MétaCan
Menu
Retour à la cohorte
Enregistrement W2276148025 · doi:10.1109/tie.2015.2494040

A Novel Weighted Memory Polynomial for Behavioral Modeling and Digital Predistortion of Nonlinear Wireless Transmitters

2015· article· en· W2276148025 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensUniversity of CalgaryQueen's University
Organismes subventionnairesnon disponible
Mots-clésPredistortionRobustness (evolution)Behavioral modelingAmplifierPolynomial and rational function modelingPolynomialComputer scienceAlgorithmNonlinear distortionWirelessElectronic engineeringNonlinear systemControl theory (sociology)MathematicsTelecommunicationsBandwidth (computing)EngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, a novel weighted memory polynomial (WMP)-based model is proposed for wireless transmitters and radio-frequency power amplifiers' (PAs) behavioral modeling and predistortion. The new model introduces an instantaneous-power-dependent weight function on the static and dynamic terms of the conventional memory polynomial (MP) model. Experimental validation in both modeling and predistortion contexts was performed on a PA prototype driven by a 20-MHz Long Term Evolution signal. The proposed model was assessed against the standard MP model. The experimental results demonstrate the superiority of the proposed polynomial in behavioral modeling applications as it results in up to 50% (3-dB) improvement in the normalized mean square error for the same number of coefficients. The model robustness was then validated by using a second test signal applied to two Doherty PAs using different transistor technologies. Furthermore, when applied for digital predistortion, the proposed WMP function achieves the same performance as the state-of-art MP while requiring approximately 50% less coefficients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,716
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,255
Écart entre enseignants0,203 · 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