2017密苏里科技大学EMC实验室实习项目周记（5）

2017密苏里科技大学EMC实验室实习项目周记（5）

作者：刘顺 发布时间：2017-08-21 点击率：61 编辑：文芳

密苏里科技大学EMC实验室项目实习周记（第5 周）

公共篇

这周罗拉第一次下雨接下来几天都有时下了雨。大家也都不打伞。

图 1 罗拉云

下周实验室的老师们和我们到IEEE去开会，我们也一同出行，参加此次会议，并听讲座。我们还会做志愿者。 我们选择工作两天的话会得到一份晚餐。在工作之余我们也准备去了解下美国的文化。学习别人的长处。 以史为鉴。我们这几天都在努力做好每一份工作，实现效率最大化。

周末我们准备好出发，周日早上6点钟左右实验室的大队人马就到达实验室，大家就准备在周日行驶一天的车就到华盛顿好好休息。然后在周一当天下午投入工作，这样我们就能够得到周三晚上得的gala dinner。

个人篇

刘顺

在一周 工作之后，我已经能够熟练使用virtuoso.周六的时候我们去超市买了平底锅，原来的锅太差，老是粘锅。

我办理了入校手续后，等了四周等到了我的邮箱账号和ID办理表格，但是我们依然在等待行政人员通知我们去办理IDcard。

下周有一个会议实习生可以去，dead line 被通知推迟了一个月，所以我和我四个室友准备一起去。我开通了银行支票账户，但是一直没有收到卡，我只好亲自去银行再次询问，第二天早上我骑着车到了银行，银行职员给我找到了我的卡，我接下来骑车到了学校，赶上了当天的ｓｈｕｔｔｌｅ．

我设计的电路中需要delay ， 加入了电容，但是在reset的时候需要快速reset。同时reset的时间需要适当加长，以使完全reset。

图 2 仿真图

我们还增加了ＡＤＣ设计，以满足长时间的存储功能， 总共五个ｌｅｖｅｌ，在比较器中实现了这一功能。

图 3 ADC

汪睿哲（电气学院14级提高班）：

这一周，我依然在对干扰源与贴片天线模型进行学习，在学习过程中我遇到了一些困难，在之前的仿真过程中，我已经将干扰源外的惠更斯面搭建好并导出了惠更斯面上的切向电、磁场。为了得到偶极矩模型，需要通过MATLAB，将所得电、磁场进行复杂的矩阵运算。我向qiaolei学长请教过后，他给我发了相关代码，但需要做出修改，并告诉我，这个仿真试验难度比较大，实验室的Master们都不会做这个，让我思考之后再与导师Dr. Chulsoon进行交流。我在自己思考并尝试了三天过后，没有任何的进展，很沮丧的和Dr. Chulsoon进行了交流，他告诉我目前不需要进行这样复杂的程序，并让我开始看一些和接下来即将着手的项目相关的文献。

我在之后需要进行的项目也与天线及干扰源相关，其中干扰源兼有stripline和microstrip两种传输线，天线也不再是贴片天线，可能有多种天线。主要目的是通过实验验证通过Reciprocity Theorem（互易定理）所得到的干扰源对天线的干扰可以以较小的误差符合通过全波仿真所得出的结果。

看了部分文献后，我对大致的研究流程有了认识，之后对stripline和microstrip分别进行了仿真试验。

图4 stripline的仿真

图5 采用差分信号的microstrip

之后，我将同实验室的学姐Yin一起进行这个项目，我将努力做好。

王宇黎

本周我进行的主要工作是将上周在inventor上设计的3D模型，通过3D打印机打印出来。由于尺寸过大的原因，我将整体设计的模型分割为3部分，各个部分各自独立打印。3D打印的效果如下图。从图中可见，模型分为上部的水轮机叶片，中间的转轴，下部的绕线转子部分。

图 6 ADC

此外，由于能量收集装置最终需要在密苏里河进行测试，因此，本周我阅读了大量关于密苏里河的水文信息的文章，对密苏里河的水文特征，流速，流量等有了进一步了解。同时通过ANSYS，对水轮机周围的流场进行了仿真，进行了雷诺数的计算和其他的分析。希望对下一步水轮机的改进提供一定的帮助。

