提出了一种适用于超短距离(Very Short Reach,VSR)信道、面向112 Gb/s PAM4(Pulse Amplitude Modulation 4)接收机的自适应均衡设计方案。在该方案中,接收机前端利用3个连续时间线性均衡器(Continuous Time Linear Equalizer,CTLE)对信...提出了一种适用于超短距离(Very Short Reach,VSR)信道、面向112 Gb/s PAM4(Pulse Amplitude Modulation 4)接收机的自适应均衡设计方案。在该方案中,接收机前端利用3个连续时间线性均衡器(Continuous Time Linear Equalizer,CTLE)对信号分别在高频、中频和低频进行补偿,可变增益放大器(Variable Gain Amplifier,VGA)和饱和放大器(Saturation Amplifier,SatAmp)则用于对信号幅值的缩放。除了3个数据采样器外,引入4个辅助采样器用于进一步改善阈值自适应算法性能。同时,采用符号最小均方算法,利用接收端数据采样器和辅助采样器之间的偏移推动辅助参考电压收敛到信号星座电平,从而确保PAM4接收信号的眼图在垂直方向上3个眼睛具有相等的间隔和恒定的信噪比(Signal-to-Noise Ratio,SNR)。仿真结果表明,所提出的112 Gb/s PAM4接收机能够在损耗为15 dB的信道上实现小于10~(-12)的误码率,并且具有良好的眼图性能,其最差眼高为75 mV,眼宽为0.34 UI(Unit Interval),与传统方案相比具有显著的性能提升。展开更多
目的:基于CiteSpace软件绘制知识图谱,进行早发型子痫前期发病预测模型相关研究的可视化分析。方法:检索2004年1月1日—2023年12月31日中国知网(CNKI)、万方(Wanfang)、维普(VIP)、PubMed及Web of Science(WoS)数据库关于早发型子痫前...目的:基于CiteSpace软件绘制知识图谱,进行早发型子痫前期发病预测模型相关研究的可视化分析。方法:检索2004年1月1日—2023年12月31日中国知网(CNKI)、万方(Wanfang)、维普(VIP)、PubMed及Web of Science(WoS)数据库关于早发型子痫前期发病预测模型相关研究,利用CiteSpace软件对文献的作者、机构、关键词进行可视化分析,采用对数似然率(logarithmic likelihood rate,LLR)聚类对中文、英文文献关键词进行聚类分析。结果:共纳入693篇文献,中文文献327篇,英文文献366篇。国内及国外发文量大体均呈上升趋势,英文文献数据库作者及机构合作相对紧密,中文文献数据库作者及机构合作相对分散。中文文献得到2个聚类,为早发型及预测;英文文献得到7个聚类,为DNA甲基化、早孕期筛查、早发型子痫前期、氧化应激、多重免疫测定、胎儿体质量估计及HELLP综合征。突现词分析显示中文文献数据库2019年及以前主要侧重于分析早发型子痫前期疾病临床特点及治疗策略;2020年及之后,着重于用子痫发病传统标志物构建预测模型。英文文献数据库以早发型子痫前期独立性风险因素为重点,不仅明确了母体因素(子痫前期病史、妊娠期高血压及胎儿生长受限等)、传统指标(子宫动脉多普勒超声、生化标志物、血管生长因子及胎盘生长因子等)等临床可靠且实用特异性指标,还尝试从免疫、DNA甲基化、氧化应激等方向着手发掘临床可广泛应用的特异性指标,且在传统统计方法基础上创新性融合机器学习算法构建模型预测早发型子痫前期的发生。结论:目前构建早发型子痫前期发病预测模型仍为国内外的研究热点,所发掘的特异性指标在融合机器学习算法大背景下构建的预测模型的可靠效力有望进一步提升。展开更多
文摘目的:基于CiteSpace软件绘制知识图谱,进行早发型子痫前期发病预测模型相关研究的可视化分析。方法:检索2004年1月1日—2023年12月31日中国知网(CNKI)、万方(Wanfang)、维普(VIP)、PubMed及Web of Science(WoS)数据库关于早发型子痫前期发病预测模型相关研究,利用CiteSpace软件对文献的作者、机构、关键词进行可视化分析,采用对数似然率(logarithmic likelihood rate,LLR)聚类对中文、英文文献关键词进行聚类分析。结果:共纳入693篇文献,中文文献327篇,英文文献366篇。国内及国外发文量大体均呈上升趋势,英文文献数据库作者及机构合作相对紧密,中文文献数据库作者及机构合作相对分散。中文文献得到2个聚类,为早发型及预测;英文文献得到7个聚类,为DNA甲基化、早孕期筛查、早发型子痫前期、氧化应激、多重免疫测定、胎儿体质量估计及HELLP综合征。突现词分析显示中文文献数据库2019年及以前主要侧重于分析早发型子痫前期疾病临床特点及治疗策略;2020年及之后,着重于用子痫发病传统标志物构建预测模型。英文文献数据库以早发型子痫前期独立性风险因素为重点,不仅明确了母体因素(子痫前期病史、妊娠期高血压及胎儿生长受限等)、传统指标(子宫动脉多普勒超声、生化标志物、血管生长因子及胎盘生长因子等)等临床可靠且实用特异性指标,还尝试从免疫、DNA甲基化、氧化应激等方向着手发掘临床可广泛应用的特异性指标,且在传统统计方法基础上创新性融合机器学习算法构建模型预测早发型子痫前期的发生。结论:目前构建早发型子痫前期发病预测模型仍为国内外的研究热点,所发掘的特异性指标在融合机器学习算法大背景下构建的预测模型的可靠效力有望进一步提升。