MétaCan
Menu
Retour à la cohorte
Enregistrement W3124305129 · doi:10.1049/ell2.12018

Impact of bandwidth on antenna‐array noise matching

2021· article· en· W3124305129 sur OpenAlexafffund
Roshaan Ali, Leonid Belostotski, Geoffrey G. Messier, Adrian Sutinjo

Notice bibliographique

RevueElectronics Letters · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésWidebandDecorrelationAntenna noise temperatureBandwidth (computing)Computer scienceNoise figureAcousticsNoise (video)Low-noise amplifierAntenna arrayElectronic engineeringAmplifierPhysicsAntenna (radio)TelecommunicationsEngineeringAntenna measurementAntenna factor

Résumé

récupéré en direct d'OpenAlex

Abstract This letter expands the treatments of wideband noise analysis of antenna arrays by including bandwidth effects on beam‐equivalent receiver noise temperature, , and the active reflection coefficient, . The particular focus of the letter is on receiver noise decorrelation in wideband systems having noise bandwidth 1 Hz. The new analysis and simulations show increase in and the departure of from that obtained using contemporary analyses for 1 Hz. Although the paper also shows that for many applications over moderate bandwidths and close connection between the receiver and array the influence of on is not significant, the simulations of a 71‐element array demonstrate that the noise decorrelation due to wide can result in tens of percent (as much as 45.5% in simulations described in this letter) increase in above the low‐noise amplifier minimum noise temperature, which should be taken into account at the design stage of ultra‐wide band systems, such as those under investigation by, for example, the Defense Advanced Research Project Agency (DARPA) in its wideband adaptive RF protection (WARP) program and ultra‐sensitive active electronically scanned array (AESA) radars for tracking stealth objects.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectronics LettersMême sujetAntenna Design and OptimizationTravaux en français237 207