-
公开(公告)号：CN118573193A
公开(公告)日：2024-08-30
申请号：CN202410610615.X
申请日：2024-05-16
Applicant: 合肥工业大学
Abstract: 本发明公开了一种遗传算法优化神经网络的流水线ADC后台校准方法，涉及ADC校准领域，该方法包括：将待校准流水线ADC和高精度参考ADC接入同一个信号源，一阶延时单元与三层BP神经网络组合构建时延神经网络，待校准流水线ADC的输出接入时延神经网络的一阶延时单元，一阶延时单元的输出与待校准流水线ADC的输出共同组成的神经网络训练的输入数据；通过遗传算法对训练数据进行维度最优化筛选，通过遗传算法对时延神经网络权值和偏置的初始配置进行全局优化；时延神经网络向后输出校准后结果。
-
公开(公告)号：CN117335802B
公开(公告)日：2024-06-25
申请号：CN202311392419.1
申请日：2023-10-25
Applicant: 合肥工业大学
Abstract: 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‑delta ADC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‑delta ADC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。
-
公开(公告)号：CN119109455A
公开(公告)日：2024-12-10
申请号：CN202411211031.1
申请日：2024-08-30
Applicant: 合肥工业大学
Abstract: 本发明公开了一种蚁群优化时延神经网络的流水线ADC后台校准方法，涉及ADC校准的技术领域，该方法包括：将待校准流水线ADC和高精度参考ADC接入同一个信号源，时延单元与三层BP神经网络组合构建时延神经网络，待校准流水线ADC的输出接入时延神经网络的时延单元，时延单元的输出与待校准流水线ADC的输出共同组成的神经网络训练的输入数据；通过蚁群算法对训练数据进行维度最优化筛选，通过蚁群算法对时延神经网络权值和偏置的初始配置进行全局优化；时延神经网络向后输出校准后结果。
-
公开(公告)号：CN119788079A
公开(公告)日：2025-04-08
申请号：CN202411852055.5
申请日：2024-12-16
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于神经网络增强的异构通道架构的ADC，涉及ADC设计的技术领域，该ADC包括：两路异构ADC通道、延时模块、神经网络电路和流式训练控制器；两路异构ADC通道分别为高速低精度通道和低速高精度通道，两通道连接至同一信号源；延时模块对两路通道输出数据进行延时和对齐处理，高速通道经延时后构成的多时间维度数据，将其与低速通道的单一时间维度数据对齐；神经网络电路将高速通道数据作为训练数据，低速通道数据作为标签数据，训练生成高速高精度的量化输出；流式训练控制器全局管理数据采集和批处理操作，通过下采样、时间偏移和批处理生成训练数据；本发明能够实现高速与高精度的结合，满足复杂信号处理需求。
-
公开(公告)号：CN117335802A
公开(公告)日：2024-01-02
申请号：CN202311392419.1
申请日：2023-10-25
Applicant: 合肥工业大学
Abstract: 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‑delta ADC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‑delta ADC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。
-
Patent Agency Ranking
公开(公告)号：CN117408315A
公开(公告)日：2024-01-16
申请号：CN202311392418.7
申请日：2023-10-25
Applicant: 合肥工业大学
IPC: G06N3/0499 , G06N3/048 , G06N3/063 , H03M1/10 , H03M3/00
