MétaCan
Menu
Retour à la cohorte
Enregistrement W4380592138 · doi:10.1109/arftg56062.2023.10148892

VNA-Based Testbed for Accurate Linearizability Testing of RF Beamforming Arrays Under Modulated Signals

2023· article· en· W4380592138 sur OpenAlexaff
Nizar Messaoudi, Ahmed Ben Ayed, Joel P. Dunsmore, Slim Boumaiza

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Power Amplifier Design
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTestbedAdjacent channel power ratioBeamformingComputer scienceElectronic engineeringAmplifierPredistortionTransmitterSignal generatorChannel (broadcasting)Bandwidth (computing)EngineeringTelecommunicationsChip

Résumé

récupéré en direct d'OpenAlex

This paper presents a vector network analyzer (VNA) based testbed for accurate phased arrays linearity and linearizability testing under wideband modulated signals. The proposed testbed relies on a standard horn based channel calibration to de-embed over-the-air receiver hardware frequency response and utilizes two of the VNA’s receivers to simultaneously capture accurate representation of the array input and radiated signals. The testbed corrects the linear and nonlinear distortions exhibited by the transmitter underlying components (e.g., arbitrary waveform generator, up-converter, driver amplifiers, and couplers) as well as for the channel and receiver hardware frequency responses so that the linearizability testing is solely indicative of the performance of the array under test. Experiments conducted using an 8x8 RF beamforming array operated at 28 GHz confirmed the capacity of the proposed testbed to support digital predistortion based linearization testing under 5G NR 400 MHz OFDM test signal. More importantly, the pre- correction of the linear and nonlinear distortions exhibited by the testbed yielded an improvement of the adjacent channel power ratios of the array radiated signal by up to 2-3 dB compared to the uncorrected case while using 48% less number of coefficients.

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)0,001
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 enseignants0,775
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,070
Tête enseignante GPT0,290
Écart entre enseignants0,220 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Power Amplifier DesignTravaux en français237 207