硅光子学正迅速扩展到传感和微波光子学等新应用领域 [1]。此类应用需要可调谐滤波器,而可使用波导环形谐振器 (RR) 高效构建。此类无限脉冲响应 (IIR) 滤波器也可采用可配置的循环波导网格灵活实现,但由于光学长度较长且采用多个分立元件,因此品质因数 (Q) 和自由光谱范围 (FSR) 较低。此外,由于采用了热光驱动,当前代工平台中可用的有源元件功耗在 mW 级。基于 MEMS 的元件对于可编程电路而言颇具吸引力,因为它们可以在短光学长度内高效调整相位或功率,功耗低于 µW [2]。MEMS 执行器已用于可调 RR [3-5],但尚未出现可控制相位和两个耦合器的紧凑型分插环。 Chu 和 Hane 展示了一种光学长度极短、谐振调谐范围大的 RR,但 Q 值限制为 1.6 × 103 [ 3 ]。Park 等人报道了完全可重构环,但 FSR 低于 0.2 nm [ 5 ]。这里,我们展示了一个分插环谐振器,其 FSR 为 4 nm,并且对相位(失谐)和两个定向耦合器均进行了模拟控制。该设备是在 IMEC 的 iSiPP50G 代工平台上实现的,经过了一些后处理步骤。
线性化 DSGE 模型的状态空间表示意味着以可观测变量表示的 VAR。如果 VAR 创新不存在可以恢复经济冲击的线性旋转,则称该模型为不可逆。当观测变量不能完美地揭示模型的状态变量时,就会出现不可逆性。对状态的不完美观测会在 VAR 创新和深度冲击之间产生隔阂,可能使从 VAR 的结构脉冲响应分析中得出的结论失效。本文的主要贡献是表明不可逆性不应被视为“非此即彼”的命题——即使模型具有不可逆性,VAR 创新和经济冲击之间的隔阂可能很小,而结构 VAR 仍可能表现可靠。一个越来越流行的例子是,所谓的“新闻冲击”会产生对未来基本面变化的预见——比如生产力、税收或政府支出——并导致无懈可击的缺失状态变量问题,从而产生不可逆的 VAR 表示。来自一个中等规模 DSGE 模型的模拟证据表明,尽管存在已知的不可逆性,但结构 VAR 方法在实践中往往表现良好。从 VAR 获得的脉冲响应与模型的理论响应紧密相关,并且估计的 VAR 响应能够成功区分底层 DSGE 模型的替代嵌套规范。由于不可逆性问题本质上是缺失信息问题,因此以更多信息为条件(例如通过因子增强 VAR)可以改善或完全消除可逆性问题。
I. 引言随着通信系统追求更高的性能,低抖动时钟生成问题变得更具挑战性。例如,以 112 Gb/s 或 224 Gb/s 运行的 PAM4 发射器可以结合 56 GHz 锁相环 (PLL) 进行多路复用。这样的应用对设计提出了三个条件。首先,对于 224 Gb/s 的数据速率,PLL 抖动必须远低于符号周期,例如约 100 fs。其次,PLL 最好实现为小数 N 环路,以便以不同的晶体频率运行并可能纠正晶体误差。第三,多通道系统使得每通道使用低功耗、紧凑的 PLL 设计成为可取的,而不是在通道和长互连上分配 56 GHz 时钟。在此频率范围内,先前的小数 N 分频设计已实现 200 至 500 fs 的均方根抖动,同时功耗为 31 至 46 mW,所需芯片面积为 0.38 至 0.55 mm2 [1], [2], [3]。本文提出了一种小数 N 分频 PLL 架构和多种电路技术,可实现 110 fs 的均方根抖动和 23 mW 的功耗。实验原型采用 28 纳米 CMOS 技术制造,占用有效面积为 0.1 mm2。第二部分介绍了这项工作的背景。第三部分介绍了所提出的有限脉冲响应 (FIR) 滤波器和
摘要 — 在本文中,我们提出了一种基于深度神经网络辅助粒子滤波器 (DePF) 的方法来解决超密集网络中的移动用户 (MU) 联合同步和定位 (sync&loc) 问题。具体而言,DePF 在 MU 和接入点 (AP) 之间部署了一种非对称时间戳交换机制,传统上,该机制为我们提供有关 MU 时钟偏移和偏差的信息。然而,AP 和 MU 之间的距离信息也是交换时间戳所经历的传播延迟所固有的。此外,为了估计接收到的同步数据包的到达角,DePF 利用多信号分类算法,该算法以同步数据包所经历的信道脉冲响应 (CIR) 为输入。CIR 还用于确定链路条件,即视距 (LoS) 或非视距。最后,为了执行联合同步和定位,DePF 利用粒子高斯混合,允许对上述信息进行基于粒子和参数贝叶斯递归滤波 (BRF) 的混合融合,从而联合估计 MU 的位置和时钟参数。模拟结果验证了所提出的算法优于最先进的方案,尤其是基于扩展卡尔曼滤波器和线性化 BRF 的联合同步和定位。特别是,仅利用来自单个 AP 的同步时间戳交换和 CIR,在 90% 的情况下,绝对位置和时钟偏移估计误差分别保持在 1 米和 2 纳秒以下。
