A system for automated noise parameter measurements on MR preamplifiers and application to high <i>B</i><sub>0</sub> fields
Notice bibliographique
Résumé
A noise figure and noise parameter measurement system was developed that consists of a combination spectrum and network analyzer, preamplifier, programmable power supply, noise source, tuning board, and desktop computer. The system uses the Y-factor method for noise figure calculation and allows calibrations to correct for a decrease in excess noise ratio between the noise source and device under test, second stage (system) noise, ambient temperature variations, and available gain of the device under test. Noise parameters are extracted by performing noise figure measurements at several source impedance values obtained by adjusting an electronically controlled tuner. Results for several amplifiers at 128 MHz and 200 MHz agree with independent measurements and with the corresponding datasheets. With some modifications, the system was also used to characterize the noise figure of MRI preamplifiers in strong static magnetic fields up to 9.4 T. In most amplifiers tested the gain was found to be reduced by the magnetic field, while the noise figure increased. These changes are detrimental to signal quality (SNR) and are dependent on the electron mobility and design of the amplifier's semiconductor devices. Consequently, gallium arsenide (GaAs) field-effect transistors are most sensitive to magnetic fields due to their high electron mobility and long, narrow channel, while silicon-germanium (SiGe) bipolar transistor amplifiers are largely immune due to their very thin base.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».