MétaCan
Menu
Retour à la cohorte
Enregistrement W2156658126 · doi:10.1109/tcsi.2009.2035412

Design Methodology for Nearly Linear-Phase Recursive Digital Filters by Constrained Optimization

2010· article· en· W2156658126 sur OpenAlexaff
David Guindon, D.J. Shpak, A. Antoniou

Notice bibliographique

RevueIEEE Transactions on Circuits and Systems I Regular Papers · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Filter Design and Implementation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésControl theory (sociology)Filter designDigital filterFilter (signal processing)Transfer functionConvergence (economics)Computer scienceAdaptive filterCascadeLinear phaseStability (learning theory)Design methodsNetwork synthesis filtersPrototype filterPolynomialLinear filterMathematical optimizationMathematicsAlgorithmElectronic engineeringEngineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

A methodology for the design of recursive digital filters having nearly linear phase response is proposed. The underlying design method is of the direct type whereby the filter is designed as a single unit. The design problem is formulated as a cascade of filter sections where each section is represented by a biquadratic transfer function either in the conventional polynomial form or in the polar form. The design problem is then solved using a constrained Newton's method whereby constraints are used to assure the stability of the filter, to control the step size in order to achieve fast convergence, and to eliminate a real-axis pole-migration problem that often interferes with the design process. Several design examples demonstrate that when compared with filters designed using existing state-of-the-art methods, the proposed methodology yields filters having reduced order and/or improved 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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,060
Tête enseignante GPT0,298
Écart entre enseignants0,238 · 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

Citations13
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Circuits and Systems I Regular PapersMême sujetDigital Filter Design and ImplementationTravaux en français237 207