【技术实现步骤摘要】
本专利技术属于adc数字校准算法领域，具体涉及一种基于遗传算法的adc校准方法。
技术介绍
1、adc(analog-to-digital converter，模数转换器)是一种将模拟信号转换成数字信号的电子系统或电路。在现代电子技术和通信系统中，adc扮演着至关重要的角色，因为它允许计算机系统、微控制器和其他数字电路处理来自传感器、音频设备、视频信号源等模拟源的信息。adc的运作分为四个主要步骤：首先是采样，它将连续的模拟信号转变为断断续续的模拟信号；其次是保持，这一步确保采样得到的数据在下一次采样前得以保留；这两个步骤一般由特定的采样保持电路来完成。接下来的量化和编码步骤则负责将模拟信号转换为数字信号。
2、由于受到器件特性、制造误差和环境条件等因素的影响，adc在转换过程中可能会出现误差，而且不同类型的adc或不同设计的adc产生的误差也各不相同。传统的校准方法通常只适用于特定类型的adc，能够校正的误差类型有限，算法实现复杂，硬件成本高，且不易移植。此外，这些方法还可能在模拟部分增加额外的电路设计，这不仅增加了模拟部分的设计难度，也增加了性能的不确定性。
3、基于神经网络的校准方法近年来被提出并取得较好效果，但其训练过程依赖信号的真值，而真值的获取依赖精确的adc参考模型或需要给定信号的频率等先验信息进行拟合。这些方式在实际使用中会带来额外硬件开销或引入误差，且无法在线训练更新。
技术实现思路
1、为解决以上现有技术存在的问题，本专利技术提出了一种基
2、本专利技术的有益效果：
3、本专利技术广泛应用于各类adc架构，用户不用深入了解误差的具体成因或非线性特性，也无需针对特定误差类型开发专门的校准方案。本专利技术校准方法具有高度的通用性和易用性，便于在不同环境中快速部署和应用；本专利技术无需依赖参考电路等额外硬件而通过遗传算法获取信号真值，可实现低成本高精度快速训练校准。
本文档来自技高网...【技术保护点】
1.一种基于遗传算法的ADC校准方法，其特征在于，包括：获取输入信号，将输入信号输入到ADC模型中，输出待校准信号；将待校准信号输入到训练后的校准网络中，得到校准后的信号；对校准网络进行训练包括：构建无理想真值数据集；将无理想真值数据集中的数据输入到ADC模型中，得到待校准的无理想真值信号；根据待校准的无理想真值信号构建ADC无误差理想真值优化问题；采用遗传算法对ADC无误差理想真值优化问题进行求解，得到ADC理想真值；将ADC理想真值输入到校准网络中进行训练，当满足收敛条件时，完成校准网络的训练。
2.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，输入信号为单/双/多音信号，其频率在[40MHz，450MHZ]范围。
3.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，ADC模型为具有多种误差的ADC模型，其中误差包括：电容失配误差、运放有限带宽误差、记忆效应、孔径抖动误差、通道间增益失配误差以及时间失配误差。
4.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，构建无理想真值数据集包括
5.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，ADC无误差理想真值优化问题为：
6.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，采用遗传算法对ADC无误差理想真值优化问题进行求解包括：给定问题初始解，构建一个高斯分布，对高斯分布进行多次采样；将采样值与初始解结合并计算其目标函数值，根据目标函数值计算下一步采样分布的方差及步长，再重复上述步骤，直到满足收敛条件。
7.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，校准网络为神经网络模型，神经网络模型包含线性分支、非线性分支以及残差分支；神经网络模型对输入数据进行处理包括：将输入数据通过一个一维卷积层提取特征；将提取的特征分布输入到线性分支、非线性分支以及残差分支中进行深层次特征提取；将三个分支提取的特征进行融合，得到融合特征；根据融合特征对输入信号进行校准。
8.根据权利要求1所述的一种基于遗传算法的ADC校准方法，其特征在于，模型的收敛条件为：模型训练过程中设置迭代次数和阈值，当模型到达迭代次数或者迭代后的目标变量值小于设置的阈值时，模型收敛。
...【技术特征摘要】
1.一种基于遗传算法的adc校准方法，其特征在于，包括：获取输入信号，将输入信号输入到adc模型中，输出待校准信号；将待校准信号输入到训练后的校准网络中，得到校准后的信号；对校准网络进行训练包括：构建无理想真值数据集；将无理想真值数据集中的数据输入到adc模型中，得到待校准的无理想真值信号；根据待校准的无理想真值信号构建adc无误差理想真值优化问题；采用遗传算法对adc无误差理想真值优化问题进行求解，得到adc理想真值；将adc理想真值输入到校准网络中进行训练，当满足收敛条件时，完成校准网络的训练。
2.根据权利要求1所述的一种基于遗传算法的adc校准方法，其特征在于，输入信号为单/双/多音信号，其频率在[40mhz，450mhz]范围。
3.根据权利要求1所述的一种基于遗传算法的adc校准方法，其特征在于，adc模型为具有多种误差的adc模型，其中误差包括：电容失配误差、运放有限带宽误差、记忆效应、孔径抖动误差、通道间增益失配误差以及时间失配误差。
4.根据权利要求1所述的一种基于遗传算法的adc校准方法，其特征在于，构建无理想真值数据集包括：获取时间序列和对应的信号；将时间序列和信号输入到具有不同框架结构的adc模型中，得到不同a...
【专利技术属性】
技术研发人员：胡喆，彭析竹，陈磊，唐鹤，
申请(专利权)人：电子科技大学重庆微电子产业技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。