פרויקטי גמר - הנדסת חשמל - המעבדה לתקשורת תשפ"א

שלחו לחבר

501 Massive cooperation of LEO satellites

שיתוף פעולה מסיבי בין לווינים במסלול נמוך

שם המנחה: רעי ריכטר
אחראי/ת אקדמי/ת: דר' איציק ברגל

הרקע לפרויקט:

הדרישות ממערכות התקשורת רק הולכות וגדלות. כלומר מערכות תקשורת נדרשות לתמוך בקצבי מידע גדולים יותר ובנוסף לשרת יותר משתמשים. לכן, יש צורך בשיפור המערכות תקשורת הקיימות ואחת הדרכים המבטיחות לעשות זאת היא שילוב של לוויני תקשורת במערכות תקשורת הקיימות. חברות שונות מפתחות קונסטלציות של אלפי לווייני תקשורת שמטרתם העיקרית היא תמיכה בהעברת מידע רב וכיסוי שטחים נרחבים. לווינים אלו ימוקמו בגבהים נמוכים מאוד, ולכן ינועו במהירות גבוהה יחסית לכדור הארץ ויצריכו שיטות וטכנולוגיות חדשות.

במערכות תקשורת יבשתיות השימוש בריבוי אנטנות במשדר ובמקלט (MIMO) הוכיח את עצמו ומשפר את הביצועים. השימוש ב- MIMO מעניק יתרונות רבים ולכן יש מוטיבציה גבוהה להכניס שימוש MIMO גם ללויינים.

מטרת הפרויקט:

בפרויקט נבחן את האתגרים במערכת תקשורת עם מספר רב של לווינים עם ריבוי אנטנות ונחפש להם פתרונות. מטרת הפרויקט היא לכתוב סימולציה ולנתח מערכת תקשורת עם מספר רב של לוויינים שמשתפים פעולה על מנת לשרת משתמשים רבים בכדור הארץ.

תכולת הפרויקט:

כתיבת סימולציה של מערכת תקשורת שכוללת מספר רב של לווינים ומשתמשים עם ריבוי אנטנות. הסימולציה תכלול שימוש במספר אנטנות בכל לווין ובכל משתמש, וניתוח הביצועים כאשר מספר הלווינים גדול.

קורסי קדם:

תקשורת ספרתית 2 (במקביל)

מקורות:

Arapoglou, Pantelis-Daniel, et al. "MIMO over satellite: A review." IEEE communications surveys & tutorials 13.1 (2011): 27-51.

502 Scheduling for LEO satellites

הקצאת משאבים למערכת תקשורת עם לווינים נמוכי מסלול

שם המנחה: רעי ריכטר
אחראי/ת אקדמי/ת: דר' איציק ברגל

הרקע לפרויקט:

כמויות המידע שמערכות תקשורת נדרשות להעביר רק הולכות וגדלות. לווייני תקשורת נמצאים בשימוש כבר כמה עשורים, אך הצורך בהגדלת קצבי המידע מצריך תכנון מערכתי חדש לגמרי. חברות שונות מפתחות קונסטלציות של אלפי לווייני תקשורת שמטרתם העיקרית היא תמיכה בהעברת מידע רב וכיסוי שטחים נרחבים. לווינים אלו ימוקמו בגבהים נמוכים מאוד, ולכן ינועו במהירות גבוהה יחסית לכדור הארץ ויצריכו שיטות וטכנולוגיות חדשות.

במערכות תקשורת יבשתיות השימוש בריבוי אנטנות במשדר ובמקלט (MIMO) הוכיח את עצמו ומשפר את הביצועים. השימוש ב- MIMO מעניק יתרונות רבים ולכן יש מוטיבציה גבוהה להכניס שימוש MIMO גם ללויינים.

מטרת הפרויקט:

בפרויקט נלמד את האתגרים בהקצאת משאבים במערכת תקשורת עם מספר לווינים ומשתמשים מרובי אנטנות ונחפש להם פתרונות. מטרת הפרויקט היא לכתוב סימולציה שמקצה את משאבי התקשורת למשתמשים בצורה חכמה ויעילה, כך שהמערכת תתמוך בכל המשתמשים כנדרש.

המטרה המחקרית של הפרויקט היא לנתח את האפשרויות השונות בהקצאת המשאבים לכל משתמש ולווין על מנת למקסם את הביצועים.

