【技術實現步驟摘要】
本專利技術涉及移動目標的探測和預測方法，特別涉及一種基于光電導自調制的動態識別與預測（self-modulated?photoconductance?and?motion?detection?andprediction）方法，屬于感存算一體與智能識別。
技術介紹
1、移動探測與識別任務目的是探測具備時間關聯性物體的運動，對其未來狀態進行推斷與評估。現階段實現移動探測與識別任務主要依托于cmos圖像傳感器成像技術，結合圖像傳感、信號轉換、存儲以及處理多種電路組件模塊并結合網絡算法，基于背景減除、幀差法、光流法等對相鄰幀圖像處理進行差分運算來估計像素點的變化進而估計物體的運動。要實現準確高效的動態識別與預測，需要綜合考慮算法選擇、參數設置、實時性和數據存儲及處理等多個方面的技術問題。相比之下，具備弛豫特性的感存算器件陣列通過柵壓調控器件的電流弛豫，在進行圖像捕獲后，通過結合歐姆定律以及基爾霍夫定律與輸入的外界光功率進行原位的累乘加操作，將同一物體多時刻的運動圖像幀進行關聯性融合后傳輸到算法后端，極大減小冗余數據傳輸，降低了功耗并提高了計算效率。為了識別多時間尺度具備不同移動速度的物體，就需要寬范圍可調節的弛豫速度，然而現有研究基于弛豫動力學的器件往往時間常數調控范圍小，這極大限制了現有感存算器件體系在動態識別與預測領域的發展，因此迫切需要一種具備寬的光電導弛豫速度的電子器件單元。
技術實現思路
1、為了實現具備寬的光電導弛豫速度的電子器件單元，本專利技術提出一種基于高遷移率鉍氧硒自摻雜
2、本專利技術基于高遷移率鉍氧硒自摻雜效應的自調制光電探測器，包括襯底和柵介質層，以及位于柵介質層上的層狀二維鉍氧硒溝道層，溝道層的兩端為源漏（s/d）電極，其中，所述二維鉍氧硒溝道層的下部為界面缺陷層，上部為溝道傳輸層。
3、優選的，所述界面缺陷層是具有硒空位的1~2層二維鉍氧硒，其厚度為0.6?nm~1.4nm。硒空位缺陷濃度為4.2×1012/cm2~1.6×1013/cm2。
4、所述溝道傳輸層的厚度優選為8~12?nm。
5、所述襯底可以是硅襯底等，襯底即背柵極。所述柵介質層可以采用氧化鉿、氧化鋁、氧化硅等介質材料。所述源漏電極可以是鈦金、鈀金、鈦鈀金等金屬電極。
6、在本專利技術的一些實施例中，所述襯底為硅襯底；柵介質層采用氧化鉿（hfo2），厚度在10?–?20?nm范圍內；所述源漏電極為ti/au金屬疊層，厚度不超過60?nm；所述二維鉍氧硒溝道層的厚度在5?-?20?nm范圍內，所述界面缺陷層可以通過濕法刻蝕、等離子體轟擊、元素摻雜或者其他方式引起的界面改性工程引發硒空位。
7、上述自調制光電探測器具有柵壓依賴性：柵壓為0時，溝道電子與缺陷相互作用達到平衡，光電流不隨時間變化；在負柵壓下，費米能級下降，缺陷電子被釋放入導電溝道中，缺陷位點具備局部正電性，通過自調制摻雜促進溝道電子傳輸，光電流隨時間上升；在正柵壓下，費米能級上升，電子填充缺陷，缺陷位點具備局部負電性，通過自調制摻雜抑制溝道電子傳輸，光電流隨時間下降。基于上述特征可實現柵壓可調節的雙向變化的光電流極性，所述自調制光電探測器的柵壓依賴的隨時間變化的光電流對應于待識別圖像幀的信息加強與減弱。用輸出電流值的高低來衡量其所包含的有效信息量，當施加正柵壓時，隨時間延長，光電流逐漸衰減，對應于外界信息引發的光電探測器光電流響應逐漸減弱，也就是探測得到的圖像幀信息減弱；反之，當施加負柵壓時，隨時間延長，光電流持續上升，對應于外界信息引發的光電探測器光電流逐漸加強，也就是探測得到的圖像幀信息增強。
8、基于本專利技術的自調制光電探測器，本專利技術提供了一種動態識別與預測方法。基于界面缺陷，所述自調制光電探測器在施加并撤掉光照后，溝道光電流呈現弛豫特性，并且光響應時間常數τ受柵壓調控。對于外界信息，當有光照信息進入后，等效于對溝道施加一個光照刺激，由于器件的記憶行為，如果在相鄰兩個時間節點處對器件施加外界信息，器件會記憶并存儲住兩個時間節點處的圖像信息。對于快速運動的物體，需要器件具備快的弛豫速度，對應于一個小的光響應時間常數以便區分相鄰時間狀態的兩個圖像；對于運動速度慢的物體，需要器件具備慢的弛豫速度，以便對外界信息進行良好的匹配，對應于一個大的光響應時間常數，以便在寬的時間窗口范圍內存儲并展示關聯圖像。這就需要合理設計器件的光響應時間常數。本專利技術結合神經網絡，將器件存儲的圖像作為訓練數據，從而實現不同運動速度物體的探測與識別，其具體過程為：首先對于所述自調制光電探測器組成的器件陣列，為每個器件提供固定的柵壓偏置，使其具備不同光響應時間常數的弛豫特性；之后在不同的時刻t將外界運動物體的圖像信息以光投射的形式照射到器件陣列上，由于之前所述基于器件的光電流弛豫特性，當下一時刻的光信息輸入之后，此時的溝道電流等于上一時刻弛豫殘留的光電流信息與此時新的輸入的代數和，因此，圖像中新照射到的位置電流會達到峰值，之前運動過程中的圖像信息會逐漸丟失，基于陣列對圖像信息的記憶性可以判斷物體的運動方位；另外，當物體運動完成后，對陣列中的每個器件輸出進行讀出，得到二維分布的光電流圖像，并將此作為軟件層面神經網絡訓練和識別的目標。首先我們通過軟件的形式對包含三層卷積層以及三層全連接層的神經網絡進行訓練，對物體的運動速度分為快、中、慢三個層次進行訓練，外界信息首先經過三層卷積操作完成信息降維以及特征提取，之后輸入到三層全連接層實現輸出與識別，網絡訓練完成后，將未訓練的樣本輸入到訓練好的神經網絡中進行識別和預測，可以有效實現對不同運動速度物體的估計，并且基于這一設計，能夠對于未來某一時刻的物體位置進行預測，具體實施方式為：根據前時刻網絡評估的物體運動速度，未來t時刻位移等于速度與時間t的乘積，從而實現位置的預測與估計。
