-
什么是AEB自动紧急制动？
1什么是AEB自动紧急制动 自动紧急制动 Advanced/Automatic Emergency Braking; AEB AEB是一种汽车主动安全技术，能够实时检测车辆前方行驶环境，并在可能发生碰撞危险时自动启动车辆制动系统，使车辆减速，辅助驾驶员避免碰撞或减轻碰撞后果。 当系统计算出会有碰撞可能时，首先会通过声音、图标等警示驾驶员，若驾驶员没能对预警起到正确反应，再轻微震动制动踏板或方向盘来二次预警，过程中提前填充制动油路油压，以便全力制动能快速准确的完成。 简单点说AEB，就像你副驾驶的教练，能在危险的时候帮你踩刹车。 AEB常见变化： 自动紧急制动（AEB）： 当车辆感知到即将发生碰撞时，车辆会独立停车，以避免发生碰撞，或者降低无法避免的严重程度。 向前自动紧急制动（AEB）： 在汽车向前行驶时，会自动应用制动，以防止碰撞或减小冲击力。 后方自动紧急制动（AEB后部）： 当汽车在倒车方向行驶时，会自动施加制动以防止碰撞或减小冲击力。 具有行人检测功能的自动紧急制动（AEB踏板）： 在汽车前进时，会自动施加制动，以防止与行人或骑自行车的人发生碰撞或减少冲击力。 城市速度AEB（AEB-city）： 在城市速度（通常为80公里或以下）下，会自动应用制动器以防止碰撞或减小冲击力。 高速公路速度AEB（高速公路AEB）： 在高速公路速度（每小时80公里以上）时，会自动应用制动器以防止碰撞或减小冲击力。 2AEB是如何工作的 AEB系统和其他辅助系统一样，由感知、决策、执行三大部分组成，具体来说就是由雷达、摄像头作为传感器构成感知部分，传感器内置ECU或独立的外置ECU完成决策，并将制动请求通过总线发送至执行器，通常是ESP，也可以是其他装置，例如线控制动系统或独立的高压蓄能器控制器对车辆进行制动。 【感知】 常见的感知方案有三种。 视觉摄像头： 摄像头就像人眼一样，可跟踪识别行人障碍物等，感知距离大概在120米左右，但是不能精确计算与物体的相对距离，而且受不良天气的影响，因此单独采用摄像头方案的AEB系统非常少 障碍物识别，主流的主机厂一般使用Mobileye的成熟算法，测距主要是利用被识别障碍物在图像中的像素大小以及短时间差内的图像障碍物视差来实现。 毫米波雷达： 毫米波雷达的感知距离大概在150米以上，但是因为天线和尺寸的特性，雷达的角度分辨率也有限，但是较难识别行人等障碍物，而且雷达存在二次反射问题，容易出现误识别，因此单独采用雷达的AEB方案，也非常少。通过多普勒效应计算距离/差速。 _ 视觉摄像头 毫米波雷达 作用距离 100-120m 150-250m 测距精度 近/远 0.1m/1m 0.3m(远近一致) 光线与天气影响 显著 很小 物体高宽测量 精度高 精度低 车道线标识识别 有 无 行人识别准确度 高 低 成本 一般 一般 视觉摄像头与毫米波雷达系统对比 视觉摄像头融合雷达 为了能做出更可靠的AEB方案，大部分车厂将毫米波雷达与视觉摄像头结合起来，两者优势互补，视觉摄像头识别目标类型，用雷达较好的角度分辨率感知距离，判断与障碍物距离信息，然后相互确认，大幅度降低误判断 可靠性 目标真实可靠性高 互补性 全天候应用与远距离提前预警 高精度 大视角全距离条件下的高性能定位 识别能力 复杂对象的分类处理 成本 高性价比与选择灵活性 视觉与毫米波雷达融合方案优势 【决策】 决策就是用汽车的大脑（ECU）做判断，ECU能够根据传感器信息，然后按照设定的逻辑计算，得出执行命令，最后将执行命令发送给执行机构。 这里我们要提到一个词——碰撞时间TTC(Time-To-Collision)。 TTC是Time-To-Collision的缩写，直译为碰撞时间。海沃德（1972）将TTC定义为：“如果两个车辆以现在的速度和相同的路径继续碰撞，则需要碰撞的时间”。在交通冲突技术的研究中，TTC已被证明是衡量交通冲突严重程度和区分关键行为与正常行为的有效手段。一些研究的结果指出直接使用TTC作为交通决策的线索。车辆之间未来相互作用的预测涉及为受试车辆以及所有可能发生相互作用的车辆创建预测轨迹，以查看是否可能发生碰撞。 