תכולת הפרויקט:

כתיבת סימולציה שתכלול שימוש במספר אנטנות, חישוב של מסלולי הלווינים, מידול הערוץ והקצאת משאבים.
בפרויקט יבחנו שיטות שונות להקצאת משאבים בין לווינים ומשתמשים.

בנוסף תבחן ותגובש שיטה לבחירת הלווינים שמתקשרים עם כל משתמש.

קורסי קדם:

תקשורת ספרתית 2 (במקביל)

מקורות:

Arapoglou, Pantelis-Daniel, et al. "MIMO over satellite: A review." IEEE communications surveys & tutorials 13.1 (2011): 27-51.

503 Blind Channel Equalization using Variational Autoencoders

שערוך ערוץ בעזרת למידת מכונה

שם המנחה: רעי ריכטר
אחראי/ת אקדמי/ת: דר' איציק ברגל

הרקע לפרויקט:

בשנים האחרונות השימוש בלמידת מכונה גדל ותורם לפתירת בעיות רבות. אחד האילוצים המרכזיים בשימוש בלמידת מכונה הוא הצורך במידע שבעזרתו נוכל לאמן רשת לביצוע פעולות. הצורך בלמידת מכונה במערכות תקשורת הוא נושא לדיון בפני עצמו ולא מעט מאמרים נכתבו על כך.

מערכות תקשורת כיום נדרשות לתמוך בקצבים גבוהים של מידע ולכן יש צורך לנצל את ציר הזמן וציר התדר ככל שניתן. לאחרונה התחילו לעבוד עם תדרים גבוהים יותר (עשרות גיגה, "גלים מילימטרים") על מנת להגדיל ולנצל יותר ממשאב התדר.

השימוש בגלים מילימטרים יוצר אתגרים חדשים ואחד האתגרים המרכזיים הוא שערוך הערוץ במערכת עם מספר אנטנות שידור וקליטה (MIMO).

מטרת הפרויקט:

בפרויקט נלמד וננתח את האתגרים בשיערוך הערוץ עבור מערכת תקשורת עם מספר אנטנות שידור וקליטה ונחפש להם פתרונות בעזרת שימוש בכלים של למידת מכונה. מטרת הפרויקט היא לכתוב סימולציה ולהבין את היתרונות והחסרונות בשיערוך ערוץ על ידי סדרות סנכרון ולהציע שיערוך נוסף על ידי למידת מכונה.

תכולת הפרויקט:

כתיבת סימולציה שתכלול מערכת תקשורת שמבוססת על גלים מילימטרים עם מספר אנטנות במשדר ובמקלט.
בפרויקט יבחנו שיטות שונות לשיערוך הערוץ
בנוסף תבחן ותגובש שיטה לשערוך הערוץ בעזרת למידת מכונה

קורסי קדם:

תקשורת ספרתית 2 (במקביל)

מקורות:

Caciularu, Avi, and David Burshtein. "Blind channel equalization using variational autoencoders." In 2018 IEEE International Conference on Communications Workshops (ICC Workshops), pp. 1-6. IEEE, 2018.

504 Source localization by a satellites system

איכון על ידי מערכת לוויינים

שם המנחה: הודיה הלוי
אחראי/ת אקדמי/ת: דר' איציק ברגל

הרקע לפרויקט:

איכון על ידי לוויינים מתבצע על כל צעד ושעל בדורות האחרונים. החל מאפליקציות בתחום האזרחי כמו waze, ממשיך באפליקציות לצורכי אבטחה וכלה באפליקציות בידוריות, כגון פוקימון גו. בלב מערכת כזו, קיים בדרך כלל אלגוריתם איכון על ידי לוויינים. בפרוייקט ניישם אלגוריתם מסוג זה.

מטרת הפרויקט:

מטרת הפרוייקט היא כתיבת קוד מטלב המדמה איכון על ידי רשת לוויינים בעזרת משערך נראות מירבית.

תכולת הפרויקט:

הסטודנטים יידרשו ללמוד את שיטות האיכון השונות ואת משערך הנראות המירבית. לאחר מכן, יידרשו לסמלץ מטרה על פני כדור הארץ ואיכון שלה בזמן על ידי מערכת לוויינים הנעה בחלל.

קורסי קדם:

  • תקשורת ספרתית 1

דרישות נוספות:

  • רצוי לקחת במקביל ניתוח סטטיסטי של מידע.

