MétaCan
Menu
Retour à la cohorte
Enregistrement W4237493602 · doi:10.23919/eumc.2018.8541635

A Zero-IF Auto-Calibration System for Phased Array Antennas

2018· article· en· W4237493602 sur OpenAlexaff
M. Salehi, Safieddin Safavi‐Naeini

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAntenna Design and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Science Council
Mots-clésPhased arrayPhase shift moduleAmplifierCalibrationElectronic engineeringPhase-locked loopAntenna (radio)AmplitudePhased-array opticsSIGNAL (programming language)AcousticsPhase (matter)EngineeringTopology (electrical circuits)PhysicsComputer scienceElectrical engineeringOpticsPhase noiseCMOS

Résumé

récupéré en direct d'OpenAlex

A simple, compact, and low-cost implementation of an auto-calibration system for evaluating a Ka-band phased array active element is presented. The proposed technique estimates the amplitude/phase unbalance of each antenna element induced by feed circuit and characterizes phase shifter and variable gain amplifier (VGA) attached to each individual antenna element in an array configuration. This intelligent calibration system employs phased locked loop (PLL) oscillators to generate an RF test signal and a LO calibration signal. The former is used for down-converting the signal output from the antenna element under test for phase and amplitude measurement. The latter is used to compensate the quadrature mixer error in low-IF topology. The antenna signal amplitude and phase are extracted from the I/Q signals. This approach can compensate for most of the associated errors caused by nonlinearity of the quadrature modules and amplifiers using internal time-varying phase. A back-to-back measurement shows the proposed scheme can offer an accuracy of ±2 degrees in phase and ±0.3 dB in amplitude over a 30-dB dynamic range.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,013
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAntenna Design and OptimizationTravaux en français237 207