MétaCan
Menu
Retour à la cohorte
Enregistrement W4407693971 · doi:10.1109/tvlsi.2025.3541539

A Time-Domain Frequency Analyzer Based on Goertzel Algorithm

2025· article· en· W4407693971 sur OpenAlexafffund
Mahsa Zareie, Kamal El‐Sankary, Dalton Martini Colombo, E.I. El-Masry

Notice bibliographique

RevueIEEE Transactions on Very Large Scale Integration (VLSI) Systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Algorithms and Applications
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpectrum analyzerFrequency domainComputer scienceAlgorithmTime domainTelecommunicationsComputer vision

Résumé

récupéré en direct d'OpenAlex

This article presents a novel time-domain implementation of the second-order Goertzel frequency analyzer, which can be extended for use in infinite impulse response (IIR)/finite impulse response (FIR) filters. A set of time-domain arithmetic circuits, including a one-step time register (TR), time amplifier (TA), time adder, and unit delay operator (${z}^{-1}$), are introduced to overcome the limitations of conventional time-domain filters. The working principles and nonidealities of each block are analyzed and compared with the existing methods. The proposed filter is implemented in a 180-nm CMOS process with a 0.9-V supply voltage. The designed frequency analyzer is tunable to extract the amplitude and phase angle of signals up to 400 Hz. Simulation results, targeting a 280-Hz signal at a 19.88-kHz sampling frequency, demonstrate that the filter can detect the amplitude and phase of a voltage signal in the time domain with an error below 5%. The filter achieves a resolution of$76.7~\text {dBV/s}$, consumes less than$24~\mu \text {W}$of power, and the estimated silicon area is almost$0.828~\mathrm {mm}^{2}$.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,005
Tête enseignante GPT0,222
Écart entre enseignants0,217 · 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
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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Very Large Scale Integration (VLSI) SystemsMême sujetAdvanced Algorithms and ApplicationsTravaux en français237 207