CN105874717B - 认知信号转换器 - Google Patents

认知信号转换器 Download PDF

Info

Publication number
CN105874717B
CN105874717B CN201480072109.4A CN201480072109A CN105874717B CN 105874717 B CN105874717 B CN 105874717B CN 201480072109 A CN201480072109 A CN 201480072109A CN 105874717 B CN105874717 B CN 105874717B
Authority
CN
China
Prior art keywords
signal
analog
cognition
digital conversion
digital
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480072109.4A
Other languages
English (en)
Other versions
CN105874717A (zh
Inventor
罗尔夫·松德布拉德
斯塔凡·霍尔姆布林
罗伯特·哈格隆德
埃米尔·亚尔马松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fingerprint Kaana Kadun Intellectual Property Co ltd
Fingerprint Cards AB
Original Assignee
Fingerprint Cards AB
Anacatum Design AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fingerprint Cards AB, Anacatum Design AB filed Critical Fingerprint Cards AB
Publication of CN105874717A publication Critical patent/CN105874717A/zh
Application granted granted Critical
Publication of CN105874717B publication Critical patent/CN105874717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/124—Sampling or signal conditioning arrangements specially adapted for A/D converters
    • H03M1/1245—Details of sampling arrangements or methods
    • H03M1/1265—Non-uniform sampling
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/124—Sampling or signal conditioning arrangements specially adapted for A/D converters
    • H03M1/1245—Details of sampling arrangements or methods
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/06—Continuously compensating for, or preventing, undesired influence of physical parameters
    • H03M1/0617—Continuously compensating for, or preventing, undesired influence of physical parameters characterised by the use of methods or means not specific to a particular type of detrimental influence