9、具體的，本專利技術基于所述自調制光電探測器提供了一種基于光電導自調制的動態識別與預測方法，包括：
10、1）以所述自調制光電探測器陣列作為硬件層面的前端信號處理結構，通過將外界不斷變化的外界圖像信息通過連續采樣，基于器件結構的弛豫特性，先采集到的圖像信息會隨著時間退化，后面采集到的圖像信息特征保留度會比較高，亮暗對比明顯的信息就包含了不同像素的時序信息，作為判斷時刻的標準，通過采用陣列結構對外界圖像信息進行采集和記錄，這樣所得到的輸出電流構建的圖像信息就包含了時序信息，可以通過軟件和硬件協同工作的方式實現移動方向的探測，其中硬件層面的光電探測器陣列起到了關于時間序列信息的記憶和信號預處理的工作，通過將陣列每個器件的電流輸出讀取，形成二維的電流分布圖，之后結合軟件層面的算法，對這些二維電流分布圖進行訓練，從而實現對于物體速度的估計，并基于時間本文檔來自技高網...
【技術保護點】
1.一種基于光電導自調制的動態識別與預測方法，其特征在于，利用自調制光電探測器組成的器件陣列作為前端信號處理硬件，對不斷變化的外界圖像信息進行連續采樣和記錄，通過軟件層面的神經網絡進行后端的動態識別和預測；其中，所述自調制光電探測器包括襯底和柵介質層，以及位于柵介質層上的層狀二維鉍氧硒溝道層，溝道層的兩端為源漏電極；所述層狀二維鉍氧硒溝道層的下部為具有硒空位的界面缺陷層，上部為溝道傳輸層。
2.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，所述自調制光電探測器的界面缺陷層是具有硒空位的1~2層二維鉍氧硒，其中硒空位缺陷濃度為4.2×1012/cm2~1.6×1013/cm2；所述溝道傳輸層的厚度為8?nm?~12?nm。
3.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，所述襯底為硅襯底，所述柵介質層為氧化鉿、氧化鋁或氧化硅。
4.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，對于所述自調制光電探測器組成的器件陣列，每個器件的柵壓偏置獨立控制，通過調控柵壓調節器件的光響應時間常數
5.如權利要求4所述的基于光電導自調制的動態識別與預測方法，其特征在于，包括：首先為器件陣列中的每個器件提供固定的柵壓偏置，使其具備不同光響應時間常數τ的弛豫特性；然后在不同的時刻將外界運動物體的圖像信息以光投射的形式照射到器件陣列上，讀出陣列中的每個器件輸出的光電流，得到二維分布的光電流圖像，并將其作為神經網絡訓練和識別的目標；所述神經網絡包含三層卷積層和三層全連接層，對物體的運動速度分為快、中、慢三個層次進行訓練，其中，三層卷積層對采集到的圖像信息進行特征提取以及降維操作，之后輸入到三層全連接層實現輸出與識別；網絡訓練完成后，通過器件陣列連續采集運動物體的圖像信息，并輸入到訓練好的神經網絡中進行識別和預測，實現對運動物體速度的估計，并基于時間差進行物體未來位置的預測。
...【技術特征摘要】
1.一種基于光電導自調制的動態識別與預測方法，其特征在于，利用自調制光電探測器組成的器件陣列作為前端信號處理硬件，對不斷變化的外界圖像信息進行連續采樣和記錄，通過軟件層面的神經網絡進行后端的動態識別和預測；其中，所述自調制光電探測器包括襯底和柵介質層，以及位于柵介質層上的層狀二維鉍氧硒溝道層，溝道層的兩端為源漏電極；所述層狀二維鉍氧硒溝道層的下部為具有硒空位的界面缺陷層，上部為溝道傳輸層。
2.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，所述自調制光電探測器的界面缺陷層是具有硒空位的1~2層二維鉍氧硒，其中硒空位缺陷濃度為4.2×1012/cm2~1.6×1013/cm2；所述溝道傳輸層的厚度為8?nm?~12?nm。
3.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，所述襯底為硅襯底，所述柵介質層為氧化鉿、氧化鋁或氧化硅。
4.如權利要求1所述的基于光電導自調制的動態識別與預測方法，其特征在于，...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。