基于沃尔什函数的TIADC全数字校准算法

提出了一种校准时间交织模数转换器(TIADC)通道失配误差的全数字自适应后台算法.该算法利用沃尔什函数仅从TIADC的输出中调制产生伪杂散信号,可以重构出失配误差,并自适应地从TIADC输出中减去三个失配误差.所提出的技术的优势在于它只需要知道测量的输出信号和TIADC通道数,而无需任何其它信息,包括参考通道.同时针对...     

一种SAR ADC电容失配自测量与数字校准技术

为了解决高分辨率逐次逼近模数转换器(SAR ADC)中,电容式数模转换器(DAC)的电容失配导致精度下降的问题,提出了一种电容失配自测量方法,以及一种可适用于各种差分电容DAC设计的低复杂度的前台数字校准方法。该方法利用自身电容阵列及比较器完成位电容失配测量,基于电容失配的转换曲线分析,对每一位输出的权重进行修正,得到实际DAC电容大小对应的正确权重,完成数字校准。数模混合电路仿真结果表明,引入电容失配的16位SAR ADC,经该方法校准后,有效位数由10.74 bit提高到15.38 bit。     

基于神经网络的万用表校准

文中介绍了人工神经网络的基本特征,还叙述了BP神经网络的模型和学习方式,提出了对测量系统进行校准的一种新方法,最后,结合万用表的校准实例,证明了该方法的有效性.     

时间交织ADC时间失配后台数字校准算法

提出了一种数字后台校准算法,用于校准时间交织模数转换器(Time-Interleaved Analog-to-Digital Converter,TIADC)的时间失配误差。该算法是基于对输入信号统计的思想,在后台通过分析输入信号的统计特性获得误差信息,再反馈到多相时钟产生器,形成反馈环路,达到校准的目的。该算法硬件消耗小,对输入信号的频率没有限制,可以扩展到任意通道数。对于一个8通道12位TIADC,当输入信号频率fin/fs = 0.487时,MATLAB仿真结果表明,采用该算法校准后,SNR从校准前的33.8 dB提高到74.0 dB,证明了该校准算法的有效性。     

一种数字自动校准运放失调电压技术

通过一种数字自动校准技术,可以校准差分运放及其输入信号所产生的失调电压。失调电压的减少是通过数字的方法补偿由于失调电压产生的电流。这种技术只要一个比较器,一个简单的控制逻辑和一个电流型的数模转换器。该电路采用0．25um的数字工艺实现。该电路可以校准6mV的最大失调电压,测量的输入参考失调电压小于100uV。     

基于数字多用表自动检定校准系统的研究

由于数字多用表型号众多、量程宽、每一个量程及校准点的技术指标各不相同,造成校准过程耗时长,数据处理繁琐等问题.为了降低数字多用表校准过程中人为失误几率,同时提高数字多用表校准工作的效率.本文设计开发出了性能稳定、实用性强的数字多用表自动校准系统.     

一种全数字前馈式时间交织模数转换器时间误差后台校准算法

该文设计实现了一种全数字前馈式时间交织模数转换器(TIADC)时间误差校准算法,其中采样时间误差提取采用改进的时间误差函数求导模块的前馈式提取方法,可以提高在输入信号频率较高时误差提取的准确度;同时,为了降低误差提取单元的复杂性,采用了以减法实现的时间误差函数;最后,采用基于1阶泰勒补偿完成时间误差的实时校正。仿真验证表明,应用于4通道14位TIADC系统,当输入信号为多频信号时,系统动态性能无杂散动态范围(SFDR)从48.6 dB提高到80.7 dB。与传统基于前馈校准结构对比,可以将有效校准输入信号带宽从0.19提高到0.39,提高了校准算法的应用范围。

     

基于CVI的数字示波器自动校准系统设计

以LabWindows/CVI为软件平台,利用VISA和SCPI命令开发完成数字示波器自动校准系统。该系统可快速完成基于GPIB,RS232,LAN接口的数字示波器的自动化校准,保存测试数据,并自动判定测试结果,同时通过ActiveX技术实现Microsoft Word校准证书的自动生成、打印和保存。系统可消除人工手动操作引入的误差,具有长时间工作的稳定性,保证了计量工作的一致性。该系统具有易扩展性,只需通过添加对应型号示波器的控制文件就可以支持新的数字示波器。     

基于通道合成的数字阵列通道校准方法

通道校准是数字阵雷达的重要技术之一,校准精度影响波束指向、副瓣电平等多个波束形成指标,从而影响整个雷达性能。随着数字阵列规模的不断提升,通道校准对测试时间和测试精度的要求也随之提高。文中首先介绍了一种基于通道合成的数字阵列通道校准方法原理和组成,给出了该测试方法的校准算法;然后,与传统数字阵列通道校准方法的信噪比、记录量、测试时间、幅相标准差等校准性能进行比较;最后,给出了实际测量形成的天线方向图,验证了该方法的有效性。     