在TTC算法中，车辆被视为二维平面。每一辆都由位于平面中特定位置的矩形表示。每辆车都有速度和加速度，速度与加速度都是矢量。 每辆“主体”车辆与附近的车辆会发生相互作用，不存在先导车辆或跟随车辆。主体车辆的动作遵循三条规则： 1. 跟随前方的车辆 2. 避免碰撞 3. 基于TTC的数值来调整所采取的动作的强度 TTC是针对每两辆相互足够接近车辆来计算相互时间长。根据其老位置、新速度矢量和新加速度矢量计算车辆的新坐标。它的新速度矢量同样是从它的旧速度和新加速度矢量计算出来的。通过对期望轨迹、道路几何形状、交通控制（例如，停止标志、交通信号和速度限制）以及邻近车辆的接近来确定加速度矢量。如果不引起任何碰撞，加速度被认为是可接受的。 在车辆行驶时，实时地计算出本车与前车在当前运动状态下，继续运动直到发生碰撞所需要的时间（即TTC），来与事先设定好的阀值进行比较：当 TTC 值小于 FCW 阀值时，系统采用视觉、听觉或触觉向驾驶员报警；当 TTC 小于 AEB 阀值时，系统以一定的减速度采取紧急制动。 【执行】 执行可以简单的理解为驾驶员帮你踩刹车。 执行机构，通常是通过ESP或其它装置，例如i—Booster或者独立的高压蓄能器控制器——对车辆刹车系统进行控制制动。 但是在执行刹车之前，一般都会有碰撞预警系统做提示，让你自己处理危险，或者有个心理准备。 提醒阶段主要是通过声学和光学的方式提醒驾驶者对车辆即将可能发生碰撞进行接管，并对制动系统进行提前减压。同时还会根据车辆实际的配置对一些功能进行调节，比如可变悬架。 到了预制动阶段，AEB系统首先会试图通过短促的制动来唤醒驾驶员，同时车辆也会对安全带进行预紧。此时制动系统开始对刹车盘施加制动力，但通常只有全部制动能力的30%。此阶段仍然可以通过驾驶员的干涉来完全避免碰撞。 而部分制动阶段时AEB系统开始使用50%的制动力来为车辆减速，同时配备自动车窗和天窗的车辆会开始主动关闭，避免驾驶员在接下来可能发生的碰撞中被抛出窗外，在进入部分制动时，AEB系统也会打开双闪警示灯提醒后车。此时如果驾驶员进行干预，仍然有可能避免发生碰撞。 最后是全力制动阶段，在这一阶段AEB系统将会放弃依靠驾驶员的制动行为，并通过执行器进行100%刹车力度的制动。与此同时车辆也会收到信号开始着手为接下来可能存在的碰撞风险做好准备，比如将安全带收紧等。 整个执行过程的持续时间通常只有两三秒钟，我们甚至很难通过身体的感受来区分第二和第三阶段的区别。通常来说AEB系统会根据危险等级依次进入四个阶段，但也有一些情况会跳过其中某个或某几个阶段。比如面对突然出现的行人，或是前方障碍物与当前车辆的距离迅速缩短。 3AEB工作范围 可以工作在不同的道路上。 目前大部分车厂采用视觉融合毫米波雷达的方案，具有车辆识别和行人识别的功能。 车辆识别： 在40km/h以内，可以做到避免与静止车辆碰撞 在与前方运动的速度差小于40km/h以内，可以做到避免碰撞 如果运动时速与前车大于40km/h时，降低事故损伤程度 行人识别：（只能探测到身高80cm以上的人） 时速30km/h以内，避免与行人发生碰撞 时速在30km/h-90km/h之间，有可能会撞上，但是可以降低损伤事故 时速超过90km/h，行人识别功能关闭 车速过低＜5km/h时，AEB不工作，速度太高＞150km/h时，也不工作，目前的AEB并不是任何车速下都能刹车 除了速度范围，一般车型的AEB也只能识别车辆和行人两种，虽然部分AEB带有骑行识别功能，但识别率很低 4AEB的技术重点是什么 传感器融合方案 传感器数据融合的基本原理主要是综合多个传感器获取的数据和信息，把多传感器在空间和时间上冗余或互补信息依据某种准则来进行组合，获得对被测对象的一致性描述 传感器融合的优势： 1.增强系统生存能力 2.扩展空间覆盖范围 3.扩展时间覆盖范围 4.提高可信度 5.降低信息的模糊度 6.改进探测性能 7.提高空间分辨率 8.增加了测量空间维数 9.