מקורות:

  1. Solution and performance analysis of geolocation by tdoa

505 Moving network localization

איכון רשת סנסורים בתנועה

שם המנחה: הודיה הלוי
אחראי/ת אקדמי/ת: דר' יאיר נועם

הרקע לפרויקט:

כיום מערכות חיישנים נמצאות בכל תחום. בתחום הצבאי כמובן, ניטור תנועה (waze) ואפילו בתחומי חקלאות חכמה. בחלק ניכר ממערכות אלו, מיקומי חלק מהחיישנים לא ידועים ובדרך כלל משתנים בזמן, כלומר חיישנים בתנועה. בפרוייקט זה נממש מערכת חיישנים ונשערך את מיקומם תוך כדי תנועה.

מטרת הפרויקט:

התוצר הסופי בפרוייקט זה הוא קוד מטלב המדמה שיערוך מיקומי החיישנים ברשת, כאשר השיערוך משתנה תוך כדי תנועת החיישנים. השיערוך יתבצע בעזרת משערך נראות מירבית ויכלול הערכת ביצועים.

תכולת הפרויקט:

הסטודנטים יידרשו ללמוד את שיטות האיכון השונות ואת משערך הנראות המירבית. לאחר מכן, יידרשו לסמלץ מערכת חיישנים הנמצאים בתנועה ולשערך את מיקומם המשתנה בזמן. לאחר מכן, יידרשו הסטודנטים לבדוק את ביצועיהם ביחס לחסמים ידועים.

קורסי קדם:

  • תקשורת ספרתית 1

דרישות נוספות:

  • רצוי לקחת במקביל ניתוח סטטיסטי של מידע.

מקורות:

  1. A. Agarwal, H. Daumé, J. M. Phillips and S. Venkatasubramanian, "Sensor Network Localization for Moving Sensors," 2012 IEEE 12th International Conference on Data Mining Workshops, Brussels, 2012, pp. 202-209, doi: 10.1109/ICDMW.2012.123.

פרויקטים נוספים מומלצים

703 Data-streams communication over a noisy channel

העברת זרמי-מידע בערוץ תקשורת רועש

שם המנחה: דר' רן גלס
אחראי/ת אקדמי/ת: דר' רן גלס

הרקע לפרויקט:

במערכות תקשורת מסוימות לאחד המסופים (אליס) יש זרם-מידע (data-stream) אינסופי, למשל, מדידות של חיישן. את המידע צריך להעביר למסוף אחר, למשל לתחנת הבסיס (בוב).

לעיתים, ערוץ התקשורת בין שני המסופים עשוי לשבש את ההודעות שנשלחות ביניהן באופן אקראי, ונדרש לשדר את המידע ע״י הוספת קידוד מתאים שיאפשר לבוב לקבל את המידע הנכון.

מטרת הפרויקט:

מטרת פרויקט זה היא לממש סכמת קידוד בין אליס לבוב שיאפשר העברת זרמי-מידע מעל ערוץ תקשורת רועש. אליס תבצע קידוד לתיקון שגיאות על זרם המידע, שיאפשר לבוב לקבל את נתוני זרם-המידע עבור חלון זמן מסוים. מכיוון שהמידע אינסופי, לא תמיד מעניין את בוב לדעת את כל המידע מתחילתו ועד סופו, אלא חשוב לו רק המידע של ״חלון זמן״ מסוים, נניח, השעה האחרונה. הפרויקט יאפשר לבוב לדעת תמיד את המדידות שבוצעו בשעה האחרונה, כל עוד כמות הרעש (בשעה האחרונה) לא עלתה מעבר לסף מסוים.

תכולת הפרויקט:

שלבי הפרויקט יכילו:

  1. לימוד רקע תיאורטי על קידוד זרמי מידע
  2. מימוש בתוכנה של סכמת קידוד זרמי מידע בחלונות זמן (לפי מאמר מס׳ 1 במקורות הרצ״ב)
  3. ביצוע סימולציית רעש ומדידת איכות הקידוד המתקבל
  4. (השוואה לסכמות קידוד נאיביות, למשל, קידוד המידע ע״י קוד Reed-Solomon בלבד.

המימוש יבוצע בשפה עילית (C, Java, Python) על גבי מחשב יחיד שידמה את שני המחשבים המתקשרים ואת ערוץ התקשורת ביניהם.

