MétaCan
Menu
Retour à la cohorte
Enregistrement W2583115856 · doi:10.1109/icecs.2016.7841173

Ultra low-power MEMS based radios for the IoT

2016· article· en· W2583115856 sur OpenAlexaff
Raghavasimhan Thirunarayanan, Aravind Heragu, David Ruffieux, Christian Enz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Resonator Technologies
Établissements canadiensSemtech (Canada)
Organismes subventionnairesnon disponible
Mots-clésResonatorPhase noiseMicroelectromechanical systemsPhase-locked loopElectrical engineeringComputer scienceFrequency synthesizerElectronic engineeringEnergy (signal processing)Power (physics)Filter (signal processing)Q factorNoise (video)Crystal oscillatorMaterials scienceOptoelectronicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The start-up phase of the radios is responsible for the major energy drain in duty cycled Internet of Things (IoT) nodes. The main source of this energy drain is the long start-up of the loop based frequency synthesizer; especially the crystal oscillator (XO) frequency reference. In order to greatly reduce this energy drain, this paper presents radios based on micromachined Bulk Acoustic Wave (BAW) resonators that have the capability to start in few μs as opposed to ≈ 1 ms start-up of the traditional XO. In addition, these resonators also have a high Quality factor (Q). This results in the oscillators employing these resonators having excellent phase noise, thereby aiding the development of loop-free frequency synthesizers. The high-Q has also been leveraged to make a very good high frequency filter that has been employed in the sub-sampling receiver presented in this paper.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,280

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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,190 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAcoustic Wave Resonator TechnologiesTravaux en français237 207