成本低、质量轻、占空小 首先摄像头和毫米波雷达分别针对观测目标收集数据，然后对各传感器的输出数据进行特征提取与模式识别处理，并将目标按类别进行准确关联，最后利用融合算法将同一目标的所有传感器数据进行整合，从而得出关于目标威胁性的一致性结论。 数据融合也有不同的策略，比如有的方案会选择将不同传感器各自处理生成的目标数据进行融合，有些会选择将不同传感器的原始数据进行融合，避免一些原始数据的丢失。在智能驾驶场景下，传感器的数据融合大致有3种策略：数据级、特征级和决策级。 数据级融合 数据级融合是最低层次的融合，直接对传感器的感测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。这种融合处理方法的主要优点是：只有较少数据量的损失，并能提供其他融合层次所不能提供的其他细微信息，所以精度最高。他的局限性包括： 1.所要处理的传感器数据量大，故障处理代价高，处理时间长，实时性差 2.这种融合是在信息的最底层进行的，传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力 3.它要求传感器是同类的，即提供对同一观测对象的同类观测数据 4.数据通信量大，抗干扰能力差 此级别的数据融合用于多源图像复合、图像分析和理解以及同类雷达波形直接合成 特征级融合 特征级融合属于中间层次的融合，先由每个传感器抽象出自己的特征向量（可以是目标的边缘、方向和速度等信息），融合中心完成的是特征向量的融合处理。一般来说，提取的特征信息应是数据信息的充分表示量或充分统计量。其优点在于实现了可观的数据压缩，降低对通信的要求，有利于实时处理，但由于损失了一部分有用信息，使得融合性能有所下降。 特征级融合可以划分目标状态信息融合和目标特征信息融合两大类。 目标状态信息融合主要应用于目标跟踪，融合处理首先对传感器进行数据处理，完成数据校准，然后进行数据相关的状态估计。具体数学方法包括卡尔曼滤波理论、联合概率数据关联、多假设法、交互式多模型法和序贯处理理论。 目标特征信息融合实际属于模式识别问题，常见的数学方法有参量模板法、特征压缩和聚类方法、人工神经网络、K阶最近邻法等。 决策级融合 决策及融合是一种高层次的融合，先由每个传感器基于自己的数据做出决策，然后融合中心完成的是局部决策的融合处理。决策融合是三级融合的最终结果，是直接针对具体决策目标的，融合结果直接影响决策水平。这种处理方法数据损失量大，相对来说精度最低，但通信量小，抗干扰能力强，对传感器依赖小，不要求是同质传感器，融合中心处理代价低。常见的算法由Bayes推断、专家系统、D-S证据推理、模糊集理论等。 特征级和决策级的融合不要求多传感器是同类的。另外由于不同融合级别的融合算法各有利弊，所以为了提高信息融合技术的速度和精准，需要开发高效的局部传感器处理策略以及优化融合中心的融合规则。 【信息融合的主要技术和方法】 ・信号处理与估计理论方法 信号处理与估计理论方法包括用于图像增强与处理的小波变换技术、加权平衡、最小二乘、Kalman滤波等线性估计技术，以及扩展Kalman滤波（EKF）,Gauss和滤波（GPS）等非线性估计技术等 ・统计推断方法 统计推断方法包括经典推理、Bayes理论、证据推理、随机集理论以及支持向量机理论等 ・信息论方法 信息论方法运用优化信息度量的手段融合多源数据，从而获得问题的有效解决。经典算法有熵方法、最小描述长度方法（MDL）等。 ・人工智能方法 人工智能方法包括模糊逻辑、神经网络、遗传算法、基于规则的推理以及专家系统、逻辑模板法、品质因数法（FOM）等。 5AEB的品牌名称 阿尔法罗密欧：Autonomous Emergency Braking 奥迪：Automatic Brake Assist 宝马：Driving Assistant Plus 福特：Active City Stop 霍尔顿：Automatic Emergency Braking City Stop 本田：Collision Mitigation Braking System 现代：Autonomous Emergency Braking 起亚：Autonomous Emergency Braking 路虎：Autonomous