קורסי קדם:

  • מבוא לתורת הצפינה (ניתן לקחת במקביל)
  • מבני נתונים ואלגוריתמים

מקורות:

  1. Efficient Error-Correcting Codes for Sliding Windows Ran Gelles, Rafail Ostrovsky, Alan Roytman SIAM Journal on Discrete Mathematics, 34(1), pages 904–937, 2020
  2. Optimal Coding for Streaming Authentication and Interactive Communication Matthew Franklin, Ran Gelles, Rafail Ostrovsky, Leonard J. Schulman IEEE Trans. on Information Theory, 61(1), pages 133–145, 2015

407 Reverberation time estimation by deep learning for echo cancellation usage

שערוך זמן הדהוד ע"י למידה עמוקה לצורך ביטול מיטבי של הד

שם המנחה: ד"ר עופר שוורץ ומר אייל שוורץ
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Hands-free devices are often used in a noisy and reverberant environment. Therefore, the received microphone signal contain the desired near-end speech signal, background noise and a far-end echo signal that results from the acoustic coupling between the loudspeaker and the microphone. These interferences degrade the fidelity and intelligibility of the near-end speech. Acoustic echo cancellation system aims in estimating this acoustic coupling and employing adaptive filter to cancel the received echo signal.

Residual echo will be present at the output of the acoustic echo canceller when the acoustic echo path cannot be completely modeled by the adaptive filter. A spectral variance estimator for the so-called late residual echo that results from the deficient length of the adaptive filter can be used. The length of the echo cancellation filter and the post filter based on a statistical reverberation model. The model parameters depend on the reverberation time of the room.

However, estimating the reverberation time blindly and on the fly remains a challenge which can be obtained using deep learning algorithm. The reverberation time estimation can be formulated as a regression problem by using a convolutional neural network (CNN) to estimate the reverberation time directly from a four second long single-channel recording of reverberant speech in noise.

מטרת הפרויקט:

בפרויקט זה נממש מערכת לזיהוי משך זמן הדהוד של חדר ע"י אלגוריתם למידה עמוקה. המערכת תתאמן על אותות דיבור בעלי זמני הדהוד שונים על מנת ליצור סיווג פנימי של המערכת (כיול פנימי של פרמטרי הלמידה). לאחר מכן, המערכת תדע לסווג באופן אוטומטי זמני הדהוד לאותות דיבור הנקלטים בחדרים שונים.

זמן ההדהוד המשוערך יוזן למערכת ביטול הד. מערכת ביטול הד מטרתה להדעיך עד כמה שניתן הד החוזר מרמקול אל המקרופונים כדי לאפשר קליטה נקייה של הדובר הרצוי. כדי להדעיך את ההד באופן מיטבי משתמשים באות הרפרנס הקיים במערכת ומשערכים את המערכת האקוסטית מהרמקול את המיקרופון. ידיעת זמן ההדהוד של החדר תעזור בקביעת האורך של המערכת האקוסטית. לעיתים משתמשים גם במסנן נוסף כדי להדעיך הד שיורי. המסנן הנוסף זקוק גם הוא לשערוך של זמן ההדהוד של החדר.

התוצר הסופי יהיה מערכת כוללת אשר מכילה:

  1. מערכת למידה עמוקה של זמן הדהוד.
  2. מערכת ביטול אקו המשתמשת בזמן ההדהוד לקבלת ביטול הד מיטבי.

תכולת הפרויקט:

  1. מערכת למידה עמוקה אשר מכילה את השלבים הבאים: 
    1. Data base
    2. Model
    3. Train Stage
    4. Test Stage
  2. מימוש מערכת ביטול הד הכוללת שערוך מערכת אקוסטית ומסנן הדעכת הד שיורי.
  3. חיבור ב"טור" של המערכות הנ"ל ובדיקה כוללת של המערכת.

קורסי קדם:

  • מבוא ללמידת מכונה
  • DSP1
  • DSP2

דרישות נוספות:

  • קורס למידה עמוקה (יתרון)

מקורות:

  1. Blind reverberation time estimation using a convolutional neural network

  2. Habets, E. A. P., Gannot, S., Cohen, I., & Sommen, P. C. W. (2008). Joint dereverberation and residual echo suppression of speech signals in noisy environments. IEEE Transactions on Audio, Speech, and Language Processing, 16(8), 1433-1451. https://doi.org/10.1109/TASL.2008.2002071

408 Wind noise reduction from speech using spectral techniques

ניקוי רעשי רוח מאות דיבור ע"י שיטות ספקטראליות.