    • H03M1/0624—Continuously compensating for, or preventing, undesired influence of physical parameters characterised by the use of methods or means not specific to a particular type of detrimental influence by synchronisation
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/10—Calibration or testing
    • H03M1/1009—Calibration
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/124—Sampling or signal conditioning arrangements specially adapted for A/D converters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/34—Analogue value compared with reference values
    • H03M1/38—Analogue value compared with reference values sequentially only, e.g. successive approximation type
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M1/00—Analogue/digital conversion; Digital/analogue conversion
    • H03M1/12—Analogue/digital converters
    • H03M1/34—Analogue value compared with reference values
    • H03M1/38—Analogue value compared with reference values sequentially only, e.g. successive approximation type
    • H03M1/46—Analogue value compared with reference values sequentially only, e.g. successive approximation type with digital/analogue converter for supplying reference values to converter

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Analogue/Digital Conversion (AREA)

Abstract

公开了一种认知信号转换器，该认知信号转换器经由模拟信号输入端口能够连接至模拟信号源并且适于基于经由模拟信号输入端口接收的模拟输入信号来产生数字输出信号。认知信号转换器包括模数转换器和认知网络。模数转换器适于基于模拟输入信号、采样时钟信号和处理时钟信号，通过根据采样时钟信号对模拟输入信号进行采样并且对每个模拟输入信号样本进行量化来产生数字转换信号，其中，量化过程是通过处理时钟信号来操作的。认知网络适于接收模数转换器的数字转换信号，基于所接收的数字转换信号以及模拟信号源的一个或多个特征来控制采样时钟信号和处理时钟信号中的至少一个，并且基于所接收的数字转换信号来产生数字输出信号。还公开了相应的集成电路、电子装置和方法。

Description

认知信号转换器
技术领域
本发明总体上涉及模数转换器(例如，模拟信息转换器(analog-to-informationconverter))领域。更具体地，本发明涉及对这种转换器的操作的控制和优化。
背景技术
一般使用数字技术而不是模拟技术来实现电子设备，然而电子设备要处理的信号通常最初是模拟的(例如，无线电信号、传感器输出信号、图像采集等)。通常，数字技术越先进，越需要将模拟信号转换为适合于数字技术实现的数字信号的工作。
概念上，模数转换器(也称为ADC或A/D转换器)及其基本功能(采样和保持、量化)在本领域是众所周知的，在本文中将不进行进一步详述。
模数转换满足特定要求通常是有益的，甚至是必需的。这样的要求例如可包括准确性要求(在对于每个样本的采样速度和/或量化精度方面)和/或能耗要求。量化精度可例如包括与模拟信号样本值的量化范围和/或最大偏差。满足模数转换的所有要求通常可能是麻烦的，特别是在模数转换的实现应当相当容易并且/或者电路占用面积小的情况下更是如此。通常，如果ADC被设计成满足特定应用的要求，则其可能不适合用于另一应用中。