Emergency Braking 雷克萨斯：Pre-collision Safety System with Brake Assist 马自达：Smart City Brake Support 梅赛德斯·奔驰：PRE-SAFE Brake 迷你版：City Collision Mitigation 三菱：Forward Collision Mitigation 日产：Intelligent Emergency Braking with Forward-Collision Warning 标致：Active City Brake 斯柯达：Multi-Collision Braking 斯巴鲁：Pre-Collision Braking System (Eyesight) 丰田：Pre-Crash Safety System 大众：City Emergency Braking 沃尔沃：City Safety 6AEB使用注意事项 关于AEB大家有一个普遍的误解——好的AEB系统应该避免一切碰撞。 在目前的技术条件下，工程师并不能完全排除AEB系统发生各种故障或错误，却依然能发出减速度请求的情况，例如由于识别到错误的目标而导致AEB触发，车辆突然减速。特别地，在高速公路上行驶的时，如果过度减速，很容易导致追尾事故。出于功能安全（Functional Safety）的考虑，目前市场上的多数AEB系统最多允许车速降低60kph。当车辆减速达到这一限制的时候，制动干预应该逐渐退出（仅制动退出，并非AEB系统退出），由驾驶者接管。
01-03 43浏览 -
射频传导开关
引言：分立式开关也叫射频传导开关，作用是将多路射频信号中的任一路或几路通过控制逻辑连通，以实现不同信号路径的切换，包括接收与发射的切换、不同频段间的切换等。
2024-12-20 191浏览 -
TGV 技术优劣性及挑战
随着电子产品需求的不断提升，半导体封装技术的发展已经从2D 结构发展到2.5D 乃至3D结构，这对包括高密度集成和异质结构封装在内的系统级封装（System in Packaging， SiP）提出了更高的要求。以当下热门的晶圆级封装为切入点，重点阐述并总结目前在晶圆级封装结构中出现的3 种垂直互连结构：硅通孔（Through Silicon Via，TSV)、塑封通孔(Through Molding Via，TMV)、玻璃通孔(Through Glass Via，TGV)。这3 种垂直互连结构也是业内公认的推进三维集成封装的关键技术。 21 世纪初，晶圆级封装技术实体问世，起初晶圆级封装依靠其封装尺寸小型化、低成本和高性能的优势在市场应用中获得认可，但随着用户需求的不断提升，移动设备向高集成化、轻量化以及智能化的趋势发展，对先进封装提出了更高的要求。2010 年之后，封装技术有了质的突破，在封装体的纵向和横向上取得显著成效，出现了扇出型封装、多芯片异构集成封装、三维异质集成封装以及将所有封装形式和结构融合于一体的系统级封装。 作为上下互连的中介层结构，垂直互连结构对三维封装集成能力以及实现系统整合具有不可替代的作用，其中硅通孔（Through Silicon Via，TSV)、塑封通孔(Through Molding Via，TMV) 和玻璃通孔(Through Glass Via，TGV)互连结构在近些年的先进封装领域中是最为普遍的结构，通过垂直互连提高了封装体的高密度互连能力，使得集成度更高、传输速率更快、寄生干扰更小、高频特性更优越。 TSV 垂直互连结构 根据硅通孔在工艺制程中形成的顺序，TSV 结构可以分为先通孔工艺（Via First）、中通孔工艺（Via Middle）和后通孔工艺（Via Last）。其中后通孔工艺还分为正面后通孔工艺和背面后通孔工艺。 TSV 技术被看做是一个必然的互连解决方案，也是目前倒装芯片和引线键合型叠层芯片解决方案的很好补充。TSV 结构能够使芯片在三维方向堆叠的密度最大，外形尺寸最小，并且大大提升芯片传输速度并降低功耗。因此，业内人士将TSV 技术称为继引线键合(Wire Bonding)、载带自动焊（TAB）和倒装芯片（FC）之后的第四代封装技术。 