שם המנחה: ד"ר עופר שוורץ
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

This project uses an efficient technique for the enhancement of speech signals disturbed by wind noise.

In almost all noise reduction systems an estimate of the current noise power spectral density (PSD) is required.

As common methods for background noise estimation fail due to the non-stationary characteristics of wind noise signals, special algorithms are required.

The estimation technique usually consists of three steps:

  1. a feature extraction
  2. wind noise detection
  3. calculation of the current wind noise PSD
  4. employing spectral weighting.

Generally, we need to exploit the different spectral energy distributions of speech and wind noise.

מטרת הפרויקט:

בפרויקט נתכנן ונממש מערכת לניקוי רעשי רוח מאות דיבור ע"י מיקרופון יחיד. סדרת מאמרים שעוסקים בשיטות ספקטראליות תבחן ותתמיין ע"מ למפות את השיטות הקיימות לזהוי רעש רוח וניתוח המאפיינים שלו. השיטות מבוססות מודלים סטטיסטיים לרעש רוח ולדיבור במישור התדר.

רעש הרוח מאופיין בהשתנות גבוהה על ציר הזמן ובאופיין של דעיכה אקספוננטציאלית על ציר התדר. ניצול של המאפיינים השונים של הרוח מול דיבור יכול להועיל לשערוך מדויק של הצפיפות הספקטראלית של רעש הרוח.

לאחר מכן נשתמש במסנן חד-ערוצי כדי לסנן את רעש הרוח ולקבל ניקוי מיטבי של אות הדיבור.

תכולת הפרויקט:

בפרויקט זה נבצע:

  1. סקירה של שיטות ספקטראליות שונות לזיהוי וניקוי רעשי רוח.
  2. עריכת הקלטות אמת של דיבור ברעשי רוח.
  3. מימוש ב MATLAB של 
    • מערכת המבצעת בידוד וזיהוי של רעשי רוח בכל נקודת זמן-תדר.
    • שערוך של הצפיפות הספקטראלית של הרוח והדיבור בכל נקודת זמן תדר.
    • מסנן חד ערוצי לניקוי רעשי רוח
  4. בדיקה של השיטה לעומת שיטות קיימות ע"י מדדי איכות דיבור אובייקטיביים.

קורסי קדם:

  • DSP1
  • DSP2

דרישות נוספות:

  • קורס עיבוד דיבור (יתרון)

מקורות:

  1. Single microphone wind noise psd estimation using signal centroids
  2. Wind noise short term power spectrum estimation using pitch adaptive inverse binary masks

  3. Wind Noise Detection: Signal Processing Concepts for Speech Communication

  4. Corpus based reconstruction of speech degraded by wind noise

  5. Single microphone wind noise reduction using techniques of artificial bandwidth extension

  6. Wind noise reduction – signal processing concepts 

409 Speech and noise detection using the cGMM algorithm in noisy environment for joint source separation and denoising using the LCMV algorithm.

זיהוי דוברים ורעש באמצעות אלגוריתם cGMM בסביבה רועשת לצורך ביטול רעש והפרדת דוברים באמצעות אלגוריתם LCMV.

שם המנחה: מר אייל שוורץ
אחראי/ת אקדמי/ת: פרופ' שרון גנות

הרקע לפרויקט:

Application of the linearly constrained minimum variance (LCMV) beamformer (BF) to speaker extraction tasks in real-life scenarios necessitates a sophisticated control mechanism to facilitate the estimation of the noise spatial cross-power spectral density (cPSD) matrix and the relative transfer function (RTF) of all sources of interest.

In a conventional timevarying complex Gaussian mixture model (cGMM), the observed signals are assumed to be composed of sparse target signals only, where the sparseness refers to the property of having significant power at only a few time-frequency points. However, this assumption becomes inaccurate in the presence of nonsparse signals such as background noise, which renders speech enhancement based on the cGMM less effective. In contrast, the proposed noisy cGMM is based on the assumption that the observed signals consist of not only sparse target signals but also non-sparse background noise. This enables the noisy cGMM to model the observed signals accurately even in the presence of non-sparse background noise, which leads to effective speech enhancement.