因此，需要使得ADC的操作能够适应特定应用的配置。
US 2011/0148682 A1公开了一种预测性模数转换器系统，其包括产生经采样的模拟输入信号的采样部以及和合并经采样的模拟输入信号与模拟预测信号以产生模拟预测误差信号的加法器部。误差模数转换器对模拟预测误差信号进行数字化。第二加法器耦合至(来自误差模数转换器的)数字误差信号输出和数字预测信号，并且生成数字输出信号。反馈部耦合至数字输出信号并且提供数字预测信号和模拟预测信号。
发明内容
应当强调，当在本说明书中使用术语“包括/包括(comprises/comprising)”时，其用于指示存在所述特征、整体、步骤或部件，但是不排除存在或添加一个或多个其他特征、整体、步骤、部件或其组。
一些实施例的目的是使得ADC的操作能够适应特定应用。
根据第一方面，这通过如下的一种认知信号转换器来实现，该认知信号转换器经由模拟信号输入端口能够连接至模拟信号源并且适于基于经由模拟信号输入端口接收的模拟输入信号产生数字输出信号。该认知信号转换器包括模数转换器和认知网络。
模数转换器适于基于模拟输入信号、采样时钟信号和处理时钟信号，通过根据采样时钟信号对模拟输入信号进行采样并且对每个模拟输入信号样本进行量化来产生数字转换信号，其中，量化过程是通过处理时钟信号来操作的。
处理时钟信号用于在对每个模拟输入信号样本进行量化时控制模数转换器的操作速度。
通过处理时钟信号操作量化过程应当被解释为模数转换器在处理时钟信号的每个时段期间执行操作。因此，处理时钟信号起到模数转换器的处理时钟的作用。
认知网络适于接收模数转换器的数字转换信号，基于所接收的数字转换信号以及模拟信号源的一个或多个特征来控制采样时钟信号和处理时钟信号中的至少一个，以及基于所接收的数字转换信号来产生数字输出信号。
模拟输入信号可例如包括以下中的任一个：流数据信号、无线电信号、传感器输出信号、心电图信号、视频信号、3D视频信号、摄影数据信号、指纹读取器信号等。
认知网络可以是控制配置。另外地或替选地，认知网络还可以是分类配置和/或预测配置。
典型的认知网络可以是适于基于当前信号部分和/或在先信号部分执行对未来信号部分的预测的功能单元(以硬件或软件或者其组合来实现)。
在一些实施例中，功能单元可以适于预测信号的下一样本。
在一些实施例中，功能单元可以适于确定信号属于多个信号类型中的哪一个并且从而预测信号的未来部分。
另外，典型的认知网络可以为适于动态地开发其预测算法的功能单元(以硬件或软件或者其组合来实现。)
例如，认知网络可以适于使多个信号彼此匹配并且将两个或更多个信号所共有的一个或多个信号特征区分。然后，这样的信号特征可用于预测算法中以确定新的信号是否与所述多个信号中的一个或多个信号为相同类型。
因此，认知网络可以是根据一些实施例的(可能为自学)预测配置。
Qinqin Chen、Ying Wang、Charles W.Bostian在Performance,Computing andCommunications Conference,2008,IPCCC 2008,IEEE International中发表的“Universal Classifier Synchronizer Demodulator”中公开了认知网络的示例。
例如，认知网络可以是人工神经网络(例如，参见US 5,717,832)。在一些实施例中，认知网络可以是流识别和预测配置。
模数转换器可以是任何适当的已知或未来类型的模数转换器。例如，模数转换器可以包括一个或多个逐次逼近寄存器型模数转换器(SAR ADC，例如参见WO 2012/123578A1和EP 0624289 B1)。对于高采样频率，使用包括若干个组成模数转换器的模数转换器结构以能够适应高采样频率是必要的或者至少是有益的。这样的结构减轻了对于每个组成模数转换器的处理速度要求。这样的模数转换器结构的示例为管线模数转换器和时间交错模数转换器(例如，并行逐次模数转换器)。US 2011/0304489 A1、WO 2007/093478 A1、EP0624289 B1和WO 2010/042051 A1描述了多种示例性时间交错模数转换器结构。
在一些实施例中，认知网络还可以适于基于所接收的数字转换信号以及模拟信号源的一个或多个特征来预测数字转换信号的下一样本的至少一部分，并且基于至少部分地预测的下一样本来控制采样时钟信号和处理时钟信号中的至少一个。
