MétaCan
Menu
Retour à la cohorte
Enregistrement W1988461649 · doi:10.1109/icuwb.2015.7324405

A Linearity Enhancement Method for CMOS Mixers Using Digital Assist

2015· article· en· W1988461649 sur OpenAlexaff
David J. Stewart, Carlos E. Saavedra

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRadio Frequency Integrated Circuit Design
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCMOSLinearityFrequency mixerdBmElectronic mixerElectronic engineeringElectrical engineeringRadio frequencyPoint (geometry)Power (physics)Harmonic mixerMaterials scienceComputer scienceEngineeringPhysicsMathematicsAmplifier

Résumé

récupéré en direct d'OpenAlex

A technique is presented to improve both the input 1-dB compression point (IP1dB) and the third-order intercept point (IP3) of a mixer using real-time knowledge of the incident RF power to the mixer plus look-up tables (LUTs) that contain measured performance data of mixer under different bias conditions. The concept is applied to an active mixer designed in-house on 130 nm CMOS technology. The mixer has a modified Gilbert-cell topology where the dc bias currents of the RF stage and the LO switching stage are independent of each other. Experimental tests reveal that the IP1dB of the mixer can be increased by +8.7 dB from a baseline value of -12.1 dBm to - 3.3 dBm using the digital assist and its IIP3 can be improved by +5.9 dB from -3.11 dBm to +2.83 dBm with the technique.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,310
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRadio Frequency Integrated Circuit DesignTravaux en français237 207