XiaoMi-AI文件搜索系统
World File Search System噪声消除
共栅极 LNA 中的新型噪声消除拓扑
本文提出了一种设计噪声消除共栅 (CG) 低噪声放大器 (LNA) 的新方法。该方法研究使用电感退化共源 (IDCS) 级与 CG 级并联，而不是共源 (CS) 级。考虑到 IDCS LNA 的特殊规格，所提出的拓扑可以实现更低的噪声系数 (NF) 和更好的输入阻抗匹配。对该拓扑进行了分析计算，并给出了满足输入阻抗匹配和噪声消除条件的方程。还通过计算每个噪声源的传递函数来计算所提出的 LNA 的 NF，同时满足这些条件。为了验证理论分析，设计并优化了两个不同的 X 波段 LNA。使用先进设计系统 (ADS) 电磁动量和 GaAS pHEMT 0.1 µ m 工艺模型进行模拟。结果表明，所提出的方法可以实现更好的输入阻抗匹配和更低的 NF，而输出阻抗匹配和增益具有相对相同的行为。
使用有源电感和 1 /f 噪声消除的宽带低功耗 RF 至 BB 电流复用接收器，适用于 L 波段应用
摘要 本文提出了一种低功耗宽带射频到基带 (BB) 电流复用接收器 (CRR) 前端，它同时利用了 1/f 噪声消除 (NC) 技术和有源电感器 (AI)，工作频率为 1 GHz 至 1.7 GHz，适用于 L 波段应用，包括那些需要高调制带宽的应用。CRR 前端采用单电源，并与 BB 电路共享低噪声跨导放大器 (LNTA) 的偏置电流，以降低功耗。为了最大限度地减少下变频之前射频 (RF) 信号的损失，高阻抗 AI 电路将混频器输入与 CRR 输出节点隔离。1/f NC 电路可抑制泄漏到输出的 LNTA 低频噪声。带有 gm 增强的共栅极 LNTA 以及单端到差分 LC 平衡-不平衡转换器用于增强输入匹配、变频增益和噪声系数 (NF)。所提出的接收器采用 TSMC 130 nm CMOS 工艺制造，占用有效面积为 0.54mm 2 。输入匹配 (S 11 ) 在 1 GHz 至 1 . 7 GHz 范围内低于 − 10 dB。在本振 (LO) 频率为 1 . 3 GHz、中频 (IF) 为 10 MHz 和默认电流设置下，CRR 实现了 41 . 5 dB 的转换增益、6 . 5 dB 的双边带 (DSB) NF 和 − 28.2 dBm 的 IIP3，同时消耗 1.66 mA 电流，电源电压为 1 . 2 V。
丘脑底核神经元局部场诱发电位中深部脑刺激伪影的噪声消除
本研究介绍了一种噪声消除技术，用于 MER 机器通过丘脑底核深部脑刺激/或刺激器 (STN-DBS) 在局部场电位 (LFP) 中进行电刺激获取的丘脑底核 (STN) 神经元微电极信号。我们提出了一种新方法，用于消除由不同于典型 LFP (低频电位) 信号的脉冲发生器触发的诱导刺激伪影。该方法经过处理和准确性测试，并计算用于体外状态的执行。结果表明，该方法可以很好地抑制刺激伪影。并且还在帕金森病 (PD) 受试者 (患者) 的体内状态下进行了测试。它用于处理从 PD 手术中收集的 LFP 信号，以初步探索 STN、DBS 参数 (刺激强度、刺激电压、频率和幅度脉冲宽度) 内 beta 波段同步变化的定量依赖性。研究结果表明，DBS 过程可以克服过度的β频率（30Hz）活动，并且随着 DBS 电流在 1-3V 范围内增加，刺激频率在 60-120Hz 范围内增加，减少程度也随之增加。该方法为探索诱导电刺激对帕金森脑活动的即时效果提供了科学研究和技术支持，并可作为未来技术的研究工具。
用于量子模拟的磁场噪声消除......