根据一些实施例，模数转换器还可适于基于至少部分地预测的下一样本来产生数字转换信号。例如，至少部分地预测的下一样本可以反馈至模数转换器。模数转换器可以使用至少部分地预测的下一样本作为初始值以产生数字转换信号的下一样本。
这具有如下优点：下一样本的最高有效位无需由模数转换器来确定，而是可以从至少部分地预测的下一样本提取。因此，模数转换器可以使用通常用于确定最高有效位的资源来用于其他目的(更高的量化精度、更快的采样速率和/或节能)。
替选地或另外地，至少部分地预测的下一样本值可以用作模数转换器的参考值。这会具有如下优点：可使用较小的ADC范围，这进而会导致较高的精度和/或较低的能耗。
在一些实施例中，模数转换器可以适于通过将模拟输入信号的下一样本与至少部分地预测的下一样本进行比较来产生数字转换信号。
认知网络例如可以适于相对于所接收的数字转换信号与至少部分地预测的下一样本之间的差来控制采样时钟和/或处理时钟。如果该差的绝对值小(例如，比第一阈值小)，则可根据一些实施例增大采样时钟周期(由于可以假定模拟输入信号没有快速地改变)。如果该差的绝对值大(例如，大于第二阈值，该第二阈值可以与第一阈值相同或者可以与第一阈值不相同)，则可以根据一些实施例减小采样时钟周期(由于可以假定模拟输入信号快速地改变)。这具有如下优点：当采样时钟周期增大时，模数转换器可以使用通常用于适应高采样速率的资源来用于其他目的(更高的量化精度和/或节能(例如，通过降低处理时钟速率))。
在一些实施例中，认知网络还可以适于基于至少部分地预测的下一样本来控制模数转换器的转换范围。
根据一些实施例，数字输出信号可以为以下之一：所接收的数字转换信号、所接收的数字转换信号的调整形式、以及基于所接收的数字转换信号的模拟输入信号的类别。
当数字输出信号为模拟输入信号的类别时，而且在其他的适当情况下，认知信号转换器可以被视为模拟信息转换器。模拟信息转换器通常具有如下优点：能够以高压缩的方式呈现模拟信号的信息(例如，参见Chen,Chandrakasan,Stojanovic,“Design andAnalysis of a Hardware-Efficient Compressed Sensing Architecture for DataCompression in Wireless Sensors”,IEEE Journal of Solid-State Circuits,vol.47,No.3,March 2012,pp.744-756)。
在一些实施例中，认知信号转换器还可包括适于使模数转换器的数字转换信号经受成帧操作的图像处理成帧器(framer)。在这样的实施例中，认知网络适于接收所成帧的数字转换信号作为模数转换器的数字转换信号。当模拟输入信号为图像信号(诸如视频信号)时，这些实施例尤其适合。认知网络例如还可适于检测所成帧的数字转换信号的背景项(background item)和所成帧的数字转换信号的移动项(moving item)并且基于该检测来控制图像处理成帧器的成帧操作。
在又一些实施例中，模数转换器可以是第一模数转换器，并且认知网络可以是第一认知网络。然后，认知信号转换器还可以包括第二模数转换器和第二认知网络。其中，第一认知网络适于控制第二认知网络。这样的实施例会尤其适合于处理3维图像信号。例如，第一模数转换器可以对来自第一记录装置(例如，摄像装置)的第一模拟输入信号进行操作，并且第二模数转换器可以对来自第二记录装置的与第一模拟输入信号同步记录的第二模拟输入信号进行操作，其中，第二记录装置的位置相对于第一记录装置的位置偏移，以使得它们一起提供3维图像信号。
根据一些实施例，模拟信号源的一个或多个特征可以由模数转换器的一个或多个特征来补充。
第二方面是包括第一方面的认知信号转换器的一种集成电路，并且第三方面是包括第一方面的认知信号转换器或者第二方面的集成电路的一种电子装置。
根据第四方面，提供了一种操作模数转换器的方法。该方法包括：经由包括模数转换器的认知信号转换器的模拟信号输入端口接收模拟输入信号；以及基于模拟输入信号、采样时钟信号和处理时钟信号，通过根据采样时钟信号对模拟输入信号进行采样并且对模拟输入信号样本进行量化来产生数字转换信号的样本，其中，量化过程是通过处理时钟信号来操作的。
该方法还包括：基于数字转换信号以及模拟信号源的一个或多个特征来控制采样时钟信号和处理时钟信号中的至少一个，并且基于数字转换信号来产生数字输出信号。
在一些实施例中，第四方面可以另外具有与如上针对第一方面所述的各种特征中的任意特征相同或相应的特征。
