买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：黄山学院

摘要：本发明公开了一种基于神经网络的高速流水线模数转换器全域误差校准方法，首先，采用校准模拟信号VAin输入到待测ADC中，得到全域误差数据集Derr和全域校准数据集Dcal；然后，采用全域误差数据集Derr作为误差模型的输入数据，基于深度学习训练获取待测高速模数转换器的全域非线性误差模型FX；以全域校准数据集Dcal作为校准算法模型的输入数据，基于深度学习训练获取全域非线性误差校准算法模型F‑1X。最后，待测高速模数转换器的正常转换输出的全域校准数据集Dcal与全域非线性误差校准算法模型F‑1X相乘，得到校准过的高精度转换数据Dout_cal。本发明可以解决现有的数字校准方法中数字码Dout出现重大误差出现失码带来的误差难以纠错的难题，以达到更高的误差校准能力。

主权项：1.基于神经网络的高速流水线模数转换器全域误差校准方法，其特征是，包括全域误差数据集和全域校准数据集的构建，全域非线性误差模型FX的训练，全域非线性误差校准算法模型F-1X的训练；所述全域误差数据集和全域校准数据集的构建方法为：将校准模拟信号VAin分别输入到待测ADC芯片和理想ADC模块，所述待测ADC芯片根据采样时钟信号Ckin将校准模拟信号VAin处理转换得到内部各子级电路先后输出并同步得到的数字码Dout，所述理想ADC模块根据校准模拟信号VAin得到对应的理想数字码Din；将待测ADC芯片的各芯片状态监测信号和采样时钟信号Ckin的时钟抖动数据Dckjit、时钟占空比数据Dckpw合并输出经排列处理得到辅助信号数字码Dax；由理想数字码Din和辅助信号数字码Dax组合成全域误差数据集Derr，由数字码Dout和辅助信号数字码Dax组合成全域校准数据集Dcal；所述全域非线性误差模型FX的训练方法为：采用全域误差数据集Derr作为误差模型的输入数据，以数字码Dout作为误差模型的期望输出数据，采用深度学习神经网络进行离线训练，获取待测芯片的全域非线性误差模型FX；所述全域非线性误差校准算法模型F-1X的训练方法为：在得到全域非线性误差模型FX的基础上，进行全域非线性误差模型FX的逆函数的训练，以全域校准数据集Dcal作为输入数据，以理想数字码Din作为期望输出数据，仍基于深度学习技术进行离线训练，获取全域非线性误差校准算法模型F-1X；最后，待测ADC芯片正常转换处理输出的全域校准数据集Dcal与训练好的全域非线性误差校准算法模型F-1X相乘，即得到校准过的高精度转换数据Dout_cal。

全文数据：

权利要求：

百度查询： 黄山学院 基于神经网络的高速高精度模数转换器全域误差校准方法