MétaCan
Menu
Retour à la cohorte
Enregistrement W2321242650 · doi:10.1109/mwscas.2014.6908487

A load-pull approach using multi-frequency harmonic tuners for enhancing PAE and device model accuracy

2014· article· en· W2321242650 sur OpenAlexaff
Mohamed El Mahalawy, Neven Misljenovic, Ayman Fayed

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensFocus Microwaves (Canada)
Organismes subventionnairesNational Science Foundation
Mots-clésHarmonicsHarmonicElectrical impedanceProcess (computing)Harmonic analysisLoad pullPower (physics)Electronic engineeringComputer scienceControl theory (sociology)EngineeringVoltageElectrical engineeringAcousticsPhysicsControl (management)Transistor

Résumé

récupéré en direct d'OpenAlex

A load-pull process for characterizing and modeling devices used in switching microwave circuits is presented. The proposed process takes advantage of state-of-the-art Multi-Harmonic Impedance Tuners. These tuners have the ability to control and sweep terminations seen at multiple harmonic frequencies simultaneously, and therefore the true mutual interaction between the different harmonics is always captured during the load-pull process. This is as opposed to the commonly-used single-harmonic impedance tuners where only one harmonic termination can be controlled and swept at a time. Consequently, the set of optimum harmonic terminations obtained from the proposed load-pull process will result in a higher Power Added Efficiency (PAE) than the set obtained by the load-pull process that employs single-harmonic impedance tuners. Moreover, the measurement-based X-parameter model generated during the proposed load-pull process will more accurately predict the performance of the device under real operating conditions. Experimental results of a 0.25 µm GaN device operating at 10 GHz show that an improvement of 11% in PAE is achieved with the optimum harmonic terminations obtained by the proposed approach.

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 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,483
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 Opus0,057
Tête enseignante GPT0,285
Écart entre enseignants0,228 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Power Amplifier DesignTravaux en français237 207