针对AMOLED驱动芯片小面积、高精度、低功耗的需求, 设计了一种具有DAC功能的高性能输出缓冲器。该缓冲器采用轨对轨的输入级和Class AB输出级以适应大的输入输出电压范围, 采用Cascode Miller补偿以减小补偿电容大小, 其尾电流源可编程以实现4 bit DAC功能插值, 节约了整体功耗和芯片面积。在UMC80 nm CMOS工艺下, 仿真结果表明, 在0.2～6.3 V的输入电压范围内, 缓冲器直流增益大于70 dB, 相位裕度大于60°, 静态电流最小可至0.5 μA, 建立时间低至1.49 μs; 典型中压3.3 V的情况下, 直流增益可达129 dB, 相位裕度为75°, 增益带宽为9.4 MHz, 静态电流为1.3 μA; 对60 mV输入电压进行4 bit插值后, 输出误差小于0.255 mV。设计的缓冲器精度高、建立时间快且功耗低, 输出缓冲器实现了第二级DAC的作用, 满足了AMOLED源极驱动的应用需求。

采用水热法制备NaY(MoO4)2∶Eu3+@SiO2上转换发光材料,利用X射线衍射(XRD)、扫描电子显微镜(SEM)、能谱仪(EDS)、傅立叶变换红外光谱(FT-IR)、荧光光谱(FL)等对合成样品的结构和发光性能进行分析,结果表明,NaY(MoO4)2∶Eu3+@SiO2核-壳结构样品与标准NaY(MoO4)2∶Eu3+的PDF各个特征衍射峰峰位保持一致,且均未出现杂质衍射峰; 微观形貌为核壳结构,NaY(MoO4)2∶Eu3+包覆在SiO2微球表面,得到亚微米级球体。XRD及表面元素含量测定结果表明,Eu3+占据了Y3+的晶格位置; SiO2微球中的Si-OH键可以键合其中的金属离子; 793 nm近红外光激发下,在616 nm处,观察到了Eu3+的上转换特征发射峰(红光发射峰),NaY(MoO4)2∶Eu3+@6.2SiO2粉体的光致发光强度达到纯NaY(MoO4)2∶Eu3+荧光粉体发光强度的3倍以上。

采用深度学习方法,利用网络爬取、实地拍摄两种方式获取数据,并构建基于Faster R-CNN(region-based convolutional neural networks)的金丝猴优化检测模型。通过比较不同的模型,明确模型的最优构建方案;通过对比基于不同训练集构建的模型的检测精度,探究建模数据最优补充方案。研究结果表明:相比Vgg16和Res50网络,基于Res101网络在迭代70000次时可以构建最优的模型;在实测数据有限时,可以采用网络图片作为替代数据源进行金丝猴面部检测,并且可以将其作为辅助数据源优化金丝猴身体检测效果;相对于经典的卷积神经网络,该方法不仅检测效果更好,而且运行时间更少;该模型可以在复杂生态背景图片中有效地进行金丝猴定位与识别。所提方法对金丝猴野外发现与跟踪有很强的现实意义。