MétaCan
Menu
Retour à la cohorte
Enregistrement W2019642678 · doi:10.1109/mcas.2012.2237143

Challenges in Reconfigurable Radio Transceivers and Application of Nonlinear Signal Processing for RF Impairment Mitigation

2013· article· en· W2019642678 sur OpenAlexaff
Zhiwen Zhu, Henry Leung, Xinping Huang

Notice bibliographique

RevueIEEE Circuits and Systems Magazine · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensUniversity of CalgaryCommunications Research Centre Canada
Organismes subventionnairesnon disponible
Mots-clésTransceiverRadio frequencyElectronic engineeringAmplifierWirelessSoftware-defined radioComputer scienceNonlinear distortionFrequency offsetBasebandPhase noiseSignal processingCommunications systemCognitive radioEngineeringDigital signal processingTelecommunicationsOrthogonal frequency-division multiplexingChannel (broadcasting)CMOS

Résumé

récupéré en direct d'OpenAlex

The design of compact and reconfigurable radio transceivers with low power consumption and low cost is a challenging task in future wireless communications systems. Transceiver architectures that are amenable to high-level integration will inevitably suffer from various radio frequency (RF) impairments, which limits the communications system performance and hence hinders their wide-spread use in commercial products. In this paper, we present the mitigation of RF impairments as a system identification problem. Four major classes of RF impairments are presented: power amplifier (PA) nonlinearity, in-phase/ quadrature (I/Q) impairments, group delay distortion, and carrier frequency offset and phase noise. Their models and up-todate identification techniques are described here. In particular, various nonlinear signal processing techniques that are effective in mitigating these impairments are also presented here. Theoretical and experimental results show that these mitigation techniques can significantly improve the communications system performance.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,025
Tête enseignante GPT0,233
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Circuits and Systems MagazineMême sujetAdvanced Power Amplifier DesignTravaux en français237 207