With noisy cGMM we create multichannel concurrent speakers detector (MCCSD) that utilizes all available microphone signals to detect the activity patterns of all speakers. Time frames classified as no active speaker frames will be utilized to estimate the cPSD, while time frames with a single detected speaker will be utilized for estimating the associated RTF.

מטרת הפרויקט:

בפרוייקט זה נממש מערכת ליצירת מסכה זמנית/תדרית שתסווג על ידי אלגוריתם EM זמנים ותדרים שונים לדוברים שונים ואל הרעש כשכל זה מבוצע בסביבה רועשת. לאחר מכן ניקח את הקטעים שבהם היו בההם דוברים דומינטיים מהשאר ליצירת RTF עבור הדוברים השונים למימוש מערכת LCMV שתפריד את הדוברים ותנחית את הרעש.

תכולת הפרויקט:

  1. בנייה של מערכת cGMM ליצירת מסכה לזיהוי דובר דומיננטי או רעש.
  2. סיווג הקטעים השונים ליצירת RTF לדוברים השונים למימוש מערכת LCMV שתפריד את הדוברים לקטעים שונים ותנחית את הרעש.

קורסי קדם:

  • DSP1
  • DSP2
  • אותות אקראיים ורעש.
  • SSP1
  • מבוא ללמידת מכונה.

דרישות נוספות:

  • קורס למידה עמוקה (יתרון)

מקורות:

  1. Shmulik Markovich-Golan, Alexander Bertrand, Marc Moonen, Sharon Gannot,
    Optimal distributed minimum-variance beamforming approaches for speech enhancement in wireless acoustic sensor networks, Signal Processing, Volume 107,
    2015, Pages 4-20
  2. N. Ito, C. Schymura, S. Araki and T. Nakatani, "Noisy cGMM: Complex Gaussian Mixture Model with Non-Sparse Noise Model for Joint Source Separation and Denoising," 2018 26th European Signal Processing Conference (EUSIPCO), Rome, 2018, pp. 1662-1666, doi: 10.23919/EUSIPCO.2018.8553410.
  3. S. E. Chazan, J. Goldberger and S. Gannot, "LCMV Beamformer with DNN-Based Multichannel Concurrent Speakers Detector," 2018 26th European Signal Processing Conference (EUSIPCO), Rome, 2018, pp. 1562-1566, doi: 10.23919/EUSIPCO.2018.8553564.

229 Compact Bit Generators

יצרני ביטים רנדומליים

שם המנחה: דוד צוקר זביב
אחראי/ת אקדמי/ת: פרופ' אסנת קרן

הרקע לפרויקט:

הגנות רבות נגד תקיפות הספק על מערכות קריפטוגרפיות דורשות ביטים רנדומיים. השיטה המסורתית לממש יצרנים של ביטים רנדומיים היא לממש אותם בבלוק נפרד לצד הפונקציה הקריפטוגרפית. בהתאם, פותחו שיטות תקיפה משולבות אשר מנסות לנטרל את היצרנים הרנדומיים, במקביל לתקיפת הספק של הפונקציה הקריפטוגרפית.

מטרת הפרויקט:

במסגרת פרויקט זה אנו נפתח יצרני ביטים רנדומיים קטנים אשר יהיו ניתנים למימוש בתוך הפוקנציה הקריפטוגרפית, וכך יקשו על התקיפה והניטרול שלהם. בפרויקט זה יש מקום לפיתוח יצרנים ב־ASIC וב־FPGA, בהתאם למה שמעניין את הסטודנטים.

תכולת הפרויקט:

תכנון חומרתי של יצרן ביטים רנדומיים, מימוש ומדידות (ב־FPGA) או סימולציות (ASIC).

קורסי קדם:

  • מעגלים אלקטרוניים ספרתיים
  • אלקטרוניקה לינארית

דרישות נוספות:

  • קורסים מתקדמים בננו (מעגלים משולבים, אנלוג וכו').

מקורות:

D. Zooker, M. Avital, Y. Weizman, A. Fish and O. Keren, "Silicon Proven 1.8umX9.2um 65-nm Digital Bit Generator for Hardware Security Applications," in IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 66, no. 10, pp. 1713-1717, Oct. 2019, doi: 10.1109/TCSII.2019.2929158.