MétaCan
Menu
Retour à la cohorte
Enregistrement W2473199559 · doi:10.1109/tuffc.2016.2587868

Self and Mutual Radiation Impedances for Modeling of Multi-Frequency CMUT Arrays

2016· article· en· W2473199559 sur OpenAlexafffund
Mohammad Maadi, Roger J. Zemp

Notice bibliographique

RevueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency Control · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsCanadian Institutes of Health ResearchAlberta Innovates - Technology Futures
Mots-clésRadiation impedanceAcousticsElectrical impedanceAcoustic impedanceCapacitive sensingAcoustic radiationMutual informationUltrasonic sensorComputer scienceElectronic engineeringPhysicsOpticsRadiationEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Multi-frequency capacitive micromachined ultrasonic transducers (CMUTs) consist of interlaced large and small membranes for multiband operation. In modeling these devices, accurate and computationally efficient methods are required for computing self- and mutual-acoustic-radiation impedances. However, most previous works considered mutual-acoustic impedance between radiators of identical size. A need was thus found to revisit the fundamental framework for mutual-acoustic impedance for its applicability to radiators, especially flexural disks, of differing size. The Bouwkamp integral method is used to achieve infinite series expressions for self- and mutual-acoustic radiation impedances. Polynomial-fitting-based approximate relations of the mutual-acoustic impedance are developed for arbitrary array geometries and are in good agreement with exact expressions. The derived mutual-acoustic impedance is incorporated into equivalent circuit models of multi-frequency CMUTs showing excellent agreement with finite element modeling. The results demonstrate that mutual-acoustic interactions significantly impact device performance. The framework presented here may prove valuable for future design of multi-frequency arrays for novel multiscale imaging, superharmonic contrast imaging, and image therapy applications.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,893

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 Opus0,011
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations28
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Ultrasonics Ferroelectrics and Frequency ControlMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207