MétaCan
Menu
Retour à la cohorte
Enregistrement W2127471047 · doi:10.1109/wescan.1993.270578

Analysis and comparison of two discrete phase control digital bit synchronizers

2002· article· en· W2127471047 sur OpenAlexaff
D.W. Paranchych, Norman C. Beaulieu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Communication Techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésJitterComputer scienceAlgorithmSymbol (formal)Binary numberSynchronization (alternating current)LimitingSquare rootRoot mean squareMathematicsArithmetic

Résumé

récupéré en direct d'OpenAlex

Random walk models are used to analyze the performance of two digital bit synchronizers that use hard limiting of the received signal, and that allow the estimated timing phase to change by a fixed amount in each symbol period. One of these uses a decision directed version of Gardner's algorithm, and the other uses a recently introduced technique called sample-correlate-choose-smallest (SCCS). For the first method, the authors find exact solutions for the root-mean-square (RMS) phase jitter, mean time to acquire synchronization, and mean time to symbol slip in the case of binary nonreturn-to-zero (NRZ) signaling. In contrast to previous solutions, these results do not increase in complexity as the phase step size decreases. For practical purposes, there is a negligible difference between the exact results and those obtained from an approximate model. This approximate model is used to evaluate the performance of the algorithm with shaped time limited pulses. Jitter, acquisition and symbol slip performance for the second algorithm using NRZ signals are evaluated. It is found that SCCS performs significantly better at small SNR, while Gardner's algorithm can have an advantage above approximately 0 dB.>

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,297
Écart entre enseignants0,283 · 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

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Wireless Communication TechniquesTravaux en français237 207