申请/专利权人:合肥工业大学
申请日:2023-10-25
公开(公告)日:2024-06-25
公开(公告)号:CN117335802B
主分类号:H03M1/10
分类号:H03M1/10;H03M3/00;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2024.01.19#实质审查的生效;2024.01.02#公开
摘要:本发明公开了一种基于神经网络的流水线模数转换器后台校准方法,涉及模数转换器校准领域,包括:将待校准的流水线ADC和sigma‑deltaADC接入同一个模拟信号源,构建神经网络并初始化后设置目标值,将待校准的流水线ADC的输出的数字信号作为训练集输入神经网络;神经网络输出训练集的结果,将神经网络输出的结果与sigma‑deltaADC输出的结果作为损失函数的计算元素,损失函数计算损失值,将损失值与预设目标值进行比较,在损失值高于目标值的情况下进入训练模式,利用训练优化算法调整神经网络的权值,迭代优化神经网络;在损失值小于等于目标值的情况下进入输出模式,神经网络停止训练,将神经网络的输出结果作为流水线ADC的输出。
主权项:1.一种基于神经网络的流水线模数转换器后台校准方法,其特征在于,所述方法包括:S1、将待校准的流水线ADC和sigma-deltaADC接入同一个模拟信号源,构建神经网络并初始化后设置目标值,将待校准的流水线ADC的输出的数字信号作为训练集输入所述神经网络;S2、所述神经网络输出训练集的结果,将所述神经网络输出的结果与所述sigma-deltaADC输出的结果作为损失函数的元素,所述损失函数计算损失值,将所述损失值与所述目标值进行比较,在所述损失值高于所述目标值的情况下进入训练模式,利用训练优化算法调整所述神经网络的权值,迭代优化神经网络;S3、在所述损失值小于等于所述目标值的情况下,神经网络完成训练,神经网络退出训练模式并进入输出模式,将所述神经网络的输出结果作为流水线ADC的输出;在所述训练模式的情况下,向神经网络输入特定指令要求神经网络将结果输出;所述神经网络处于输出模式时,当所述损失函数的损失值的阶段变化率大于第一预定值时,所述神经网络自动进入训练模式;所述神经网络的输入层节点数为14;所述待校准的流水线ADC的输出精度为14位。
全文数据:
权利要求:
百度查询: 合肥工业大学 一种基于神经网络的流水线模数转换器后台校准方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。