一种基于伪随机噪声注入的流水线ADC数字校准算法

流水线ADC中运算放大器在设计过程中为了满足建立速度的要求,往往无法达到较高的信号建立精度,从而导致流水线ADC中的乘法数模转换器(MDAC)出现增益误差。提出一种基于伪随机噪声注入的数字后台校准方法,对MDAC的级间增益进行校准。将该校准算法应用于一款12 bit 250 MS/s的流水线ADC,仿真结果表明,校准后流水线ADC的有效位数(ENOB)可达到11.826 bit,信噪失真比(SNDR)可达72.95 d B,无杂散动态范围(SFDR)可达89.023 d B。     

基于时延滤波的TI ADC采样时间失配校准算法

针对时间交织型模数转换器(TI ADC)子通道间的采样时间失配,提出了一种基于时延滤波的校准算法。该校准算法是一种纯片外校准算法,在片外进行FFT分析并重新拟合理想信号,提取每个子通道信号的时延偏差,再由此偏差计算每个子通道对应的FIR滤波器系数,完成时延偏差的补偿。该校准算法解决了子通道间采样时间失配导致的TI ADC精度不足的问题。将该算法应用于12 GS/s 12 bit ADC交织板。结果表明,无杂散动态范围(SFDR)平均提升了31.356 4 dBc,有效位数(ENOB)平均提升了3.177 6 bit。     

恶劣气候背景下基于CNN的毫米波近程测距技术研究

提出了一种在恶劣气候环境下提升毫米波近程测距抗干扰能力的方法。针对传统近程测距中所使用的对称性三角波线性调频多普勒体制对回波相位一致性要求较高,“能量积累”等传统抗干扰方法在强降雨等恶劣气象下无法对杂波进行有效抑制等问题,提出了基于卷积神经网络的信号处理模型,建立了恶劣气候环境下的近程测距智能化抗干扰处理架构,给出了在极低信杂比环境下雨雪杂波的普适性抑制方法。经过抗干扰处理后的测距信号信杂比提升6 dB以上,显著提升了恶劣气候背景下近程测距的精度。