Abstract: 本发明公开了一种用于流水线模数转换器后台校准的前向推理模块，涉及模数转换器校准领域，前向推理模块搭载用于校准流水线模数转换器的三层神经网络，在神经网络的前端待校准的流水线模数转换器和sigma‑delta ADC接入同一个模拟信号源，待校准的流水线模数转换器的输出的数字信号作为训练集输入神经网络，该前向推理模块包括：权值偏置存储单元、输入层神经元单元、隐藏层神经元单元和输出层神经元单元；神经网络初始化时各层神经元单元从权值偏置存储单元中读取权值和偏置数据，设置神经元的参数；输入层神经元单元接收前端的数模转换器发送的信号，输入层神经元单元与隐藏层神经元单元互相连接，隐藏层神经元单元与输出层神经元单元互相连接。
-
公开(公告)号：CN116032283A
公开(公告)日：2023-04-28
申请号：CN202310027133.7
申请日：2023-01-09
Applicant: 合肥工业大学
Abstract: 本发明公开了一种带DCOC校准的可编程增益放大电路及实现方法,其中一种带DCOC校准的可编程增益放大电路包括：可编程增益放大电路的输入端通过电阻与信号输入端连接，所述可编程增益放大电路的同相输出端与DCOC直流失调消除电路的正输入端连接，所述可编程增益放大电路的反向输出端与所述DCOC直流失调消除电路的负输入端连接，所述DCOC直流失调消除电路的输出端分别与所述可编程增益放大电路的输入端和所述信号输入端连接。本发明使用两级增益可调的PGA级联形式实现了整体12bits可调，增益范围1～4096倍的动态增益范围，并且能够消除在可编程放大电路输入端的直流失调电压。
-
公开(公告)号：CN118631252A
公开(公告)日：2024-09-10
申请号：CN202410845871.7
申请日：2024-06-27
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于模糊控制的流水线模数转换器后台校准方法，涉及模数转换器转换领域，包括：参考模数转换器、模糊控制器、模糊规则更新模块及数据输出单元；其中，待校准流水线模数转换器与参考模数转换器接入同一信号源并量化得到各自的各级量化数字码以及量化输出；模糊控制器以待校准模数转换器的多级量化数字码作为输入推理得到误差补偿值；模糊规则更新模块用于实时更新模糊规则库；数据输出单元将待校准流水线模数转换器的量化输出与误差补偿值叠加，得到待校准模数转换器的校准输出。本发明能完成量化数字码与误差之间的映射，从而能实现流水线模数转换器的线性及非线性误差的校准。
-
公开(公告)号：CN117408315B
公开(公告)日：2024-06-25
申请号：CN202311392418.7
申请日：2023-10-25
Applicant: 合肥工业大学
IPC: G06N3/0499 , G06N3/048 , G06N3/063 , H03M1/10 , H03M3/00
Abstract: 本发明公开了一种用于流水线模数转换器后台校准的前向推理模块，涉及模数转换器校准领域，前向推理模块搭载用于校准流水线模数转换器的三层神经网络，在神经网络的前端待校准的流水线模数转换器和sigma‑delta ADC接入同一个模拟信号源，待校准的流水线模数转换器的输出的数字信号作为训练集输入神经网络，该前向推理模块包括：权值偏置存储单元、输入层神经元单元、隐藏层神经元单元和输出层神经元单元；神经网络初始化时各层神经元单元从权值偏置存储单元中读取权值和偏置数据，设置神经元的参数；输入层神经元单元接收前端的数模转换器发送的信号，输入层神经元单元与隐藏层神经元单元互相连接，隐藏层神经元单元与输出层神经元单元互相连接。
-
公开(公告)号：CN116032283B
公开(公告)日：2023-09-22
申请号：CN202310027133.7
申请日：2023-01-09
Applicant: 合肥工业大学
Abstract: 本发明公开了一种带DCOC校准的可编程增益放大电路及实现方法,其中一种带DCOC校准的可编程增益放大电路包括：可编程增益放大电路的输入端通过电阻与信号输入端连接，所述可编程增益放大电路的同相输出端与DCOC直流失调消除电路的正输入端连接，所述可编程增益放大电路的反向输出端与所述DCOC直流失调消除电路的负输入端连接，所述DCOC直流失调消除电路的输出端分别与所述可编程增益放大电路的输入端和所述信号输入端连接。本发明使用两级增益可调的PGA级联形式实现了整体12bits可调，增益范围1～4096倍的动态增益范围，并且能够消除在可编程放大电路输入端的直流失调电压。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
