Design and optimization of a class of oversampled sigma-delta D/A converters by employing genetic algorithms
Notice bibliographique
Résumé
In a preceding paper, a genetic algorithm was developed for the design and optimization of higher-order oversampled Sigma-Delta digital-to-analog (D/A) converters having cascade-of-resonators and cascade-of-integrators configurations. This paper is concerned with the genetic-algorithm optimization of the corresponding combined cascade-of-resonators/cascade-of-integrators (CRI) Sigma-Delta D/A converters. The salient feature of CRI Sigma-Delta D/A converters is that the constituent signal and noise transfer functions become complimentary by the converter configuration proper, simplifying the design process to the realization of the constituent noise transfer function. Moreover, the configuration proper places the noise transfer function zeros on the unit-circle, making it possible to obtain high signal-to-quantization-noise ratios. The underlying genetic algorithm for the optimization of the noise transfer function guarantees that after the application of the operations of crossover and mutation to the parent noise transfer functions, the resulting offspring noise transfer functions are (inherently) BIBO stable. The usefulness of the proposed technique is demonstrated through its application to the design of a sixth-order lowpass CRI Sigma-Delta D/A converter employing a 64 time oversampling ratio for a final realization incorporating 16-bit multiplier values
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 ».