本文介绍了一种用于捕获离子的量子实验中磁场噪声的前馈补偿系统。该补偿系统在两个实验装置中实现，一个用于量子模拟，另一个用于精密光谱学。在这两个实验中，量子比特都被编码在一对捕获的 40 Ca + 离子的电子能级中。补偿系统用于抑制实验室中由 50 Hz 电源线引起的环境磁场噪声。基于磁场线圈和函数发生器的前馈系统采用一种简单的技术方法，以产生调制磁场。前馈补偿系统的工作原理是施加异相磁场，以破坏性地叠加离子位置的磁场噪声。对于函数发生器，使用可编程的 RedPitaya 板。在这项工作中，为该板开发了一个控制软件，允许补偿系统快速运行。此外，还开发了一个实验序列，其中离子量子比特被用作量化磁场噪声的传感器。该实验依赖于 CPMG π 脉冲序列。
内部声学噪声消除 (ANC) 传感器 - Molex
Molex 内部 ANC 传感器是采用差分对的幻象供电从属装置，它将空气中的噪声转换为数字电信号，从而产生消除声波，以减少车辆乘客舱内的不必要噪声
使用 Xilinx FPGA 实现基于 LMS 和 RMS 的自适应噪声消除
印度喀拉拉邦卡达曼尼塔 Mount Zion 工程学院应用电子与仪器工程系助理教授 摘要：自适应滤波是一个重要的信号处理领域，广泛应用于通信、控制和生物医学工程领域。自适应噪声消除、数据传输信道的自适应均衡和自适应天线阵列就是此类应用的一些示例。自适应滤波由一个数字滤波器组成，该滤波器的权重由自适应算法控制，从而最小化滤波器输出与符合某些标准的参考信号之间的差异。参考信号的特性取决于所考虑的应用。评估自适应滤波器性能的主要指标有两个：收敛速度和稳态均方误差。在实际应用中，希望最大化收敛速度并最小化稳态均方误差。这些要求之间存在冲突。已经开发了几种自适应算法，以便在这些要求之间取得良好的折衷。重要的自适应算法是样本矩阵求逆 (SMI)、最小二乘 (LS) 和递归最小二乘 (RLS) 算法。本项目的主要目标是使用 Xilinx 系统生成器实现 LMS 和 RLS（递归最小二乘）自适应滤波器算法。将在 Matlab 和 Simulink 中对模型进行仿真，以有效验证算法。核心 RLS 和 LMS 自适应滤波器及其基本组件块将在 Xilinx 系统生成器中开发，并在 Xilinx FPGA 中实现。关键词：最小均方算法 (LMS)、递归最小二乘算法 (RLS)、Xilinx 系统生成器 (XSG)、simulink、Spartan -3 1. 简介自适应滤波器是 DSP 应用中的重要组成部分，其中输入信号的统计数据未知或正在变化。自适应滤波器依靠递归算法进行操作，这使得滤波器在无法完全了解相关信号特性的环境中也能令人满意地执行。已经开发出多种自适应算法来操作自适应滤波器。自适应算法用于人类活动的许多领域。在过去的 50 年里，已经设计、描述和实施了许多自适应算法。它们在硬件设备或软件程序中实现，以在应用或其环境中的未知或随时间变化的条件下调整系统行为参数。更具体地说，在控制和数字信号处理 (DSP) 系统中，它们用于根据传入信号和系统环境改变控制器或滤波器的行为。自适应算法在这些领域中最常见的应用是系统识别、噪声和回声消除以及信号增强。其中有一些用于调整权重的算法，包括 LMS（最小均方）和 RLS（递归最小二乘）。标准或改进的 LMS 算法通常用于 DSP 应用中，其中最多可调整数百个参数。LMS 算法的主要优点是其简单性，因此它们的实现在计算上很简单，计算复杂度为 O(n)（换句话说，它们很快）。另一方面，它们的主要缺点是速度慢