MétaCan
Menu
Retour à la cohorte
Enregistrement W3014576444 · doi:10.1109/jsen.2020.2984005

Fast Spectral Impedance Measurement Method Using a Structured Random Excitation

2020· article· en· W3014576444 sur OpenAlexaff
Sohaib Majzoub, Anis Allagui, Ahmed S. Elwakil

Notice bibliographique

RevueIEEE Sensors Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésElectrical impedanceSweep frequency response analysisElectronic engineeringAcousticsSpectral leakageBandwidth (computing)System of measurementSIGNAL (programming language)Signal processingStandard deviationComputer sciencePhysicsDigital signal processingMathematicsFast Fourier transformAlgorithmEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

The need for fast impedance measurement methods and instruments is necessary for accurate on-line characterization of many bio(electro)chemical systems in which most of the important processes occurs at low frequencies. However, the measurement by means of the traditional single-sine sweep signal is known to be a time consuming task particularly at ultra-low frequencies. In this work, we demonstrate the synthesis of a structured signal generated from a Gaussian white noise time series such that its power spectral magnitude is relatively flat over a wide bandwidth while maintaining a random phase. Such a signal allows the simultaneous measurement for multiple frequencies at once. When used to characterize a precision standard cell, the average deviation of the cell's spectral impedance from that measured using single-sine sweep on a research-grade BioLogic VSP-300 electrochemical station was about 1.03% over the frequency range 2 mHz to 200 kHz. Concurrently, the measurement time was reduced by a factor of 6.08 times compared to the reference instrument. The proposed methodology and processing can be readily adapted to other types of noises for fast impedance measurement.

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: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,587

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 Opus0,034
Tête enseignante GPT0,261
Écart entre enseignants0,227 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetFault Detection and Control SystemsTravaux en français237 207