VLSI电路噪声特性检测阈值的分析及决策

吉林大学学报(工学版) ›› 2004, Vol. ›› Issue (1): 12-15.

VLSI电路噪声特性检测阈值的分析及决策

钱志鸿, 周求湛, 魏小丽

吉林大学, 通信工程学院, 吉林, 长春, 130025

收稿日期:2003-06-23 出版日期:2004-01-01
基金资助:
国家自然科学基金资助项目(69672023);吉林省科技发展计划基金资助项目(20010582);吉林大学创新基金资助项目.

Analysis and strategic of decision threshold for VLSI circuits noise characteristics

QIAN Zhi-hong, ZHOU Qiu-zhan, WEI Xiao-li

College of Communication Engineering, Jilin University, Changchun 130025, China

Received:2003-06-23 Online:2004-01-01

摘要/Abstract

摘要： 给出了利用阈值选取和决策对VLSI电路噪声特性进行检测的方法。利用信号多分辨分解噪声模型算法进行系统参数分析,简洁且精确。实验表明:非平稳噪声在时域中是可以识别的,与传统的噪声频域检测方法相比,分辨率有明显的改善。非平稳噪声的小波域实时检测方法具有自适应能力强、对信号先验知识依赖少、能够进行完全重构、可较好地保留待测信号的波形信息、有效提高信噪比等优点。这一研究将为VLSI电路器件的严格筛选、故障诊断及定位、VLSI电路的可靠性研究提供新的理论依据和检测方法。

关键词: 超大规模集成电路, 噪声特性, 检测, 阈值

Abstract: A method for threshold selection and decision to obtain noise characteristics in VLSI circuits was presented.This method by using multiresolution signal decomposition noise model made the analysis of system parameters easy and accurate.Simulation results show that non-stationary noise can be identified in time domain and resolution improvement is obvious compared with that of conventional noise detection in frequency domain.And in particular,real time non-stationary noise detection in wavelet domain possesses strong adaptability,needs less priori information,realizes complete reconstruction,keeps waveform information of the original signals,and improves SNR,etc.This study offers a theoretical basis and noise detection method for VLSI circuit components selection,faults diagnosis and localization,and reliability analysis.

Key words: VLSI, noise characteristics, detection, threshold

中图分类号:

TN911

钱志鸿, 周求湛, 魏小丽. VLSI电路噪声特性检测阈值的分析及决策[J]. 吉林大学学报(工学版), 2004, (1): 12-15.

QIAN Zhi-hong, ZHOU Qiu-zhan, WEI Xiao-li. Analysis and strategic of decision threshold for VLSI circuits noise characteristics[J]. 吉林大学学报(工学版), 2004, (1): 12-15.

参考文献

[1] JONES B K,XU Y Z.Excess noise as an indicator of digital integrated circuit reliability［J］.Microelectron Reliab,1991,31(2/3):351-361.
[2] 戴逸松,张新发.集成稳压块78M12宽温度范围噪声测量及谱分析［J］.数据采集与处理,1995,10(4):21-23.
[3] NAOKI Saito,GREGORY Beylkin.Multiresolution representations using the auto-correlation functions of compactly supported wavelet［J］.IEEE Transactions on Signal Processing,1993,41(12):3584-3590.
[4] 汪飞,王树勋,窦慧晶.乘性噪声背景下二维谐波的二次耦合分析［J］.吉林大学学报:工学版,2002,32(3):35-40.
[5] 李明,吴艳.基于子波变换阈值决策的非平稳信号去噪［J］.信号处理,2000,16(2):112-115.
[6] DAVID L Donoho.De-noising by soft-thresholding［J］.IEEE Transactions on Information Theory,1995,41(3):613-627.
[7] 戴逸松.晶体管PN结缺陷形成的G-R噪声研究［J］.半导体学报,1989,10(1):48-54.
[8] DAI Yisong.Noise performance analysis of bipolar operational amplifier based on the noise matrix superposition expression［J］.IEEE Proc-Circuits Devices Syst,1998:145(5):343-348.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[3]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[4]	刘坤, 刘勇, 闫建超, 吉硕, 孙震源, 徐洪伟. 基于体外传感检测的人体站起动力学分析[J]. 吉林大学学报(工学版), 2018, 48(4): 1140-1146.
[5]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[6]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[7]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[8]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[9]	杨宏宇, 徐晋. Android恶意软件静态检测模型[J]. 吉林大学学报(工学版), 2018, 48(2): 564-570.
[10]	张超逸, 李金海, 阎跃鹏. 双门限唐检测改进算法[J]. 吉林大学学报(工学版), 2018, 48(2): 610-617.
[11]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[12]	高坤, 涂辉招, 时恒, 李振飞. 雾霾天气低能见度对不同跟驰状态驾驶行为的影响[J]. 吉林大学学报(工学版), 2017, 47(6): 1716-1727.
[13]	邢海燕, 葛桦, 李思岐, 杨文光, 孙晓军. 基于模糊隶属度最大似然估计的焊缝隐性缺陷磁记忆信号识别[J]. 吉林大学学报(工学版), 2017, 47(6): 1854-1860.
[14]	杨超宇, 李策, 梁胤程, 杨峰. 基于改进粒子滤波的煤矿视频监控模糊目标检测[J]. 吉林大学学报(工学版), 2017, 47(6): 1976-1985.
[15]	万平, 吴超仲, 林英姿, 马晓凤. 基于驾驶行为多元时间序列特征的愤怒驾驶状态检测[J]. 吉林大学学报(工学版), 2017, 47(5): 1426-1435.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed