【摘 要】
：
在当今的信息时代,随着人工智能和物联网技术的发展,传感器技术已经成为了当代科学技术推进必不可少的一部分,也是工业腾飞发展的基础和保证。霍尔角度传感器是目前主流的一种非接触式的磁性角度传感器,它将磁领域和电领域关联到了一起,它前端探测头与后端的信号处理电路集成在一起,它的动态范围宽,制造的成本低,在工业、汽车和消费电子领域得到广泛的应用。接触式传感器根据滑动变阻器的原理制造,电刷和电阻带之间的摩擦会
论文部分内容阅读
在当今的信息时代,随着人工智能和物联网技术的发展,传感器技术已经成为了当代科学技术推进必不可少的一部分,也是工业腾飞发展的基础和保证。霍尔角度传感器是目前主流的一种非接触式的磁性角度传感器,它将磁领域和电领域关联到了一起,它前端探测头与后端的信号处理电路集成在一起,它的动态范围宽,制造的成本低,在工业、汽车和消费电子领域得到广泛的应用。接触式传感器根据滑动变阻器的原理制造,电刷和电阻带之间的摩擦会使器件损耗降低传感器的精度和使用寿命。而霍尔角度传感器是通过非接触式的方式进行角度的测量能保证更长的使用寿命和稳定性。但霍尔器件存在失调电压较高和磁场灵敏度较低的问题限制了霍尔传感器更多的应用。基于以上的问题进行研究,本文使用SMIC 180 nm CMOS工艺设计了一款适用于角度探测的霍尔角度传感器,它以垂直霍尔器件为基础构成霍尔角度传感器的前端探测头,并通过后端的信号处理电路处理可得到与测量角度相关的输出信号。本文先介绍了霍尔效应的基本原理,并分析了不同结构霍尔器件的优缺点,介绍了五接触孔垂直霍尔器的电阻模型,传统的垂直霍尔器件受所选用工艺的限制,在霍尔效应的作用下产生的霍尔信号较小,并有较高的失调电压,针对这个问题,选用了具有小初始失调的五接触孔带保护电极的垂直霍尔器件,并通过SILVACO TCAD软件对影响垂直霍尔器灵敏度的关键因素进行了仿真分析,为了进一步消除失调电压提高灵敏度,使用了正交耦合的垂直霍尔器件结构,使得输出的霍尔电压更为精确。在后端信号处理电路部分,通过对比三种仪表放大器,电流反馈仪表放大器的特性更适合作为霍尔角度传感器的放大电路;并结合斩波技术减小失调噪声,设计了一款适用于霍尔角度传感器的电流反馈仪表放大器电路,针对斩波技术引起的纹波,设计了一款在通频带内具有较好的平坦度的四阶双端巴特沃斯低通滤波器进行信号处理,它的截止频率为400k Hz;通过Cadence Virtuoso软件进行对信号读出电路进行了时域和频域上的仿真和分析,对整体电路进行了瞬态、输入参考噪声功率谱密度等仿真分析;并设计布局了芯片的版图,对整体电路进行了后仿验证,提取GDS文件交付给代工厂流片,传感器芯片整体面积约为1.4mm×1.2mm,电路的工作电压为3.3V,消耗的电流为4.5m A。
其他文献
Baeyer-Villiger单加氧酶（BVMOs）是一类应用广泛的生物催化剂,从催化酮类化合物发生亲核氧化到催化含杂原子的化合物发生亲电氧化,能够氧化硫醚合成亚砜类化合物。埃索美拉唑是目前治疗胃溃疡等疾病的亚砜类化合物,其药效好副作用低,由于其化学法合成存在反应条件苛刻、容易产物砜副产物和环境不友好等缺点,绿色环保的生物催化合成法逐渐成为研究热点,而获得高效高立体选择性的BVMOs是生物合成埃索
生物活性肽具有抗氧化、降血压、抑菌、抗肿瘤、免疫调节、激素调节等多种生物学功能,微量即发挥强大的生理活性,还有安全性高、价格低廉、特异性强的特点,是当前国际食品界极具发展前景的功能因子。毕赤酵母被美国FDA认定为GRAS（Generally recognized as safe）微生物,为其在食品和医药上的应用奠定了基础。因此,用毕赤酵母进行高效表达生物活性肽应运而生。首先,将设计好的外源DNA在
