基于AMR的线性磁场传感器的噪音优化研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:liongliong570
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
磁场传感器的应用十分广泛,在国防建设、科学技术、医疗卫生等领域都发挥着十分重要的作用,是传感器产业的一个主要分支。AMR线性磁场传感器因其灵敏度高、工艺简单、易于集成、成本低、噪音小等优点,是应用最为广泛的磁场传感器之一。AMR线性磁场传感器的性能除了受制备工艺的影响,还受几何参数设计的影响。目前国内的研究主要集中在薄膜材料和工艺上,在传感器的尺寸设计方面研究还较少,因此本文主要研究不同的设计参数对AMR线性磁场传感器性能的影响,从而找到合适的设计参数,实现对传感器性能的优化。针对上述研究课题,本论文的主要研究内容包括:首先,通过对影响传感器性能的相关参数的分析,确定传感器的设计参数。AMR线性磁场传感器的设计主要分为磁阻条和Barber电极两个部分。磁阻条的设计参数主要为磁阻条的厚度、宽度和长度,磁阻条的厚度分别设计为28nm、32nm、35nm,宽度分别为16μm、20μm、24μm、28μm、32μm和36μm,单条磁阻条的长度为400μm;Barber电极的间距分别设计为10μm、12μm、14μm、16μm,电极角度分别为40°、45°、50°,电极宽度为10μm。不同设计参数组合成的器件一共有216个。其次,探索传感器的制备工艺。本文中磁阻薄膜采用Ta/Fe Ni/Ta三层结构,坡莫合金(Fe Ni)为磁阻敏感材料,钽薄膜为缓冲层,磁阻薄膜采用磁控溅射的方法进行制备;采用Barber电极结构的方法,通过改变流经磁阻条电流的方向使得传感器在零磁场附近成线性输出。Barber电极的材料为铝,厚度为500nm,采用电子束蒸发的方法进行制备。铝薄膜和磁阻薄膜之间蒸发一层钛作为过渡层,钛的厚度为15nm。然后,对制作完成的器件进行测试。通过测试发现,单位长度的磁阻条的电压灵敏度与磁阻条厚度和宽度的比值有关。厚度和宽度的比值减小时,电压灵敏度上升,若磁阻薄膜的厚度一定,则灵敏度随磁阻条宽度的增加而增大。若磁阻薄膜的宽度一定,则适当降低磁阻薄膜的厚度可以提升传感器的灵敏度。当厚度和宽度的比值减小到10-3时,继续降低厚度和宽度的比值,对传感器的灵敏度没有明显的提升效果,因此在设计传感器时,建议将传感器的厚度和宽度的比值设计在大约为10-3为宜;Barber电极间距增加,传感器的灵敏度减小,本文中电极间距为10μm时,传感器的灵敏度最好。电极角度越小,灵敏度越大,本文中电极角度为40°的器件的灵敏度最好。对设计的传感器的噪音进行测试发现,磁阻薄膜越厚,传感器的噪音越小;磁阻薄膜越窄,噪音越大;电极角度越小,传感器的噪音越小。当AMR传感器的磁阻条厚度为35nm,宽度为36μm,电极间距为10μm,电极角度为40°时,其噪音最小,频率为1Hz时,1/f噪音的大小为34.3n V/√Hz。最后,将自制的AMR线性磁场传感器和Honeywell公司的HMC1021传感器进行对比。我们制得的磁阻条宽度为36μm,厚度为35nm,电极间距为10μm,电极角度为40°的器件的灵敏度温度系数和桥电阻温度系数和HMC1021传感器接近,灵敏度、桥偏置电压、1/f噪音优于HMC1021传感器。
其他文献
通信系统受到外界因素影响,导致接收机接收到波动较大的信号,为了实现基带信号的正确解调,需要在接收机中加入AGC自动增益控制电路,通过增益补偿的方式达到信号稳定输出的目的。本文提出了模数混合AGC系统的设计方案,该结构利用FPGA完成数字处理模块的设计,并将转换为模拟信号的控制电压反馈到可变增益放大器VGA,通过控制VGA的增益调整输出功率。本文主要工作内容如下:(1)本文描述了模数混合AGC系统的
