Efficiency-Driven Design and Implementation of a Reconfigurable 12-Bit ADC Using 14 nm FinFET Technology
Notice bibliographique
Résumé
The demand for efficient and high-performance Analog-to-Digital Converters (ADCs) in modern systems, such as image sensors, continues to grow.Conventional methods, like Successive Approximation Register (SAR) ADCs and Sigma-Delta (-) ADCs, often face challenges in power efficiency, adaptability, and chip area, particularly at smaller technology nodes.These methods struggle with power dissipation and lack flexibility in dynamic applications.This research presents an efficiency-driven reconfigurable 12-bit Analog-to-Digital Converter (R-ADC) using 14 nm FinFET technology.The reconfigurable design allows the ADC to adapt dynamically to system requirements, addressing the drawbacks of conventional designs.FinFET technology, known for reducing leakage and improving short-channel effects, enhances the power efficiency and performance of the proposed ADC.The R-ADC achieves a 0.35% reduction in power consumption, a 0.20% improvement in sampling rate, and a 0.15% reduction in chip area compared to SAR ADCs.Additionally, key dynamic parameters such as Signal-to-Noise Ratio (SNR) and Total Harmonic Distortion (THD) are improved, with SNR increasing by 0.10% and THD decreasing by 0.12%.The proposed R-ADC offers significant improvements in efficiency and performance, making it a strong candidate for low-power, high-performance applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».