MétaCan
Menu
Retour à la cohorte
Enregistrement W2899777922 · doi:10.1109/icmcs.2018.8525972

Design Methodology Proposal of Digital Predistorter Using Matlab and Modelsim Cosimulation

2018· article· en· W2899777922 sur OpenAlexfundno aff
Haithem Rezgui, Fatma Rouissi, Adel Ghazel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Calgary
Mots-clésModelSimLookup tableField-programmable gate arrayMATLABComputer scienceBandwidth (computing)AmplifierElectronic engineeringTable (database)Gate arrayEmbedded systemEngineeringTelecommunicationsVHDL

Résumé

récupéré en direct d'OpenAlex

This paper details the design of a Digital Predistorter (DPD) based on the Simplified Volterra Series (SVS) model. Our main contributions concern first the design of the predistorter unit using the Look Up Table (LUT) method without additional algorithms to decrease the high number of coefficients required for the PA model. Then, a Matlab and Modelsim cosimulation approach is discussed and performed to evaluate the proposed DPD architecture, in particular synthesis results are presented in terms of required Field Programmable Gate Array (FPGA) resources to implement the proposed predistorter. In addition, the performances of the proposed design are verified using a class AB GaN Power Amplifier (PA) driven by one carrier Long Term Evolution-Advanced (LTE-A) signal with 20 MHz channel bandwidth. It is proven that the LUT predistorter occupies only 55 % of the multipliers (DSP48E1) available in the Zynq-7000 FPGA. Also, the Adjacent Channel Power Ratio (ACPR) attains more than -45 dB.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,597
Score d'incertitude au seuil0,355

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 Opus0,113
Tête enseignante GPT0,308
Écart entre enseignants0,195 · 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
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Power Amplifier DesignTravaux en français237 207