但是TSV 技术的发展也不可避免地存在一些问题亟待解决，首先是超薄硅圆片技术，其次是高密度互连的散热问题，再者是3D封装与目前封装工艺的兼容性问题，包括兼容的工艺设备和工具，这涉及到成本问题，且未形成一套统一的行业标准以及系统的评价检测体系。 TMV 垂直互连结构 TMV 结构的制备原理较为简单，如图5所示，即经过塑封工艺后，利用激光钻孔的方式在塑封体中制备垂直通孔，通孔的底部连接金属。随后，通过溅射和电镀工艺在通孔中填入导电材料，辅助以打线键合及回流焊工艺实现逻辑与内存组件的三维互联。 TMV 技术作为众多3D 垂直互联方案的一种，填补了倒装以及TSV 封装技术等高端市场以外的空白。 TGV 垂直互连结构 随着封装体的集成度不断提高，系统级封装和3D异质结构的复杂性以及器件加工工艺和材料特性能力等的需求，加之TSV/TMV 互连结构本身也存在局限性，所以在2.5D 和3D 封装领域必然出现不同路线的工艺和材料方案，以弥补市场需求。 在2010 年第60 届电子元件和技术会议上，来自德国费劳恩霍夫可靠性和微集成研究所的迈克尔博士，与专业的玻璃材料制造商肖特公司联合，首次提出了TGV 技术概念，提出玻璃通孔在工艺稳定性、制程成本以及射频和微波电性能方面相对于硅通孔较为优越。 在随后的几年里，业界诸多专家学者对玻璃及TGV 结构的应用进行了深入的拓展和探索研究，国内以厦门云天半导体科技有限公司为首，国外以肖特、博世公司为首，在应用领域不断挖掘，目前已知在MEMS 封装、3D IC 转接板以及IPD集成和射频元器件工艺方面的尝试均取得了非常不错的效果。尤其在2015 年之后，由于5G 毫米波概念慢慢进入人们的视野，业内诸多专家学者和无线通讯以及信号基站制造商针对使用玻璃为载体的TGV 结构工艺，探索其在高频信号下的传输性能，最后因玻璃具备电阻率较高、高信号隔离、低介电损耗的特性取得了非常优秀的成果。而TSV 工艺结构中的半导体硅材料，在电场或磁场影响下载流子会移动从而影响电路信号，所以以玻璃为载体的TGV 工艺结构在毫米波产品应用中更优于TSV 结构。 TGV 结构及相关技术在光通信、射频、微波、微机电系统、微流体器件领域有广泛的应用前景。此外，因为玻璃的物理特性可控，工艺中无需制作绝缘层，降低了工艺复杂度和成本，所以在未来三维异质集成中，TGV 结构被认为是替代TSV 结构的理想解决方案。 TGV 结构工艺 对于TGV 互联结构的一大挑战就是如何快速且经济地形成大批量结构通孔（如图7所示）。TGV 结构的通孔形成方法和TSV结构相比，虽然最终目的是一样的，都是完成封装体内部结构的垂直互联作用，但因玻璃和硅材料本身还是存在不小的差异，所以工艺制程上又存在区别，目前为大家熟知的TGV 结构中通孔形成的方式有超声钻孔、喷砂工艺、湿法刻蚀、深反应离子刻蚀DRIE、激光钻孔、聚放电工艺FED、光敏玻璃感光成形以及采用激光诱导深度蚀刻LIDE。 传统的喷砂法、湿法刻蚀法都存在一定的局限性，深反应离子刻蚀的效率十分低下。激光钻孔是较为适用的方法，因其成本低且覆盖范围广赢得了业界的关注。激光钻孔根据波长和类型分为好几类，其中有波长从1 μm 短波激光到10.6 μm 的CO2 激光，还有具备紫外波长的准分子激光。CO2 激光因其工艺质量和效力不高而被否定，而基于准分子激光和聚放电工艺技术的TGV 通孔效力可达每秒上千个玻璃通孔。 乐普科激光电子股份有限公司及厦门云天半导体科技有限公司分别在2014 和2019 年对激光诱导刻蚀工艺进行介绍和深度研究，被认为是目前对TGV 通孔成形最有效的方式。其工艺步骤主要为两步：第一是用皮秒激光去改性基底玻璃，第二步使用10%的HF 去做玻璃刻蚀从而形成玻璃通孔。这一工艺被厦门云天半导体科技有限公司称之为LaserInduce Deep Etching，其形成的玻璃通孔可以获得较高的深宽比，同时没有碎屑和裂纹，工艺具有良好的稳定性，且深入研究表明此工艺如果使用材质是硅玻璃，其垂直通孔形成后表面将更为光滑。