- 博客(11)
- 收藏
- 关注
RSS订阅原创 1.3 Bipolar Junction Transistor （BJT）双极结型晶体管（三极管）
为了构建一个可用的放大器或开关，我们需要超过两个端点。通常，我们需要一个设备，其输出电压或电流由另一个端点的电压或电流来控制。输入和输出端口的隔离在构建放大器或逻辑门时非常重要。因此，最少需要三个端口。我们将修改一个结二极管，使其电流由不同节点的电压控制。正如我们之前看到的，在结二极管中，载流子从结的一侧注入到另一侧。具有足够热能穿越结的载流子数量是由玻尔兹曼分布控制的，并且依赖于结两侧电势差的指数变化。一旦这些载流子到达对侧，它们变成了少数载流子。在 p 型材料中，电子是少数载流子；
2025-07-13 12:07:57
620
原创 1.2 pn结二极管
首先，耗尽区的宽度，决定结电容，主要由掺杂浓度较轻的一侧（即较小的 ( N )）主导。这应该是直观的，因为在电场与位置的图像中，结宽度加倍将使图下的面积增加四倍（曲线的斜率由掺杂浓度控制，因此是常数）。在绝对零度 T = 0K时，p型材料中的受主和n型材料中的施主均未电离，材料和能带图如图所示1.25. 当温度升高到0K以上时，n 型材料中的施主处释放自由电子，p 型材料中的受主位置吸收自由电子（或“释放空穴”）。) 是新势垒的高度。我们注意到，在室温下，所有掺杂物都是电离的，因此，n 区的电子密度为 (
2025-07-10 01:11:49
907
原创 ANALOG 1.1.3-1.1.5
如果我们绘制纯半导体的自由载流子数与绝对温度的关系，并与掺入单位体积中ND施主原子（或NA受主原子）的相似类型半导体的载流子数进行比较，我们将观察到图1.19中显示的三个不同区域。由于电子在运动过程中，会在每次碰撞后发生随机化的变化，其速度不仅仅是电场作用下的增加量，还包括热运动的随机波动。当施加电场时，电子在电场的作用下会加速，但电子加速的速度并不是无限的。当V列元素被引入到半导体材料中时，它的四个外壳电子与相邻的4个半导体原子形成共价键，但是会有一个额外的电子附着在第五列元素上，如图1.15所示。
2025-07-06 10:22:26
801
原创 Analog 1.1.1-1.1.2
《模拟电路设计的学习方法与物理基础》摘要 本文基于Ali Hajimiri的模拟电路教学手稿，探讨了电路设计的分析方法与物理基础。作者强调，手工分析应与计算机模拟互补，80%的设计问题可用简单分析解决，但剩余20%需投入80%时间。有效的设计工具应模块化，逐步逼近问题核心。物理基础部分从宏观电阻特性入手，深入微观层面解释电子能级现象，通过德布罗意波长、玻尔氢原子模型和泡利不相容原理，阐明不同材料电阻率差异的本质。研究表明，能级分裂形成能带结构是导体、半导体和绝缘体差异的关键。学习过程应遵循从简单到复杂的归纳
2025-07-05 20:28:09
860
原创 为什么会有原码、反码和补码？
运算革命减法完全融入加法器，硬件复杂度降低50%符号位与数值位统一处理，无需特殊电路数学与硬件的共鸣模运算理论为补码提供数学基础二进制位宽天然契合模系统，实现效率最大化设计哲学启示优秀的技术标准往往源于基础数学原理的创造性应用硬件设计需在数学严谨性与工程可行性间寻求平衡补码的成功印证了计算机科学的核心思想——用简洁的数学原理解决复杂的工程问题。这一设计至今仍在每颗CPU的算术逻辑单元（ALU）中默默运转，见证着数学智慧与工程实践的完美融合。
2025-05-17 12:26:55
1161
原创 深入理解 LSTM：原理与公式全解析及MATLAB实现
定义一个名为rnn_LSTMinput：是输入的数据序列，其维度为，代表批量大小、时间步数以及输入特征的维度。w_ihw_hh：分别是输入到隐藏层以及隐藏层到隐藏层的权重矩阵，用于计算不同阶段的线性变换。b_ihb_hh：分别是对应于w_ih和w_hh的偏置向量，用于在相应的线性变换中添加偏置项。*_ih为输入到隐藏层的参数，*_hh为隐藏层到隐藏层的参数。函数的返回值有三个：output：代表LSTM在各个时间步的输出序列，维度为。：最终的隐藏状态。
2024-12-06 22:55:27
1866
原创 理解 Verilog HDL 的抽象层次
VerilogHDL组合逻辑的编码可以从三个不同抽象层实现，这些抽象层是描述同一种硬件的不同方式。从具体到抽象的程度，可以分为gate、dataflow、behavior三种，其中gate级描述了硬件实际搭建的过程，dataflow级描述实际的逻辑门控数据的流动方式，behavior描述的是电路实际行为方式。可以根据用户实际喜好实现三种方式用于描述您的设计，下面我们还将看看这三种抽象层次所实现代码的差异。
2024-10-12 23:23:54
1452
原创 理解YOLO后处理操作：基于MATLAB实现
本文旨在介绍在MATLAB中实现已训练好的神经网络模型的过程，帮助同学们梳理神经网络的计算步骤。这些步骤不仅对于在PC以外的其他平台部署神经网络有一定的指导意义，也能帮助那些对深度学习不太了解的同学更好地理解深度学习模块所执行的具体操作及其实现方式。选择MATLAB作为工具，是因为其语法相对简单，并且在学术界和大学中得到广泛应用，适合初学者入门。
2024-09-29 23:56:18
1997
原创 在Zynq平台上实现神经网络的思路、方案
PS（处理系统）：基于ARM Cortex-A9处理器，负责控制、管理和执行复杂的任务，适合处理需要高灵活性和复杂计算的部分。PL（可编程逻辑）：FPGA部分，适合并行计算和实时数据处理，能够高效执行特定算法，尤其是可并行化的操作。PS部分包括ARM Cortex-A9 CPU以及该SoC的外设，如SPI、I2C、CAN等。PL则是可编程逻辑部分，能够通过FPGA实现灵活的硬件设计与定制。PS和PL的数据交互可以通过上图的AXI总线、DDR或DMA等。
2024-09-28 19:52:27
2348
3
原创 卷积、激活、池化与批量归一化：深度学习中的关键操作
通过卷积、激活、池化和批量归一化这四个操作，卷积神经网络能够高效地处理图像数据，提取多层次的特征。这些操作的有效结合不仅提升了模型的学习能力和表现，还加速了训练过程，增强了模型的鲁棒性。并且根据上述卷积，池化，激活，bn模块，就可以开始搭建简单的神经网络结构了。
2024-09-28 00:04:10
1987
2
原创 理解卷积操作：MATLAB中的Conv2d函数实现
卷积操作在深度学习和图像处理中的重要性不可小觑。通过上述Conv2d函数的实现，我们能够理解卷积如何在图像中提取特征，以及如何通过参数设置（如步长、填充和偏置）调整输出的特性。掌握卷积操作对于设计有效的神经网络至关重要。最后在文章最后给出完整代码。%% 输入参数：% input (1, H, W, L) - 输入数据，H 为高度，W 为宽度，L 为通道数。
2024-09-27 00:59:50
1004
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人