高周波・RFニュース 2024年8月8日 IEEE Microwave MagazineでFMCWレーダの逓倍方式とアップコンバートの比較やリコンフィギュラブルRF、Samsung Galaxy Buds3分解、TelitのIoTモジュール、Vishayの14Aまでのパワーインダクタ
・IEEE Microwave Magazine 2024年9月号
https://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=6668
今月はBreadth of MTTということで幅広い話題が掲載。このFMCWレーダについては私も昔やっていたので興味深い。
Close-In Dynamic Range Considerations in Upconverted and Frequency-Multiplied Frequency-Modulated Continuous-Wave Radars at Ku-Band: Close-In Dynamic Range Considerations in FMCW Radars
このリコンフィギュラブルRFもやってた。
Design Techniques for Passive Planar Reconfigurable RF Circuits: Reconfigurable RF Circuits
・iFixitのSamsung Galaxy Buds3分解
https://www.youtube.com/watch?v=ah-a7bghOB8
・TelitのIoTモジュール
Telit Cinterion Enables Next-Generation Cellular LPWA Deployments on AT&T with the ME310M1 IoT Module
・Vishayの14Aまでのパワーインダクタ
« 高周波エンジニアのためのAI・機械学習入門（３）PythonとKeras3.0を使って畳み込みニューラルネットワーク（CNN）で3次のLCバンドパスフィルタ（BPF）のSパラメータを画像と見なして素子の値（L、C）を推定する。 | トップページ | 高周波エンジニアのためのAI・機械学習入門（４）PythonとKeras3.0を使って回帰型ニューラルネットワーク（RNN）の一種LSTM（長・短期記憶）で3次のLCバンドパスフィルタ（BPF）のSパラメータを時系列データと見なして素子の値（L、C）を推定する。 »
「学問・資格」カテゴリの記事
「日記・コラム・つぶやき」カテゴリの記事
« 高周波エンジニアのためのAI・機械学習入門（３）PythonとKeras3.0を使って畳み込みニューラルネットワーク（CNN）で3次のLCバンドパスフィルタ（BPF）のSパラメータを画像と見なして素子の値（L、C）を推定する。 | トップページ | 高周波エンジニアのためのAI・機械学習入門（４）PythonとKeras3.0を使って回帰型ニューラルネットワーク（RNN）の一種LSTM（長・短期記憶）で3次のLCバンドパスフィルタ（BPF）のSパラメータを時系列データと見なして素子の値（L、C）を推定する。 »
コメント