0% Complete
صفحه اصلی
/
بیست و نهمین کنفرانس مهندسی برق ایران
A 400 ps Input Time Range 2× Time Amplifier Using Time-to-Current Compensation Technique
نویسندگان :
Mohammad Amin Yaldagard
1
Hossein Shamsi
2
1- دانشگاه صنعتی خواجه نصیرالدین طوسی
2- دانشگاه صنعتی خواجه نصیرالدین طوسی
کلمات کلیدی :
time amplifier, time-to-current conversion, compensation, dynamic range, gain error
چکیده :
Low dynamic range (DR) and the sensitivity to process variations and mismatch are the two known issues of the time amplifiers (TA) which have been utilized in deep sub-micron implemented time-to-digital converters (TDC). To alleviate these problems, a 2× time amplifier with a wide input time difference range is proposed in 65 nm CMOS technology which employs a new compensation technique based on time-to-current conversion. This compensation method maps the input time to an appropriate current value injecting into the conventional 2× TA. Simulation results demonstrate a 400 ps input time range with less than 10% gain error while the TA has the maximum delay of 120 ps. Monte-Carlo simulation shows less than 9% standard deviation at inputs higher than 20 ps for the TA gain.
لیست مقالات
لیست مقالات بایگانی شده
Dual-Branch Cross-Parallel Transformer Model for Single-Channel Speech Enhancement
Mohammad Hakimkhah - Rahil Mahdian Toroghi - Hassan Zareian
Improved quantum secret sharing based on entanglement swapping
Mahsa Khorrampanah - Monireh Houshmand - Ali Karimi Lenji
A Single-Switch Single-Inductor High Step-Up DC-DC Converter with Single-Input and Dual-Output Ports
Ali Nadermohammadi - Saed Mahmoud Alilou - Mohammad Maalandish - Seyed Hossein Hosseini - Mehdi Abapour - Kazrm Zare
Design of a Plant Row Detection Algorithm for Agricultural Images Using Dynamic Stripping and Adaptive Parameters
Ali Pahlavan - Saeed Khankalantary
مقایسه پارامترهای عملکردی کمپرسورهای 4:2 در تکنولوژی FinFET و GAA-NWFET
پگاه زکیان - راهبه نیارکی اصلی
تجزیه و تحلیل امواج فیبریلاتور دهلیزی به منظور طبقهبندی AF با استفاده از موجک لیدر
سارا میهن دوست
Integration of Deep Learning Techniques in Stock Market Forecasting: xLSTM-CNN with RevIN and Adaptive Wavelet Denoising
Alireza Mohammadi - Ali Doustmohammadi - Masoud Shafiee
A Novel RBFNN-Based Triple Terminal Sliding Mode Control for robotic manipulators
Mahdi Armoon - Marzie Lafouti - Babak Tavassoli - Hamid D.Taghirad
شناسایی گرههای مهم سیستم قدرت با استفاده از ابزار شبکههای پیچیده و مرکزیتهای مبتنی بر تشخیص جامعه
سپهر مردانی - علی کریمی - مهران معماری
Enhancing the Incident Angle Band in Carpet Cloaking using Deep Neural Networks
Amirhossein Fallah - Leila Yousefi - Ahmad Kalhor
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.6.0
