-
公开(公告)号：CN109167577A
公开(公告)日：2019-01-08
申请号：CN201811000364.4
申请日：2018-08-30
Applicant: 复旦大学
IPC: H03F1/26
Abstract: 本发明属于集成电路技术领域，具体为具有包络检测功能的低噪声放大器。该具有包络检测功能的低噪声放大器在低噪声放大器的基础上添加了一条包络检测支路，它可以在输入信号被放大前提取包络，改变输入偏置电压，从而抑制带内干扰，同时保持较小的噪声系数和低功耗，并且适合长距离的无线应用。该低噪声放大器还可级联使用，进一步增加信号干扰比。为了减少PVT变化导致的非恒定包络干扰，还提出了一种包络反馈环路，可以自动校准输出包络。这种具有包络检测功能的低噪声放大器同时兼顾电压动态范围和噪声性能两个重要指标，为无线网络应用的多网络共存提供了前提条件。
-
公开(公告)号：CN106022472A
公开(公告)日：2016-10-12
申请号：CN201610342944.6
申请日：2016-05-23
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种嵌入式深度学习处理器。该深度学习处理器包括：中央处理器（CPU），完成处理器学习和运行过程中必要的逻辑运算、控制及存储工作；深度学习单元，深度学习算法的硬件实现单元，是进行深度学习处理的核心部件。该深度学习处理器结合传统CPU与深度学习组合单元，其中深度学习组合单元可由多个深度学习单元任意组合，具有可扩展性，可针对不同的计算规模，作为人工智能应用的核心处理器。
-
公开(公告)号：CN105826994A
公开(公告)日：2016-08-03
申请号：CN201610163509.7
申请日：2016-03-19
Applicant: 复旦大学
IPC: H02J7/02
CPC classification number: H02J7/025
Abstract: 本发明属于集成电路设计技术领域，具体为一种基于动态阻抗匹配技术的射频能量采集系统。本发明系统是在现有射频能量采集系统的基础上增加可配置匹配网络模块、整流器输出电压检测模块、充电电流检测模块和匹配网络配置位产生模块组成，其中匹配网络配置位产生模块用于切换电压采样和电流采样两种工作模式，并根据所采样得到的电压和电流值确定匹配网络的调整方式。本发明通过在能量采集过程中实时监测谐振腔的匹配状况并进行电路等效阻抗的调节，使谐振腔始终处于理想的匹配状态，从而在较大的输入频带和入射能量范围内实现较高效率的射频能量采集。
-
公开(公告)号：CN119302670A
公开(公告)日：2025-01-14
申请号：CN202411277088.1
申请日：2024-09-12
Applicant: 复旦大学
Abstract: 本发明涉及一种全无线高通量可灵活扩展的脑电信号采集模块，其特征在于，该脑电信号采集模块自上而下依次包括按矩阵排列的多个低通量脑电采集前端芯片、重布线层、多通道脑电电极；其中，所述重布线层的正面与每个所述低通量脑电采集前端芯片相连；所述重布线层的背面设置有多个脑电采集通道排列位点；每个所述脑电采集通道排列位点分别与所述多通道脑电电极正面的位点一一对应相连。本发明还提供了一种脑电信号采集模块的制备方法和脑电信号采集系统，能够同时对上千个神经元的活动同时进行记录和分析，为神经科学研究提供了强有力的支持。
-
公开(公告)号：CN109447257B
公开(公告)日：2021-08-17
申请号：CN201811090424.6
申请日：2018-09-18
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种通道自组织的深度神经网络加速芯片的运算装置。本发明装置包括：多个片上存储模块，用于按通道存储特征值矩阵；一个多行多列的计算单元阵列，用于并行执行卷积、矩阵乘法等运算；一个中央控制单元，用于控制计算过程和数据流向、和同外界的数据交互。计算单元阵列中的同一列计算单元并行处理来自同一个输入通道的计算，同一行并行处理来自同一个输出通道的计算。该装置在计算过程中将数据流按通道与存储器的对应关系进行组织，避免计算单元在多个存储器间交叉访问，减少数据在存储器间的搬运次数，从而提高了芯片的能效。
-
Patent Agency Ranking
公开(公告)号：CN111078189A
公开(公告)日：2020-04-28
申请号：CN201911160359.4
申请日：2019-11-23
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种用于循环神经网络自然语言处理的稀疏矩阵乘法加速器。本加速器包括：16组乘累加单元，用于同时计算循环神经网络中的16个输出通道；4个输入存储器，用于存储循环神经网络中的4个输入通道的特征值；1个权重存储器；16个输出存储器，用于暂存计算中间结果以及对应16个输出通道的最终结果；16个二级累加器，用于读取输出存储器中的中间结果与乘累加单元的计算结果累加，更新输出结果；16个4输入选择器，用于选择压缩后权重对应的输入特征值。本发明利用循环神经网络中权重的稀疏性，对稀疏权重进行压缩，在减少权重存储空间的同时，加快了循环神经网络的计算速度，并降低了计算功耗。
-
公开(公告)号：CN109447257A
公开(公告)日：2019-03-08
申请号：CN201811090424.6
申请日：2018-09-18
Applicant: 复旦大学
Abstract: 本发明属于集成电路技术领域，具体为一种通道自组织的深度神经网络加速芯片的运算装置。本发明装置包括：多个片上存储模块，用于按通道存储特征值矩阵；一个多行多列的计算单元阵列，用于并行执行卷积、矩阵乘法等运算；一个中央控制单元，用于控制计算过程和数据流向、和同外界的数据交互。计算单元阵列中的同一列计算单元并行处理来自同一个输入通道的计算，同一行并行处理来自同一个输出通道的计算。该装置在计算过程中将数据流按通道与存储器的对应关系进行组织，避免计算单元在多个存储器间交叉访问，减少数据在存储器间的搬运次数，从而提高了芯片的能效。
-
公开(公告)号：CN107645321A
公开(公告)日：2018-01-30
申请号：CN201710894291.7
申请日：2017-09-28
Applicant: 复旦大学
IPC: H04B5/00
Abstract: 本发明属于集成电路技术领域，具体为单频带无线能量与数据传输方法及接收器。该传输方法结合无线能量传输与无线数据传输，采用超低调制深度，仅在一个频带上同时实现了高传输能量效率与低误码率，首次兼顾了无线能量与数据传输需要的两个重要指标。该接收器采用可偏移限幅器,维持了超低功耗设计，实现上不需要额外线圈或相关附加电路，电路复杂度低，尤其适合应用于植入式或可穿戴式生物医学设备中。
-
公开(公告)号：CN107066423A
公开(公告)日：2017-08-18
申请号：CN201610972159.9
申请日：2016-11-07
Applicant: 复旦大学
IPC: G06F17/16
CPC classification number: G06F17/16
Abstract: 本发明属于集成电路技术领域，具体为一种有限输入定点数矩阵乘法器的优化方法。该乘法器将定点数矩阵乘法运算拆分为有限输入的矩阵乘法运算与矩阵位移运算，对于矩阵中个别超出输入范围的单元，依然可以用有限输入的定点数矩阵乘法器来实现，保持低计算复杂度。矩阵乘法作为各类处理器的基本运算之一，该实现方法可以在维持低功耗的同时拓展定点数矩阵乘法运算的定义域。在神经网络应用中，对于CPU与加速器结合的架构，可以由CPU完成定义域溢出检测与移位计算，由加速器完成定点数矩阵乘法，并将输入溢出量转化为偏移量一起累加，达到低功耗的目的。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.021 seconds)