[2][3]作者介绍了一种锥形缝隙天线和一种对映锥形缝隙天线,通过合并六个以上的谐振来实现 UWB 响应。这种结构有许多几何参数,并且在不同频率下获得的辐射模式也不稳定。Hoods 等人 [4] 提出了一种双平面 UWB 结构,它具有小增益和不均匀的辐射模式。在 [5] 中,作者介绍了一种紧凑型 UWB 天线,其中通过两个半圆来增强带宽。在 [6] 中,通过引入一个带缝隙的附加环形结构来实现 UWB 操作。[7] 中讨论了一种基于混合缝隙馈电网络的 UWB 天线。[8] 中介绍了通过在微带馈电的接地平面上创建 UWB 特性。Shameena 等人 [9] 介绍了一种 CPW 馈电 UWB,其中使用具有许多维参数的阶梯形缝隙来实现 UWB 特性。C Vinisha 等人[10] 介绍了一种电小尺寸 CPW 馈电 UWB,其中使用环形环来获得超宽带宽。S. Nicolaou 等人在 [11] 中讨论了一种 UWB 辐射器,其槽呈指数锥形,尺寸非常大,增益很小。[12] 介绍了一种非均匀辐射、小增益 UWB 偶极天线。它提供了较差且高度失真的脉冲响应。[13] 讨论了一种适用于医学成像应用的定向 UWB,尺寸非常大,辐射方向图不均匀。然而,上述所有天线尺寸都很大或结构复杂
摘要在功能磁共振成像中,血液动力学反应函数(HRF)是对脑血流动力学和氧代谢的局部变化的刻板印象,原因是短暂(<4 s)引起的神经活动。因此,在数据分析中,HRF通常用作脉冲响应,并具有线性的假设。在认知衰老研究中,将大脑激活的差异解释为与年龄相关的神经活动的变化非常普遍。与此假设相反,有证据表明正常衰老也可能会显着影响脉管系统,从而影响脑血动力学和代谢,从而使FMRI认知衰老研究的解释混淆。在这项研究中,使用了多种感觉任务,以唤起约87%的脑皮质在认知完整成年人中的HRF,年龄在22至75岁之间。这种广泛的激活使我们能够研究大多数皮质灰质中HRF特征的空间分布的年龄趋势,我们称这是全球年龄趋势。任务引起了正面和负HRF,它们使用天然空间坐标中的无模型参数进行了特征。我们发现,在幅度(例如峰值振幅和对比度比率)和时间动力学(例如,全宽度为半宽度最大最大)方面,HRF参数分布的明显全球年龄趋势。我们的发现提供了有关年龄依赖性变化如何影响神经血管耦合的洞察力,并显示出将HRF参数用作与年龄相关病理学的非侵入性指标的希望。
单元 -I 无线通信系统简介:移动无线电通信的发展,无线通信系统的示例 - 寻呼系统、无绳电话系统、蜂窝电话系统、常见无线通信系统的比较、蜂窝无线电和个人通信的趋势。现代无线通信系统:第二代 (2G) 蜂窝网络、第三代 (3G) 无线网络、无线本地环路 (WLL) 和 LMDS、无线局域网 (WLAN)、蓝牙和个人局域网 (PAN)。第二单元:移动无线电传播:大规模路径损耗:无线电波传播简介、自由空间传播模型、功率与电场的关系、三种基本传播机制、反射-电介质反射、布儒斯特角、完美导体反射、地面反射(双射线)模型、衍射-菲涅尔区几何、刀刃衍射模型、多重刀刃衍射、散射、室外传播模型-Longley Ryce 模型、Okumura 模型、Hata 模型、Hata 模型的 PCS 扩展、Walfisch 和 Bertoni 模型、宽带 PCS 微蜂窝模型、室内传播模型-分区损耗(同一楼层)、楼层间分区损耗、对数距离路径损耗模型、爱立信多断点模型、衰减因子模型、信号穿透建筑物、射线追踪和特定站点建模。第三单元:移动无线电传播:小规模衰落和多径小规模多径传播 - 影响小规模衰落的因素、多普勒频移、多径信道的脉冲响应模型 - 带宽与接收功率之间的关系、小规模多径测量 - 直接射频脉冲系统、扩频滑动相关器信道探测、频域信道探测、移动多径参数