LPKF 激光所进行的玻璃改性的处理速度为每秒大约5000 个玻璃通孔，TGV 的直径可达10~50 μm，节约了大量的工艺时间并保证了工艺能力。 形成玻璃通孔只是TGV 结构工艺过程的一部分。填孔和金属化布线是接下来不可或缺的工作。TGV 结构转接板基本流程为：在玻璃通孔完成之后进行通孔电镀，之后再进行介电层和布线层以及金属化层等类似TSV 结构的工艺制程。TGV 金属化流程及相关切片如图8 所示。 TGV 技术优劣性及挑战 玻璃通孔技术虽然有诸多优势，但同时也存在着多方不足。一是现有的方法虽然可以实现TGV 结构，但有些方法会损伤玻璃，且造成表面不光滑；二是大多数加工方法效率低，没法大规模量产；三是TGV 结构的电镀成本和时间相比TSV 结构略高；四是玻璃衬底材质表面的黏附性较差，容易导致RDL 金属层异常；五是玻璃本身的易碎性和化学惰性给工艺开发带来了难度。还有就是此技术对于市场而言还属于相对新兴的技术，虽然已有不错的反响，且市场规模在逐年扩大，但市场需求和应用生态还没有产生很大的改变，有待未来进一步的发展。 TSV、TMV、TGV 结构都有各自的优点和缺点，没有一种通孔结构可以完美应用于各种高密度高维度集成封装。TSV 结构在半导体电子存储和CIS 领域有相对明显的优势，但材料兼容性不高、工艺成本高昂。TMV 结构则工艺简单、成本低廉，具有较高的经济实用性，但工艺技术能力的应用处于相对低端封装领域。TGV 结构虽在射频和微波传输方面有更大的优势，但是材料工艺有局限性。3 种垂直互连结构具体如何运用，还要结合具体的实际应用需求，以使得封装结构更合理，优点更多，性能更突出。同时，未来还需持续优化各个垂直互连结构，改进各垂直互连结构的工艺方法，进一步完善高密度集成封装技术。
2024-11-21 205浏览 -
车载毫米波雷达频段划分以及发展趋势解析
毫米波在诸多方面的应用，使得毫米波异常火热。其中，最为火热的应用之一为毫米波雷达技术。本文中，将从两大方面对毫米波雷达加以阐述：1.车载毫米波雷达频段划分以及发展趋势解析，2.介绍毫米波雷达的几个应用场...
2024-07-31 162浏览 -
6G技术带来的生活变革
目前，5G技术已经在使用当中。不久后，6G技术也将得到应用。上篇文章中，小编对6G技术的发展历程有所阐述。为增进大家对6G技术的认识，本文将对6G相关技术予以介绍。如果你对6G具有兴趣，不妨继续往下阅读哦。 一...
2024-07-31 149浏览 -
探索6G技术的无限潜力与可能性
6G是新一代的通信技术，虽然现在6G还没有普及，但是各大运营商已纷纷投入6G通信技术的研发过程中。那么问题来了，6G通信技术什么时候才会进入我们的生活呢?如果你对6G通信技术具有兴趣，不妨和小编一起继续往下阅读...
2024-06-21 150浏览 -
ADAS传感器布置技巧
本文首先介绍传感器布置策略在高级驾驶辅助系统中的重要性，提出高级驾驶辅助系统传感器种类，包含前视智能摄像头、前向和侧向毫米波雷达（77 GHz/22 GHz）、超声波雷达以及环视摄像头，简要阐述各传感器性能特点。
2024-06-05 277浏览 -
-
-
微波滤波器的主要分类以及技术架构简述
上篇文章中，小编对微带滤波器有所阐述。为增进大家对滤波器的认识，本文将对滤波器予以介绍，主要内容在于介绍微波滤波器、微波滤波器的技术结构和微波滤波器的分类。如果你对滤波器具有兴趣，不妨继续往下阅读哦...
2024-01-24 178浏览
-
精密半导体参数测试解决方案 直播时间：01月08日 10:00
- AI需求强劲增长，富士康第四季度营收超预期
- 又有11家中企被纳入实体清单，涉及光刻机…
- 苹果A系列芯片十年进化：晶体管数量激增19倍，晶圆成本跃升300%
- 豪掷800亿美元！微软宣布加码AI数据中心
- 11家中国实体被纳入实体清单，美资禁止投资中国三个行业
- 不跟风2纳米，联发科下一代天玑9500芯片采用台积电N3P工艺
- 华勤技术收购豪成智能科技，强化机器人业务领域布局
- “超越EUV”时代：美国研发拍瓦级铥激光器有望大幅提升芯片制造效率
- 关注我们
-
扫码关注面包板社区