一些实施例的优点是，可以非常灵活地控制模数转换以为模拟信号源的不同要求和/或特征做准备。因此，相比于其他转换器，认知转换器的品质因数、功耗和/或其他性能指标可以得到改善。
一些实施例的另一优点是，由模拟信号传达的信息可以以压缩方式呈现并因此可以以节能方式传递。
附图说明
参照附图，根据实施例的以下详细描述，将显而易见另外的目的、特征和优点，在附图中：
图1是示出了根据一些实施例的包括认知信号转换器的示例性配置的框图；
图2是示出了根据一些实施例的包括认知信号转换器的示例性配置的框图；
图3是示出了根据一些实施例的包括认知信号转换器的示例性配置的框图；
图4是示出了根据一些实施例的示例性方法步骤的流程图；
图5是示出了根据一些实施例的适用于认知信号转换器的示例性模数转换器的框图；
图6是示出了根据一些实施例的模拟输入信号的处理的示意图。
具体实施方式
以下，将描述如下实施例：其中，模拟输入信号被输入至模数转换器，并且模数转换器的输出由认知网络用来产生数字输出信号并控制模数转换器。
认知网络通常感知(或者能够学习)模拟信号源的一个或多个特征。例如，该一个或多个特征可以通过认知网络的训练(自学)和/或基于关于认知网络可用的模拟输入信号(例如，通过手工输入、通过从模拟信号源自动输入、通过编程、通过设定参数或算法等)的现有知识来获得。
认知网络还可以适于使用模数转换器的输出来(至少部分地)预测模数转换器的输出的一个或多个未来样本。该预测可以根据任何适当的已知方法或未来方法。当本文中提及预测的样本时，该表示法意味着还包括部分地预测的样本(例如，预测构成样本的位的子集，例如，多个最高有效位或多个最低有效位)。
认知网络可以使用模数转换器的输出(以及可能地，使用预测的样本)来控制采样时钟和/或处理时钟，两者均用于操作模数转换器。当对模拟样本进行数字化(即，量化)以产生模数转换器的输出的样本时，采样时钟用于控制模拟输入信号的采样，而处理时钟用于控制模数转换器的操作速度。
为了该目的，时钟控制器可以设置在认知网络的内部或外部。时钟控制器可以具有系统时钟信号作为输入，并且可以提供采样时钟和/或处理时钟作为输出(例如，通过以任何适当的已知方式或未来方式对系统时钟信号进行分割、偏移、划分、复制等)。时钟控制器由认知网络基于模数转换器的输出以及模拟信号源的一个或多个特征来控制。在一些实施例中，预测的样本还可以用于例如基于ADC输出样本与预测的样本之间的差(例如，符号值和/或绝对值)或者基于ADC输出样本和预测的样本与特征信号曲线的匹配来控制时钟控制器。
例如，如果可以假定(基于模数转换器的输出和根据模拟信号源的特征的预测的样本)模拟输入信号在模数转换的精度不重要的时段内，则可以降低采样时钟速率以使得避免过采样，以及/或者可以降低处理时钟速率以使得避免不必要的精确量化。
如果可以假定模拟输入信号在模数转换的精度重要并且模拟输入信号改变非常缓慢的时段内，则可以降低采样时钟速率，同时可以增大处理时钟速率。
如果可以假定模拟输入信号在模数转换的精度重要并且模拟输入信号改变快速的时段内，则可以增大采样时钟速率和处理时钟速率。
可以设想采样时钟和/或处理时钟的增大、降低或未改变的速率的各种组合适用的多种其他情况。当提及时钟速率、时钟周期或任何其他参数的增大或减小时，应理解为与标称值相比较或与适用的先前值相比较。
预测的样本还可以用于控制模数转换器的操作。例如，预测的样本可以从认知网络反馈至模数转换器。模数转换器可以例如使用预测的样本作为其量化处理的起始点。然后，量化处理可以包括将模拟样本与预测的下一样本进行比较。(在这些实施例中的一些实施例中，无需估计最高有效位中的一个或多个。替代地，可以直接从预测的样本中提取这些位。)通常，与没有可利用的预测的情况相比，该模数转换器需要较少的处理循环来达到特定结果。这会导致较低能耗(例如，通过降低处理时钟速率)。替选地或另外地，一个或多个处理循环可以用于获得较高的量化精度(例如，通过使模数转换器在较窄范围内进行操作)。还可替选地或另外地，一个或多个处理循环可以用于适应增大的采样时钟速率。
因此，在一些实施例中，认知网络可以通过提供预测样本值、操作范围、采样时钟和处理时钟来控制模数转换器。在一些实施例中，可以使用仅这些控制信号的子集。例如，在一些实施例中，可以向模数转换器仅提供适合的采样时钟和适合的处理时钟。
认知网络还适于基于来自模数转换器的输出产生数字输出信号。