图 7 ADC

下周，我将会和EMC实验室的学长学姐们前往华盛顿参加EMC symposium会议，要好好珍惜这次学习和交流的机会。

夏圣煊

本周我主要是跟着郭远东和王骏达学长一起做实验，是Cisco的一个项目，是做Trace的DK、DF参数提取的一个validation，因为仿真软件跑出来的结果明显并不能符合实际情况，存在很明显的误差，所以一定是提取的算法上就存在一定的问题导致这样的误差。我们希望通过实测的一些实际参数，然后将这些参数导入到仿真软件里面以改善得到的结果，以及测试DK与DF之间相互影响的关系。

图 8 提取到的DF参数随频率变化

图 9 DF标准化后的结果

一般来说，得到的DF应该是随频率接近一个线性的变化关系，但是结果中低于5GHz的时候很明显与实际情况不符。

图 10 S21参数随频率变化

图 11 DK参数随频率变化

由于DF与DK是相关的，所以DF在较低频率和较高频率产生不合理的结果自然DK也会产生不合理的结果。

图 12 提取的DF随频率变化

图 13 差模共模比随频率变化关系

所以接下来要做的事情是两个，一个是实测trace样本的具体参数并加入到仿真中看得出的结果，另一个就是验证DF与DK的相互关联的关系。

第一个工作我参与并协助学长将sample进行切割，标记，然后固定，在容器中做成凝胶待打磨，之后就可以在显微镜下进行观察和测量trace的具体参数。

第二个工作就是将得到的DF数据，人工修改5GHz以前的数据，根据的是后面基本线性的斜率来计算，然后将修改的好的基本线性的数据导入到软件中得出RLC的matric矩阵，再将得到的新矩阵作为计算数据得到DK，再看DK是不是能够基本接近线性的状态，由此可以判断DF与DK的关系。

图 14 Trace的建模设计

吴涛————测试机器学习的对抗样本

前一周我主要是在GitHub上找代码，GitHub上的资源太丰富了，我搜集了大量的代码，但是要读懂这些大牛们写的代码也非易事。经过一周地苦逼学习，慢慢调试，获得了一些初步的结果。机器学习模型的训练数据一般是很大的，学界内已经有几个标准的数据集用来训练和测试人们的机器学习模型。MNIST是一个关于手写数字识别的数据集，是用来测试图像识别模型中最小的入门级数据集。我所搜集的代码，就是在这个数据集上生成对抗样本，再分别用真实样本和对抗样本对模型加以测试，比较机器学习模型对两种样本识别的正确率。

下图中，左图是真实样本，右图是对抗样本，在人眼看来，虽然有一些噪声干扰，但我们还是能轻易看出这两幅图都是数字8.

图 15

但机器学习模型就很难分别出来，以著名的卷积神经网络模型为例，它以99%的概率将第一幅图识别为8，但却以同样99%的概率将第二幅图识别为5。这是机器学习中很新的研究领域，原因和应对方法都还没有找到。我目前所做的就是更换机器学习模型，测试正确率。在这个过程中，需要掌握大量的知识和技能，这才是更重要的目的。

王宇飞

这周主要是在上周为Cypress公司做测试的基础上写Report，开始的时候只是简单的认为Report只是将测试结果向Sponsor进行展示，所以初稿仅仅包含了测量结果以及IV曲线图，然而在鹏宇学长与小帕的纠正下，我认识到在向他人说明我们的实验结果时需要的内容远不止测量结果。比如在展示结果前需要说明我们的setup以及使用的具体仪器型号、精度等，然后展示我们的Verification结果使我们的实验更具有说服力，之后是我们的测量结果并与对方公司发来的之前结果作对比，然后将所有测量数据整合起来进行比较分析结果，并尝试着解释一些现象。虽然我们并不知道IC内部结构，但是在分析过程中也跟随鹏宇学长学到了很多东西，尤其是diode的许多特性与参数，overshoot snapback break down等等，另外在对波形进行分析时要计算考虑附加电感等nH级别的影响。

图16

图17

图18