0.25 μm CMOS工艺10位150 MHz流水线型ADC设计

采用流水线结构完成了一个10位精度150 MHz采样率的模数转换器的设计.通过采用动态比较器降低电路的功耗．在采样保持电路中使用一种新颖的自举开关，可减小失真，使得电路在输入信号频率很高时仍具有很好的动态性能．芯片采用台积电(TSMC) 0.25 μm CMOS工艺,其有效面积为2.8 mm.测试结果表明，最大积分非线性误差和微分非线性误差分别为1.15 LSB和0.75 LSB；在150 MHz采样率下，对80 MHz信号转换的无杂散动态范围为52.4 dB；功耗为97 mW．     

GC-MS结合化学计量学方法分析窨制工艺对烟丝致香成分的影响

【目的】研究窨制工艺对烟丝醇化过程和品质的影响。【方法】利用GC-MS和化学计量学方法，分析不同窨制时间和温度下烟丝致香成分的变化。【结果】从烟丝中共分离得到化合物496种，鉴定出香气物质164种。计量学分析表明：不同窨制条件下烟丝的致香成分存在一定的共性和差异。未窨制烟丝(CK)与不同窨制温度处理烟丝的差异化合物有42种，20℃窨制72 h的烟丝中有21种化合物含量较CK显著升高，包括异丙醇、正己醇、巨豆三烯酮A、巨豆三烯酮B、巨豆三烯酮C、大马酮A、大马酮B、法尼基丙酮、香叶基丙酮、异薄荷酮、紫罗兰酮、denticulatolide、二氢猕猴桃内酯、肉豆蔻酸乙酯、棕榈酸乙酯、对乙烯基愈创木酚和肉豆蔻酸等。随着窨制时间的延长，烟丝中异丙醇、薄荷脑、巨豆三烯酮A、巨豆三烯酮B、异薄荷酮、紫罗兰酮、罗汉柏烯和异松油烯等化合物的含量逐渐升高，且在20℃窨制72 h处理中最高。【结论】20℃下桶储72 h，烟丝香气成分种类较丰富，窨制效果最佳。     

遗传小波神经网络在模拟电路故障诊断中的应用

提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.