基于导数相乘的TIADC时间失配误差校准算法

提出了一种校准时间交织模数转换器(TIADC)时间失配误差的全数字后台算法。该算法利用信号与其导数正交的特性来估算时间失配误差相关量,采用最小均方(LMS)迭代算法估算时间失配误差值。该算法不需要参考通道,硬件消耗很低,可以校准多频信号,实现宽带宽输入。提出的变步长LMS迭代算法提高了时间失配误差的收敛速度,保证了误差校准的实时性。基于FPGA验证平台,建立了四通道8 bit 1 GHz TIADC的时间失配误差模型。结果表明,当输入信号归一化频率f_in/f_s为0.414时,采用该算法校准后的ENOB从5.58 bit提高到7.75 bit,SFDR从38.64 dB提高到67.51 dB。     

一种应用于高精度SAR ADC校准的剪枝神经网络算法

介绍了一种基于剪枝神经网络的后台校准算法,能够对高精度单通道SAR ADC的电容失配、偏移、增益等多个非理想因素同时进行校准,有效提高SAR ADC的精度。本算法不仅可以达到全连接神经网络校准效果,而且同时对贡献小的权重进行剔除,降低了校准电路的资源消耗,加快了神经网络校准算法速度。仿真结果表明,信号频率接近奈奎斯特频率的情况下,对16 bit 5 MS/s的 SAR ADC进行校准,校准后ADC的有效位数从7.4 bit提高到15.6 bit,无杂散动态范围从46.8 dB提高到126.2 dB。     

基于神经网络的双目视觉摄像机标定方法的研究

摄像机标定是精密视觉测量的基础，传统的双目标定位需要建立复杂的数学模型。神经网络可以有效地处理非线性映射问题，本文介绍了一种BP神经网络，可以很好地描述双目视觉中三维空间特征点坐标和2个摄像机对应像点间的非线性关系，并且为了提高网络的学习能力引入了动态因子。将神经网络标定方法与传统的常用标定方法比较，实验结果表明，基于神经网络的双目视觉标定方法能获得较高的标定精度。     

基于BP神经网络的姿态测量系统摄像机标定

针对摄像机标定过程中复杂的成像和畸变模型,利用误差逆传播(BP)神经网络对复杂非线性映射关系的强大逼近能力,对姿态测量系统中的摄像机进行隐式标定,建立了姿态测量中三维空间目标特征点与它在图像平面上像点间的映射关系,使姿态测量系统无须进行复杂的摄像机标定,直接恢复目标特征点的三维信息,从而计算得到目标姿态信息.结果表明,该方法对于空间点坐标恢复的均方根误差小于0.015 mm,可以获得较高的精度.     

基于小波神经网络的功放自适应数字预失真算法

在卫星通信中,高速数据传输系统要求使用频谱利用率高的高阶调制技术,但高阶调制对高功率放大器(HPA)的非线性非常敏感,会造成码间干扰和邻信道间干扰。提出一种基于小波神经网络的自适应预失真算法,以实现HPA的线性化,同时推导了自适应算法的迭代公式。仿真结果表明,该算法不仅能明显改善信号星座图,并与基于RBF神经网络的自适应预失真算法相比能提高收敛速度,同时HPA线性化性能也有所提高。     

组合神经网络的网络流量预测研究

提出一种组合神经网络的网络流量预测模型.首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度.仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景.     

一种用于高精度模数转换器的数字校正算法

本文基于14bi t的ADC设计,提出了一种冗余位为2bi t的算法,相比于传统的方法,它提高了输入动态范围,大大降低了对比较器的要求,从而有效的解决了因为比较器的偏差带来的SFDR的下降。对采用本文算法设计的ADC电路进行了仿真,有效位数达到了13.7bi t,并且具有较低的功耗。     

基于人工神经网络下的图像识别的研究

主要利用人工神经网络的理论知识研究在图像识别中的应用为目的,研究图像识别中图像分割的技术,同时详细分析了多层前馈神经网络的描述及BP算法工作过程。介绍隐层的选择及隐层神经元数选择的一些经验方法。针对BP算法存在的问题,提出加可变动量因子的BP算法,通过对网络训练过程参数调整以及增加可变动量因子等方面进行优化改进,实验证明加快了训练速度,改善了BP网络的学习效果。     

基于小波神经网络非线性预测方法的研究

针对非线性预测问题,提出了小波神经网络算法．该算法采用权重贡献率分析法和关键神经节点法分析权重,精进模型,利用具有优良渐进性的递推预报误差法训练小波的尺度因子和平移因子,并提出了一种网络的改进算法．通过对导航设备的仿真预测,该算法优于同等规模的BP神经网络,其收敛速度快,预测精度高．     

基于改进RBF神经网络的数字调制识别

针对数字调制信号自动识别中分类器的设计,通过将决策树的方法应用到RBF中心的确定中,解决了常用算法计算量大、收敛速度慢的问题,提高了网络的学习精度和训练速度,将其应用到常用的7种数字调制信号(2ASK,4ASK,BPSK,QPSK,2FSK,4FSK,16QAM)的自动识别中,取得了好的结果。经仿真表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点,适于工程应用。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.