Test Methods For Sigma-Delta Data Converters and Related Devices
Notice bibliographique
Résumé
This tutorial will look at the fundamental methods of digital sampling and how to apply it to sigma-delta modulators and other sigma-delta based devices. We begin by describing the principles of digital sampling and how one extends this theory to the test of sigma-delta based data converters and related devices. A review of the basic ideas of coherent testing will be given, such as the application of the M/N coherency principle for performing gain, frequency and distortion type measurements. The impact of clock jitter will also be emphasized. Next, we'll extend the sampling principle to the non-coherent test situation and describe how one performs measurements of deterministic and random signals using a pre-processing step involving windowing. Subsequently, the concept of a periodogram will be introduced and shown how it is used to estimate the power spectral density of a random signal (i.e., noise). At this point in the discussion we'll review the basic ideas behind sigma-delta modulators and their application to data conversion. We'll look at lowpass and bandpass type modulators, as well as single-loop, multi-loop multi-stage, continuous-time and sampled-data implementations. The goal is to expose the students to the underlying principles behind new IC developments and trends, rather than expose the students to detail design issues. At this point, specific issues related to estimating the power spectral density of a sigma-delta modulator using a periodogram will be described. The remainder of the tutorial will look at different ways in which sigma-delta techniques can be used for Design-For-Test. One section will describe different methods in which to generate high-precision analog signals, such as DC, sinusoids, multi-tones, Gaussian noise signals, phase and frequency modulated signals, etc. Such methods have application for retrofitting digital testers as mixed-signal testers, as well as extending the capability of existing testers. Subsequently, we'll demonstrate how sigma-delta methods can be used in a wide range of DFT/BIST circuits for SOC applications. This will include signal sources, digitizers, coherent samplers, time-domain reflectometry and transmission, and noise and jitter analyzers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».