气候变化综合评估模型 (IAM) 分析经济生产、温室气体 (GHG) 排放和全球变暖之间的长期相互作用。由于其复杂性,IAM 通常被局外人视为“黑匣子”。本文在一般分析框架中分析了二氧化碳排放的驱动因素、它们对碳税的反应以及它们对技术进步和能源供应替代性的依赖。气候变化综合评估的分析方法至少可以追溯到 Heal (1984) 富有洞察力的非定量贡献。多篇论文使用线性二次模型对气候政策进行定量分析讨论(Hoel & Karp 2002、Newell & Pizer 2003、Karp & Zhang 2006、Karp & Zhang 2012、Valentini & Vitale 2019、Karydas & Xepapadeas 2019、Karp & Traeger 2021)。这些线性二次方法的缺点是它们对经济和气候系统的描述过于程式化。特别是,这些模型没有生产或能源部门。Golosov 等人 (2014) 开辟了新局面,通过修改 Brock & Mirman (1972) 随机增长模型的对数效用和完全折旧版本,加入了能源部门和生产对排放的脉冲响应。 Golosov 等人 (2014) 的框架引发了关于分析综合评估模型 (AIAM) 的文献越来越多,包括应用于多区域环境 (Hassler & Krusell 2012、Hassler 等人 2018、Hambel 等人 2018)、非常量贴现 (Gerlagh & Liski 2018 b、Iverson & Karp 2020)、代际博弈 (Karp 2017) 和政权更迭 (Gerlagh & Liski 2018 a)。Traeger (2021) 将分析 IAM 与完全复杂性气候系统相结合,并概括了经济生产的表示,Traeger (2018) 将不确定性纳入框架。1
合成孔径雷达(SAR)是一个尖端的遥感系统,在地球仪和环境监测中起着重要作用。高分辨率SAR成像提供了图像中的更细节,可以检测和识别地面上较小的对象和特征。然而,从理论上讲,侧面空气传播的雷达(SLAR)的分辨率受到倾斜范围的雷达带宽的限制,而在方位角[1]中的天线足迹宽度[1]实际上受到目标侧侧的降解[2]。为了克服这些问题,已经在[2、3、4、5]中提出了空间变体速差(SVA)算法及其旨在减少或取消旁观的变体。这些基于脉冲响应模型的这些不明显的算法在计算上是快速有效地减少侧叶的。但是,主叶宽度保持不变。可以使用基于神经网络的监督学习方法来解决后一个问题,通过利用配对高分辨率(HR)和低分辨率(LR)SAR图像的数据库中的先验信息[6,7,8]。对于尖锐的主机,神经网络必须学会从下采样的LR SAR输入中恢复HR SAR图像,这可能是在光学图像超级分辨率上的挑战中类似的设置[9]。但是,SAR图像形成特定于与视神经不同的雷达波。尤其是SAR范围和方位角轴是不可列出的,并且是经典的增强轴(例如旋转和翻转)是不现实的。此外,斑点噪声高度损坏了SAR图像,从而使伪造过程对靶标和异常进行了决定[10]。幸运的是,诸如[11,12]之类的SAR佩克林方法能够使用很少的single外观复杂(SLC)SAR图像减少斑点噪声。在本文中,我们建议评估使用Fell fell
摘要 — 大脑的临床信息用于分析、诊断和治疗与大脑相关的疾病。大脑的信息是通过一种称为脑电图仪的电子设备获得的。该设备读取、记录并以图形方式显示患者大脑的电位,以便临床医生进行适当的临床关注。大脑的电位称为脑电图 (EEG)。收集 EEG 信号的过程涉及将脑电图仪的电极 (探针) 放置在患者的头皮上。值得注意的是,应正确剃掉头皮,以使探针与头皮接触良好。然而,所有在头皮上传播的电信号都被脑电图仪拾取。眼睛、肌肉和心脏都会产生可追溯到头皮的电信号。所有这些信号都与 EEG 一起记录,它们构成了 EEG 不需要的信号或噪声列表。它们损害了记录的 EEG 中包含的信息,并使医生很难有效地使用 EEG。电力线干扰 (PLI) 是另一种破坏 EEG 的信号。记录的 EEG 中出现任何这些不需要的电位都是不受欢迎的。因此,在显示信号之前从记录的 EEG 中去除噪声,即可实现正确的诊断和解释。此外,本文比较了使用不同窗口建模的有限脉冲响应 (FIR) 滤波器,目的是从 EEG 中去除 50Hz 电力线干扰。所采用的 FIR 滤波器技术涉及使用十种不同的窗口,即:Kaiser、Parzen、Gaussian、Hann、Hamming、Rectangular、Nuttall、Blackman Harris、Welch 和高度可调正弦 (HAS) 窗口。通过比较使用十个窗口中的每一个设计的滤波器的均方误差 (MSE),努力确定十个 FIR 滤波器中的每一个 PLI 干扰减少的有效性。结论是 Hamming 窗口的 MSE 最好,其次是 Hann 窗口。