行人跟踪是智能视频监控中的研究热点,对行人的跟踪广泛应用于安防、人流量计数等场景中。基于视频图像的行人跟踪,通常作为行人检测的后端应用与行人行为识别判定的前端应用。一方面,行人跟踪可以更好地协助判定与预测行人的行为动作,以此实现行人动作识别、预警功能;另一方面,行人跟踪可以更好地协助抓取行人的关键信息,人脸图像通常作为行人的身份信息进行识别,但是需要抓取到相应行人的有效人脸图像,则需要使用行人跟踪
交通车辆目标的分类识别是城市智能交通管理系统,辅助决策自动驾驶以及综合交通信息平台的核心支撑技术。近年来伴随雷达技术不断提高以及各种新技术不断涌现,车辆目标识别技术逐步由基于光学传感器的图像处理技术转变为气象与环境适应性更强且性能更可靠的雷达探测技术。如今利用雷达进行探测的车辆目标分类技术已成为热点。基于统计模型的传统雷达目标分类识别技术因模型失配的原因存在分类可靠性差、正确识别率低等方面不足。深
随着当今社会的快速发展,各行各业对能源的需求也在不断提高。石油资源作为最为重要的资源之一,得到了各国的重视;如何勘探并开采石油资源,一直是各国研究重点。自Thompson于1936年在试验中发现了震电信号的存在,震电效应逐渐成为了地下资源勘探中的研究热点。相较于声波测井,震电测井检测的是电磁波信号,受钻铤波影响较小,因此展现出了在地质勘探方面的潜力。然而,激励出的震电信号一般较为微弱,而信号幅度能
随着微波毫米波器件逐步朝着高性能的方向发展,其边界及材料结构也变得愈加复杂。传统的解析方法只能在特定的坐标系以及规则的形状下求解麦克斯韦方程,因此它能够解决的问题十分有限。此后研究人员开始借助计算机及数值分析方法来进行数值求解,目前较为通用的方法是依靠电磁仿真软件及其内部的局部优化算法来完成器件整体的设计流程。但是此种方法的自由度受限,只能对已有模型进行有限的局部优化,当引入多自由度的复杂边界进行
在物联网的日益发展中传感器技术不可或缺。传感器能够感知外界环境的变化,在越来越多的场景中扮演着人类感官、神经、大脑的角色。热释电红外(PIR)传感器是众所周知的占位探测器,已被广泛用于人体跟踪和目标检测系统。目前,红外传感微系统等传感设备都需要通过电池等外部电源供电。但是,对于一些特殊工作环境,会因为电力系统故障等原因造成传感系统无法正常使用。为了解决在偏远地区或野外环境中难以使用传统电力供电的问
阵列天线是由多个辐射单元排列而成,若其中某些阵元失效将会导致阵列性能下降。为了保持阵列的辐射性能,对阵列进行定期或实时的故障诊断尤为重要。本文以基于辐射远场信息的阵列故障诊断方法为研究课题,从多标签分类的角度建立诊断模型,结合机器学习相关技术,对基于多标签深度学习的阵列故障诊断方法以及基于迁移学习的平面阵诊断网络展开研究。本文的研究内容主要包含以下三个部分。1.现有的基于机器学习的阵列故障诊断方法
随着网络化应用程度的加深,互联网+、大数据等技术的发展迅猛,现代社会也会产生大量多维度多属性的数据,例如医疗图像数据,工业传感器数据,高光谱图像数据等,传统的低维信号已经不能表现这些数据多个属性的内在联系,所以这些具有高维特征的数据集一般都用张量来表示。张量作为向量和矩阵在高阶空间的延伸,是这类数据十分本质的表达。张量奇异值分解(T-SVD)是一种新颖的分解方法,可以通过傅里叶变换把数据从时域搬移
随着社会和科技的不断发展,对于监控视频场景的智能分析系统的需求也不断的上涨。在众多的监控视频分析功能中,对视频中的人员进行定位以及计数是一个重要的研究方向。本文基于深度学习的理论,利用多任务学习的方法设计了一个可用于图像中人员定位以及计数的多任务学习模型,然后结合后处理算法进一步提高系统的精度。本文主要进行了以下的工作:1)对系统应用场景的视频数据做了收集、划分、标注,从图片数据的场景出发,说明了
人工电磁超表面由于其独特的电磁特性而受到人们的关注,其应用范围很广泛,常见于天线、雷达和多种电磁功能器件。在进行电磁超表面设计时,往往需要用到电磁仿真软件对其进行结构建模、仿真计算和参数优化。当结构较为复杂时,这是一件非常耗时的工作。如何对复杂超表面结构进行快速设计,成为了超表面技术研究领域的一个重要课题。近年来,随着人工智能技术的快速发展,一些专家学者引入深度学习的思想,构建神经网络对超表面的结