MétaCan
Menu
Retour à la cohorte
Enregistrement W2099361479 · doi:10.1109/tim.2011.2172999

Derivation and Design of In-Loop Filters in Phase-Locked Loop Systems

2011· article· en· W2099361479 sur OpenAlexaff
Masoud Karimi-Ghartemani, S. Ali Khajehoddin, Praveen Jain, Alireza Bakhshai

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in PLL and VCO Technologies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPhase-locked loopControl theory (sociology)HarmonicsPLL multibitLoop (graph theory)Transfer functionDelay-locked loopElectronic engineeringFilter (signal processing)Noise (video)Stationary Reference FrameComputer sciencePhase noiseEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper addresses the concept of in-loop filters in phase-locked loop (PLL) systems. The in-loop filters are derived from an optimization perspective, and an analytical method to design the controlling parameters of a PLL with in-loop filters is also presented. Such filters can also be selected as conventional window functions in which case they can be tuned to reject certain frequency components similar to the discrete Fourier transform. In this paper, a rigorous method to introduce the concept of in-loop filters and window functions into PLL systems is presented. This method enables smoother estimation of the signal parameters such as phase angle, frequency, and amplitude in the presence of noise and harmonics. The in-loop filters can be adjusted to completely remove specific harmonics. The method is first developed for a single-phase enhanced PLL system and is then extended to three-phase PLLs including the well-known synchronous-reference-frame PLL. Simulation and experimental results are also included.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,091
Tête enseignante GPT0,260
Écart entre enseignants0,168 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations103
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujetAdvancements in PLL and VCO TechnologiesTravaux en français237 207