MétaCan
Menu
Retour à la cohorte
Enregistrement W4391183519 · doi:10.1109/isocc59558.2023.10396470

Behavior Simulation of CDR for SSC System With a Compact Quarter-Rate Linear Phase Detector

2023· article· en· W4391183519 sur OpenAlexaboutno aff
Shu‐Chi Wang, Ching‐Yuan Yang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in PLL and VCO Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDetectorQuarter (Canadian coin)Phase (matter)Computer sciencePhase detectorPhysicsControl theory (sociology)OpticsArtificial intelligenceVoltage

Résumé

récupéré en direct d'OpenAlex

In this paper, we give analysis and comparison for conventional DLL-based CDR and proposed quarter-rate PI DLL-based CDR for spread-spectrum clocking (SSC) interfaces, respectively. Through theoretical analysis, we observe that the steady-state phase error of conventional approaches to infinity while the steady-state phase error approaches to a constant in the proposed CDR. Since the steady-state phase error results in phase offset for CDR to sample data, the proposed CDR can provide an incentive design for SSC applications. To improve jitter tolerance, we stabilize the system by adding integrators and zero points to enhance the phase-tracking ability. Operating at 3-Gb/s data with the SSC profile of 95-kHz modulation frequency and ±5% triangular-shape modulation rate, the CDR was design with loop bandwidth of 4.8 MHz and phase margin of 55 degrees.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,317
Écart entre enseignants0,283 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvancements in PLL and VCO TechnologiesTravaux en français237 207