间交错架构40
3.3.2 S/H单元的匹配44
3.3.3电路设计49
3.4多步A-D转换器级设计53
3.4.1粗略量化53
3.4.2精细量化58
3.5中间级设计和校准67
3.5.1子D-A转换器设计67
3.5.2残差放大器69
3.6实验结果76
3.7小结80
第4章 多步A-D转换器的测试82
4.1准静态结构试验的模拟ATPG82
4.1.1测试策略定义83
4.1.2基于准静态节点电压法的线性故障模型84
4.1.3决策标准和测试刺激优化92
4.2可测性概念的设计98
4.2.1功率扫描链DfT100
4.2.2应用实例105
4.3用于BIST的片上激励的产生113
4.3.1连续和离散时间电路拓扑114
4.3.2连续和离散时间波形发生器的设计123
4.4内置自测概念的注释131
4.5深亚微米CMOS工艺的随机分析可靠电路设计136
4.5.1用于过程变异性分析的随机MNA136
4.5.2噪声分析的随机MNA138
4.5.3应用示例140
4.6小结144
第5章 多步A-D转换器的调试146
5.1传感器网络概念146
5.1.1观察策略147
5.1.2集成传感器149
5.1.3决策窗口和应用限制152
5.1.4 DLPM电路设计155
5.1.5温度传感器160
5.2模板级过程变化的估计163
5.2.1预期最大化算法163
5.2.2向量机限制估计器166
5.3多步A-D转换器级的调试168
5.3.1质量标准168
5.3.2估算方法169
5.4 DfT用于多步转换器的完全可访问性173
5.4.1测试控制块177
5.4.2模拟测试控制块178
5.5时间交织系统的调试180
5.6前景校准184
5.7实验结果187
5.7.1 A-D测试窗口生成/更新的结果应用191
5.7.2 A-D转换器调试和校准的结果应用195
5.8小结202
第6章 结论和建议203
6.1结果概述203
6.2推荐和未来研究204
附录 205
附录A 205
A.1时间不匹配205
A.2偏移不匹配206
A.3增益不匹配207
A.4带宽不匹配207
A.5一般表达式208
附录B 208
B.1使用正弦波的A-D转换器非线性的直方图测量208
B.2均方误差210
B.3测量不确定性211
参考文献213
在本书中,作者概述了这些创新的有价值的例子,并给人们机会看到它们在应用于高分辨率模-数(A-D)转换器(ADC)开发时的优势。更具体地,读者可以发现本书的主要贡献在于:使用时间交织的信号处理和校准的多步A-D转换器的设计、用于这些转换器的完全可观测性和可控性的DfT(可测性设计)技术的提出和实现、可以识别过程参数变化的传感器网络的方法与设计、使用小型样本来估计过程变化的算法的建议以及用于晶片级测试的测试模式生成器的开发。
精度与AD的设计是有关系的,而分辩率是只与位数有关系的分辨率是可以计算的,U/2^位数 你的例子就是 10V/2^16=0.1526mV精度绝对值肯定是>分辩率的精度是需要测量出...
大多都支持1080p
在24寸的显示器中要比27寸的显示器中要显得细腻。所以在大屏幕的显示器中,我们都尽量调高分辨率,便得画面更细腻。但分辨率高了,机器的负荷显然也就升高了,要保持同样的画面流畅,必然对显卡、内存等要求要更...
基于基元的高分辨率遥感建筑物提取研究
如何自动地从高分辨率遥感影像中提取建筑物等人工目标是高分辨率遥感影像处理与理解领域的一个热点与难点问题,建筑物作为人类改变自然界的标志性地物之一,其各种信息的快速自动提取是地形测图和城市地理数据更新的重要步骤,也是衡量人类活动的主要因素之一。本文提出了影像-基元-目标的影像分析方法,首先对高分辨率遥感影像进行特征提取,通过聚类方法形成不同基元,在此基础上对相应的基元特征进行分析及建筑物模式的匹配,完成建筑物的自动提取过程,相应方法也可以推广到其他目标地物的识别过程。
高分辨率影像建筑物提取方法对比
与传统的信息提取方法相比;将机器学习算法应用到遥感影像信息提取中;可以提高结果的精度;文章以WorldView-2遥感影像为例;首先利用多尺度分割选取最优分割尺度;获得影像对象;在基于对象的基础上利用特征空间优选工具获得最优特征子集;最后利用J48算法、随机森林算法对建筑物提取的效果进行分析;实验结果表明:J48算法在高分辨率影像建筑物提取中有更好地效果;
高功率的车一定比低功率的油耗高,大马力的车一定比小马力的费油,教授相信绝大部分人都会有这样的惯性思维。但事实却不一定是这样。首先,影响油耗的因素是多方面的,绝对不能单凭任何一项参数去判断整车油耗,所有只通过一个因素就判断油耗的行为都是耍流氓。
轮胎、变速箱、风阻系数、车重等等因素都会影响油耗,包括同样功率和排量的不同品牌的发动机的油耗表现也不尽相同,这些大家多多少少都应该有所了解了。今天教授想和大家讨论的是在同一排量,同一个型号的发动机的情况下,高功率版本不一定比低功率版本的油耗更高。
高功率低油耗事例
举个例子更有说服力,宝马320Li和328Li的搭载的都是型号为N20B20的2.0T发动机,通过提高涡轮增压值,强化发动机部件等调校实现高低功率的差异。经过教授的亲手测试,在同样的城市道路上行驶50公里。发动机最大功率为180kw的328Li比135kw的320Li的百公里平均油耗反而低了0.5升,这是为什么呢?下面教授就为大家分析一下。
高功低油的原理
在同样的工况下,在低功率版本发动机接近满负荷时,为了避免爆震发生,发动机采取了某些控制策略比如让供油时间稍微延迟,加浓混合气;此时他的兄弟高功率版本还没接近满负荷呢,还很淡定,不用作出特殊的处理,因此仍然该干嘛干嘛。在这种情况下,显然就发动机的油耗而言,高功率表现会更好。
也就是说理论上同一款发动机,在大部分工况下,控制策略那都是一样的,油耗也差不多,而在负荷比较大,特别是在接近满负荷时,高功率发动机会表现更加淡定,而低功率因为接近极限,所以会提高喷油量来达到保持足够动力输出的目的,油耗自然会高一点。
总结
经过简单的说明,相信大家也有了一定了解。但是千万不能以偏概全,教授是希望大家明白一个道理,高功率的油耗不一定高,低功率的油耗也不一定低。不要以单一指标去判断油耗,选车时要全方面的考虑,实践是检验真理的唯一标准。
单个高分辨率adc的优点是简单。如果使用16位adc,对于较小动态范围的信号,丢失3、4或5位会使该信号的有效分辨率降至11至14位。然而,对于大多数传感器来说此精度足够了,因为adc的精度相当于0.05%或更佳。 由于这些器件的价格最近已降到5美元或更低,因此成本将不再是需要考虑的因素。如果需要更高的有效分辨率,或者需要适应更宽的动态范围,可以使用18至24位的adc,仍然能提供性价比较高也更简单的系统。2100433B