Informe Oscilador
Informe Oscilador
Informe Oscilador
I. INTRODUCCIÓN
A) OSCILADOR DE COLPITTS: Este oscilador es básicamente un Hallamos C2=1,46nF usamos para simulación 1,5nF
comercial
generador cuyo propósito es originar frecuencias altas,
Ahora hallamos las resistencias de polarización para
este consta de un circuito tanque o resonador. Para el
garantizar el punto de operación del transistor
diseño se puede utilizar cualquier dispositivo de ganancia
ya sea transistor bjt, transistor efecto de campo o VCC=15v VCE=7,5v RE=1k RC=10k β=110
amplificador operacional. Este circuito tiene una
retroalimentación mediante una configuración de divisor Vcc−Vce
capacitivo, esto con el fin de proporcionar una mejor Ic= =0,75 mA
estabilidad de frecuencia. Rc
Ic
B) OSCILADOR DE HARTLEY:
Ib= =6,81 uA
β
Vb=Vbe + Ic∗ℜ=1,45 V
R2=0,1 β∗ℜ=11 k
Vb
I 2= =0,138 mA
R2 NOTAS ACLARATORIAS:
Vcc−Vb
R 1= =99 k Recuerden que todas las figuras, tablas, esquemas, etc, deben ir
I 2+ Ib referenciados, en caso que sea de elaboración propia colocar
alguna de las siguientes formas Fuente: el autor, Fuente: los
autores, Fuente: elaboración propia.
OSCILADOR DE COLPITTS
Para las referencias de internet, colocar en el listado final de
referencias la dirección url y la fecha en la que fue consultada.
III. CONCLUSIONES.
En este trabajo hemos presentado una herramienta de Recuerde que las referencias deben ser de fuentes confiables.
software libre para dar soporte a la creación de modelos
basados en Redes Neuronales Artificiales.
Esta herramienta de software permite la creación
automática de modelos neuronales usando, p.e. las mediciones
hechas en laboratorio de un dispositivo electrónico,
simplificando la tarea de diseño a un ingeniero electrónico que
luego quiere usar el modelo como caja negra dentro de un
simulador de circuitos. Una de las ventajas principales de esta
herramienta es que puede ayudar a reducir el tiempo de diseño
de un modelo, automatizando las tareas de creación, definición
y simulación de un modelo neuronal, especialmente
importante para usuarios que no tienen conocimiento profundo
acerca de la teoría neuronal.
REFERENCIAS
[1] C. Evci, U. Barth, P. Sehier and R. Sigle, “The path to beyond 3G
systems: strategic and technological challenges”, en Proc. 4th Int. Conf.
on 3G Mobile Communication Technologies, London, England, pp.
299-303, 2003.
[2] A. Ahmed, M. Abdalla, E. Mengistu and G. Kompa, “Power Amplifier
Modeling Using Memory Polynomial with Non-Uniform Delay Taps”,
in Proc. IEEE 34th European Microwave Week, pp. 1457-1460, 2004.
[3] H. Ku and J. Kenney, “Behavioral Modeling of Nonlinear RF Power
Amplifiers Considering Memory Effects”, IEEE Trans. Microwave
Theory Tech., vol. 51, no. 12, pp. 2495-2504, 2004.
[4] H. Qian and G. Zhou, “A Neural Network Predistorter for Nonlinear
Power Amplifiers with Memory”, in Proc. 10th IEEE DSP Workshop,
pp. 312-316, 2002.
[5] Q. Zhang, K. Gupta and V. Devabhaktuni, “Artificial Neural Networks –
From Theory to practice”, IEEE Trans. Microwave Theory Tech., vol.
51, no. 12, pp. 1339-1350, 2003.
[6] M. Meireles, P. Almeida and M. Simoes, ”A comprehensive review for
industrial applicability of Artificial NN”, IEEE Trans. Industrial
Electronics, vol. 50, no. 3, pp. 585-601, 2003.
[7] http://www.mathworks.com/products/neuralnet/
[8] http://www.tropheus.demon.co.uk/nplan.htm
[9] http://www.nd.com/download.htm
[10] http://tedlab.mit.edu/~dr/Lens/
[11] http://www.cnbc.cmu.edu/Resources/PDP++//PDP++.htm
[12] I. Stievano, I. Maio and F. Canavero, “M[pi]log, Macromodeling via
Parametric Identification of Logic Gates”, IEEE Trans. on Advanced
Packaging, vol. 27, no. 2, pp. 15-23, 2004.
[13] http://web.doe.carleton.ca/~qjz/qjz.html
[14] J. Sjoberg and L. Ljung, “Overtraining, regularization and searching for
a minimum, with application to Neural Networks”, Int. Journal of
Control, no. 62, pp. 1391-1407, 1995.
[15] http://www.research.ibm.com/eclipse/
[16] http://www.jooneworld.com/
[17] P. Marrone. JOONE The complete guide All you need to know about
Joone. 2005.
[18] D. Root and J. Wood. Fundamentals of nonlinear behavioral modeling
for RF and microwave design. Ed Artech House, Boston, 2005.
[19] G. Stegmayer, O. Chiotti, “Volterra NN-based behavioral model for new
wireless communications devices”, Neural Computing and Applications,
vol. 18, pp. 283-291, 2009.