肝细胞癌是全球第三大癌症死亡原因,5年生存率不足33%。主要原因是缺乏有效的诊断预后标志物和精准的治疗方案。本研究拟通过肝细胞癌组织定量蛋白组学筛选潜在的诊断预后标志物,并进行蛋白质组分子分型,为肝细胞癌精准治疗提供依据。方法:（1）通过数据非依赖采集策略对152对肝细胞癌组织样本（癌与癌旁）进行蛋白质组定量分析,通过蛋白质数目、表达量绘制肝细胞癌组织蛋白质组图谱。（2）集成机器学习方法对癌组织相
近年来,行人重识别技术被研究人员广泛应用于社会智能监控领域,实现商场失踪行人轨迹搜寻和公安追踪罪犯嫌疑人逃跑路线标定。传统行人重识别算法主要关注目标对象的外部明显特征,因此易受光照、相机角度等外界环境变换的干扰。本文通过多特融合的方式,引入步态特征,从而构建完成行人重识别监控系统,本文主要工作具体如下:（1）步态特征用于解决跨摄像头下行人变装和遮挡等问题。步态特征提取步骤为:步态视频图像信息预处理
利用受激拉曼散射现象能将基频激光以介质拉曼频移量为间隔扩展新的激光谱线,在光纤通信、生物医疗等多个领域都有着广泛的研究与应用。光学微球腔由于品质因子高、回音壁模（WGMs）的模式体积小、光子寿命长、功率密度大等特点在研究低阈值微腔激光器、非线性光学现象方面有很大优势。自激发拉曼散射（Self-SRS）现象在同一谐振腔中同时存在受激辐射基频激光和受激拉曼散射激光,利用其扩展激光光谱的光学结构变得简化
为了缓解环境污染、化石能源消耗、气候变化等一系列问题,近年来光伏发电装机量在世界范围内迅猛增长。光伏阵列作为光伏发电系统的核心能量采集部件,长期工作在恶劣户外环境下易发生性能退化及遭受各种故障,因此评估其工作状态对提高发电效率、减少火灾事故发生等方面具有重要意义。本文主要从基于Ⅰ-Ⅴ特性曲线的光伏电池/阵列模型内部参数辨识和光伏阵列故障诊断两个方面开展研究,主要工作内容如下:首先,提出一种基于网格
伤口感染是临床上常见的问题,通常会造成伤口闭合时间延长或疤痕形成。采用抗生素和敷料护理是临床上常用的治疗感染伤口的方法。然而,抗生素的滥用容易导致耐药菌的产生,进而造成更严重的感染,形成慢性难愈合伤口,严重时还能引起威胁生命的并发症。同时,功能单一的普通敷料也难以满足伤口愈合过程中的所有需求,因此很难实现伤口的快速愈合和功能修复。本课题基于氧化葡聚糖（ODex）和甲基丙烯酰化明胶（Gel MA）,
智能、高效的故障诊断方法对提升光伏电站的发电效率,维持其正常运行具有重要意义。近年来,许多基于机器学习和深度学习的智能方法被应用于光伏阵列的故障诊断。然而,受最大功率点跟踪算法、时变环境条件等因素影响,光伏阵列的电气工作参数包含复杂的暂态过程,严重影响了故障特征质量。此外,难以从实际光伏阵列中获取大量真实样本数据,用于训练出高性能的故障诊断模型。针对上述问题,本文开展了深度迁移学习和稳态时序数据的
近年来,通过改变自编码器的潜变量空间对数据的属性进行选择性控制已经引起了学术界的广泛关注。属性控制生成是数据生成领域中一个重要的研究方向,目的是由模型学习数据的不同特征,在生成的过程中通过简单的调控生成具有期望的特征的数据。通常,数据由深度生成模型进行表示学习并编码到潜变量空间中,通过查找潜变量空间维度和数据属性的对应关系来操控数据的属性。例如对于人脸图像数据,通过使用表示学习的方式,把脸部的特征
基于von Neumann架构的传统计算机由于存储单元和CPU的分离,极大地限制高效计算机的发展。相反,具有高度连通性（突触）的哺乳动物皮层神经元可以并行处理大量信息。因此,在冯·诺依曼瓶颈的推动下,人们对用于神经形态并行计算的仿生突触器件产生极大的兴趣。然而,关于对突触性能进行精确调控的文献报道并不多。因此,通过合理的器件结构设计来调控器件的突触性能,对于未来实现高精度高保真度的神经计算具有重大