一、为什么需要非均匀量化？tensorflow,pytorch 等框架下也有量化操作，通常是为了减少权重存储空间，有利于部署移动端。但是基于数字电路的量化只能是均匀的，那么为什么还要研究非均匀量化呢？忆阻器的电导权重是模拟量，本身具备非均匀量化的可能性，而且忆阻器电导的中间值比较不稳定，均匀量化的时候很难精确。神经网络的权重本身是非均匀分布的，在密集的地方多取点，稀疏的地方少取点，量化后的误差会更

电路设计和前仿的时候，不需要考虑外围的IO PAD，但当通过了前仿，并且画好了除PAD的版图，该如何添加外围的PAD呢？最初的电路图如下：对应的版图如下：一、IO PAD 电路一开始以为这些复杂的PAD需要自己手画，没想到它也是有电路图，我们需要在原来ADC_core(上图)的外面包一层PAD电路，然后调它的版图，最后连线，流程和搭ADC_core基本一致。外面包的一层Pad电路如下：这些pad有

##一、 Al 布线 VS Cu布线我们都知道，铜的导电性比铝好，而且我们的生活中的电线都是铜丝做的，那么为什么集成电路早期要用铝布线呢？这是因为铜与硅的接触电阻很高，而且铜容易扩散进入硅中，引起器件性能灾难。铝虽然导电性差一些，但它对二氧化硅有良好的粘附性，高纯度的硅有很低的接触电阻，而且容易干法刻蚀。那么铝作为互联线时会遇到什么问题呢？铝和硅在577℃下会共熔，容易破坏浅结形成短路，即“铝钉”

PRBS（Pseudo-Random Binary Sequences）是通过伪随机数发生器产生的伪随机数序列，通常用于高速数字通信测试。

测试课程碰到了随机向量生成方面的内容，碰到了线性反馈移位寄存器（Linear Feedback Shift Registers，LFSR）。课件上只简单提了一下，但没有说EE和IE两者结构的区别，以及对应特征函数的作用。全网搜了一通，也没看到说清楚的，最后还是在bing上搜到一篇比较好的课件，特来记录一番。一、LFSR是什么LFSR有两者类型，外部反馈型和内部反馈型：两个电路明显的区别是，EF只更

案例来自于《CMOS_analog Circuit Design》-Allen一、基本构型希望确定各晶体管的尺寸以达到如下要求：基本参数电平参数频率参数$L=1\mu m $共模电平ICMR=−1 to 2VICMR=-1 ~to~2VICMR=−1 to 2V相位裕度60°,增益Av>5000A_v>5000Av​>5000CL=10pF

一、LNA与一般放大器的区别LNA低噪声放大器，顾名思义，它具有输入噪声低的特点。LNA一般用于射频接收机的前端，接收特定频率的小信号，通过放大后进入下一级混频。因此除了放大功能外，LNA有以下几点不同：输入端含有50欧姆的源负载RsR_sRs​，需要做输入匹配达到最大的输入功率传输效率输出端含有50欧姆的负载RLR_LRL​，需要做输出匹配达到最大的输出功率传输效率需要对特定频率做选择，内部有电