1 中国科学院半导体研究所 半导体超晶格国家重点实验室, 北京 100083
2 中国科学院大学 材料与光电研究中心, 北京 100049
3 中国科学院脑科学与智能技术卓越创新中心, 北京 100083
面向微光环境的高时间分辨成像需求, 基于CMOS图像传感器工艺, 设计并仿真验证了一种具有三角形状梯度掺杂且浮置扩散区域中置的超快电荷转移大尺寸光电二极管(PPD)像素器件。它通过N埋层掺杂形状和梯度掺杂设计增强光生电荷传输路径的电势梯度, 加速光生电荷从N埋层感光区域向电荷存储区域的转移。同时通过对传输管沟道的梯度掺杂, 减小了沟道反弹电荷的水平, 有效提升了光生电荷转移效率。仿真结果表明, 三角形枝状的圆形像素器件在30000个电荷的情况下, 在电荷转移效率达到99.9%时, 电荷转移时间为1ns, 同时其反弹电荷水平在1e-以下。该PPD像素器件可用于微光环境下的高时间分辨率成像。
PPD像素器件 大尺寸像素器件 超快电荷转移 高时间分辨率 PPD pixel device large-size pixel device ultra-fast charge transfer high time resolution
苏州大学 城市轨道交通学院, 江苏 苏州 215006
基于形状上下文(Shape Context)算法并融合主成分分析(PCA)的降维思想, 提出了一种PCA-SC算法来提高形状匹配和目标识别的速度和抗噪能力。该算法将SC算法获取的特征矩阵构成协方差矩阵, 按照特征值由大到小的准则进行降维, 形成新的特征矩阵用于匹配和识别, 既抑制了噪声干扰, 提高了识别准确率, 又能够提高匹配速度, 易于满足工程应用对实时性的要求。利用MNIST图像数据库中的图像进行了实验分析, 结果表明, PCA-SC算法在保持了SC算法原有的定位准确、抑制噪声等优点的基础上, 识别速度提高了1倍; 准确率达到了96.15%, 提高了约0.5%; 而且抗噪性更强, 可用于匹配和识别较复杂的形状和目标。该算法基本满足匹配和识别对速度、准确率和抗干扰性等方面的要求。
形状匹配 目标识别 主成分分析 形状上下文算法 shape matching object recognition Principal Component Analysis(PCA) shape context(SC) algorithm
1 空军工程大学 理学院，陕西 西安710051
2 西安交通大学 电子陶瓷与器件教育部重点实验室，陕西 西安710049
3 空军工程大学 综合电子信息系统与电子对抗技术研究中心，陕西 西安710051
在太赫兹波段设计了一种宽频带准全向的平板超材料吸波体．仿真结果表明,该吸波体在4.36～4.91 THz之间具有极化不敏感和宽入射角的强吸收．提取的等效阻抗实部表明,可以通过调节超材料的电磁响应造成吸波体一侧与自由空间近似阻抗匹配、另一侧与自由空间阻抗不匹配，从而在吸收频带内同时实现反射率和传输率最小、吸收率最大．仿真的三种不同损耗情况下吸波体的吸收率表明,吸波体的强吸波特性主要源于金属损耗；金属无耗时，基板的介质损耗只能吸收部分能量．仿真的金属覆层在不同电导率和不同厚度情况下吸波体的吸收率表明,可以通过选用合适高电导率的金属以及适当减小金属覆层的厚度来加强金属损耗的强度．该吸波体可能在许多领域具有广泛的应用．
太赫兹 宽频带 极化不敏感 宽入射角 terahertz wide-band polarization-insensitive wide-angle
