电感电容压控振荡器
资源来源:本地上传资源
文件类型:ZIP
大小:5.06MB
评分:
5.0
上传者:JSkFHdWK
更新日期:2025-03-04

LC VCO电感电容压控振荡器:详细设计文档、电路文件与特性介绍,基于工艺文件介绍的高级LCVCO设计解析及其技术参数指南,LC VCO电感电容压控振荡器LC振荡器1.有电路文件,带工艺库PDK

资源文件列表(大概)

文件名
大小
1.jpg
38.08KB
2.jpg
71.08KB
3.jpg
378.33KB
4.jpg
381.86KB
5.jpg
352.54KB
6.jpg
152.98KB
电感电容压控振荡器从设计到实践的探索在电.docx
51.72KB
电感电容压控振荡器在微电子领域中起着重要的作用.docx
51.14KB
电感电容压控振荡器技术分析一背景介绍随着现代电.docx
51.18KB
电感电容压控振荡器技术分析随着科技.docx
51.72KB
电感电容压控振荡器技术分析随着科技.html
1.82MB
电感电容压控振荡器技术分析随着科技的飞速发展.html
1.82MB
电感电容压控振荡器技术文档一概述本文.html
1.82MB
电感电容压控振荡器振荡器有.html
1.82MB
电感电容压控振荡器是一种常用的振荡器电路适用于无.docx
13.63KB
电感电容压控振荡器是一种常见的电路结构在.docx
17.39KB

资源内容介绍

LC VCO电感电容压控振荡器:详细设计文档、电路文件与特性介绍,基于工艺文件介绍的高级LCVCO设计解析及其技术参数指南,LC VCO电感电容压控振荡器LC振荡器1.有电路文件,带工艺库PDK2.有设计文档,PDF,原理和仿真介绍都有,参数设置教程,仿真状态设置工艺:tsmc18rf供电电压: 1.8V中心频率: 2.4GHz相位噪声: <-110dBc Hz功耗: <10mW锁相环 pll cppll,核心关键词:1. LC VCO电感电容压控振荡器;2. LC振荡器;3. 电路文件;4. 工艺库PDK;5. tsmc18rf;6. 供电电压1.8V;7. 中心频率2.4GHz;8. 相位噪声-110dBc Hz;9. 功耗<10mW;10. 锁相环(PLL);11. PLL CPPLL。,基于LC VCO电感电容压控振荡器:TSMC18RF工艺下的低功耗高稳定振荡器设计

用户评论 (0)

相关资源

“基于WINCC的嵌入式报表系统:功能强大且灵活的数据展示与处理工具”,基于WINCC的历史归档数据报表系统:实时数据展示、多种报表类型与数据处理功能,wincc嵌入式报表一、功能介绍该报表系统能

“基于WINCC的嵌入式报表系统:功能强大且灵活的数据展示与处理工具”,基于WINCC的历史归档数据报表系统:实时数据展示、多种报表类型与数据处理功能,wincc嵌入式报表一、功能介绍该报表系统能够读取WINCC中历史归档数据,产生出EXCEL报表文件,同时在画面中EXCEL控件实时显示。该报表系统有如下优点:1、 该报表系统具备日报表、月报表、年报表、自由报表(任意时间段)功能。2、 报表读取的数据是WINCC自带的变量记录数据库,不需要第三方数据库。3、 该报表系统能在不同的项目之间移植,过程简单。4、 生成的EXCEL文件是基于模板文件生成的,模板文件修改容易,效果直观。5、 数据读取时,进行了适当的筛选和处理。只读取有效数据,数据质量不合格的将被舍弃。数据处理有3种方式:实时、平均、累计。6、 日、月、年报表数据来源可以相互独立。7、 该报表系统在画面中集成了EXCEL控件,能实时显示生成的报表文件。,wincc嵌入式报表;读取wincc历史数据;生成excel报表文件;实时显示;数据移植;模板生成;筛选处理;实时、平均、累计数据处理;报表数据独立。,

8.31MB15金币

高斯过程回归预测模型GPR实现多特征输入单变量输出的拟合预测模型(Matlab实现,详细注释,Excel数据替换即用),高斯过程回归预测模型GPR实现多特征输入单变量输出拟合预测的Matlab程序,利

高斯过程回归预测模型GPR实现多特征输入单变量输出的拟合预测模型(Matlab实现,详细注释,Excel数据替换即用),高斯过程回归预测模型GPR实现多特征输入单变量输出拟合预测的Matlab程序,利用高斯过程回归预测模型GPR建立多特征输入单个因变量输出的拟合预测模型。程序内注释详细,直接替excel数据就可以使用。程序语言为matlab。,核心关键词:高斯过程回归预测模型GPR; 多特征输入; 单个因变量输出; 拟合预测模型; 程序内注释详细; Matlab程序; 替换excel数据使用。,MATLAB高斯过程回归模型:多特征输入与单因变量输出的拟合预测程序

4.62MB23金币

西电2023秋季机器学习期末复习资料

老师考前给的问题和笔者自己整理的答案。

5.38MB11金币

elsevier投稿模板Latex压缩包

elsevier投稿模板Latex压缩包,下载即可用。

1.38MB24金币

华南理工大学深度学习考试历年真题.zip

华南理工大学深度学习考试历年真题,五套真题试卷,18年和19年

38.22MB12金币

已整理标注,汽车仪表盘数据集.zip

项目需求要对汽车仪表盘的字符识别,从网上选取的仪表盘位置比较清晰的数据集

8.99MB25金币

MediaPipe人脸关键点检测

使用google制作的开源框架检测人脸关键点

2.56MB12金币

哈工大停用词表hit_stopwords

哈工大停用词表hit_stopwords

2.6KB26金币

多类别语义分割U2net

1、SOD的多类别语义分割2、将作者二类别语义分割改为多类别语义分割3、具体可参考文章:https://blog.csdn.net/jin__9981/article/details/1327120934、文章展示了多类别效果、代码修改内容、可行性

12.61MB10金币

清华大学104页《DeepSeek:从入门到精通》.pdf

清华大学104页《DeepSeek:从入门到精通》.pdf

5.36MB23金币

DeepSeek:从入门到精通,清华大学新闻与传播学院,104页PDF

DeepSeek:从入门到精通,清华大学新闻与传播学院,104页PDF

5.36MB11金币

大规模语言模型:从理论到实践

大规模语言模型(Large Language Models,LLM),也称大规模语言模型 或大型语言模型 ,是一种由包含数百亿以上参数的深度神经网络构建的语言模型,使用自监督学习方法通过大量无标注文本进行训练。自 2018 年以来,Google、OpenAI、Meta、百度、华为等公司和研究机构都相继发布了包括 BERT[1],GPT[6] 等在内多种模型,并在几乎所有自然语言处理任务中都表现出色。2019 年大模型呈现爆发式的增长,特别是 2022 年 11 月 ChatGPT(Chat Generative Pre-trained Transformer)发布后,更是引起了全世界的广泛关注。用户可以使用自然语言与系统交互,从而实现包括问答、分类、摘要、翻译、聊天等从理解到生成的各种任务。大型语言模型展现出了强大的对世界知识掌握和对语言的理解。

23.44MB11金币