在一些实施例中，数字输出信号为来自模数转换器的输出或者为来自模数转换器的输出的调整版本。例如，如果模拟输入信号是正交调幅(QAM)信号，则可知该信号是幅度和相位属于幅度和相位的有限集合的正弦信号。在这种情况下，认知网络可以(基于较早的样本)基于可能的幅度和相位来调整输出。
在其他实施例中，数字输出信号可以包括来自模数转换器的输出的特征(或类别)。例如，如果已知模拟输入信号始终处于四种不同状态之一，则认知网络可以适于基于来自模数转换器的输出来检测当前状态，并且数字输出信号可以仅仅包括所检测的状态的指示(在该示例中为2位)。在上述正交调幅(QAM)信号的示例中，认知网络能够(基于可能的幅度和相位)检测在少数样本之后的QAM符号。然后，可以输出符号表示(类别)，并且在当前符号周期期间不再需要样本。
认知网络可以基于来自模数转换器的输出的部分样本而产生数字输出信号。例如，如果认知网络能够基于样本的一部分(例如，基于多个最高有效位)来确定类别，则该类别可以用作数字输出信号，并且模数转换可以提前终止(例如，通过调整处理时钟以使得剩余样本不被处理并且针对下一样本重置ADC)。
在一些实施例中，数个模数转换器可以处理并行的模拟输入信号，并且将它们输入至单个认知网络，该认知网络基于模数转换器输出的组合产生类别。
如前所述，模数转换器可以包括一个或多个逐次逼近寄存器型模数转换器(SARADC)。
例如，SAR ADC可以由多个并行ADC形成，并行的ADC可以由认知网络单独控制。例如，当采样速率低时，认知网络可以使相应数量的并行ADC处于低活动(或睡眠)模式以节省能量。
例如，SAR ADC可以是由多个组成SAR ADC构成的时间交错ADC，这多个组成SARADC可以由认知网络单独控制。可以在认知网络中校正任意交错误差(例如，时间偏移)。
例如，SAR ADC可以是由认知网络控制的多于关键需求(例如，能够在运行时间期间执行ADC的校准)的ADC构成的具有冗余的ADC。
图1是示出了根据一些实施例的包括认知信号转换器100的示例性配置的示意性框图。该配置还包括模拟信号源(SRC)101和处理器(PROC)102，模拟信号源(SRC)101向认知信号转换器100的模拟输入端口提供模拟输入信号141，处理器(PROC)102使用认知信号转换器100的数字输出信号143以用于一些目的(例如，进一步处理和/或渲染；包括信号解调—例如，无线局域网(WLAN)接收器的正交频分复用(OFDM)解调、视频序列中的目标追踪、运动图像专家组(MPEG)编码、指纹识别、用于光学触摸屏的触摸识别等)。
认知信号转换器100包括模数转换器(ADC)110、认知网络(CNW)120和时钟控制器(CLK CNTR)130。时钟控制器130在图1中示为在认知网络120的外部。在其他实施例中，时钟控制器可以包括在认知网络中。
如以上详述，ADC 110基于处理时钟信号147、采样时钟信号146和来自认知网络120的反馈信号149来处理模拟输入信号141以产生数字转换信号145。根据一些实施例，如图1中的144所示，数字转换信号145可以直接输出至处理器102。
数字转换信号145还被输入至认知网络120，该认知网络120可以使用数字转换信号145以及信号源101的(预编码的和/或学习的)特征来预测数字转换信号145的下一样本。如以上详述，预测的样本可以(经由反馈信号149)反馈至ADC 110。此外，数字转换信号145和信号源的特征(以及可能地，预测的样本)可以由认知网络120用来(经由控制信号148)控制与输入至时钟控制器130的系统时钟(CLK)142相关的时钟控制器130的采样时钟信号146和/或处理时钟信号147。
图2是示出了根据一些实施例的包括认知信号转换器200的示例性配置的示意性框图。图2的框201、202、210、220和230等同于(或至少类似于)图1的相应框101、102、110、120和130。类似地，图2的信号241、242、243、245、246、247、248和249等同于(或至少类似于)图1的相应信号141、142、143、145、146、147、148和149。将不再进一步详述这些框和信号。
认知信号转换器200还包括成帧器(FR)250，该成帧器250适于在将ADC 210的输出245转发至认知网络220作为成帧信号252之前对ADC 210的输出245执行图像处理成帧操作。根据一些实施例，如图2中的244所示，成帧信号252可以被直接输出至处理器202。
在该认知信号转换器200中，认知网络220还可适于经由控制信号251控制成帧器250。例如，认知网络220可适于检测成帧信号252的背景项和移动项，并且基于该检测而控制图像处理成帧器的成帧操作。在一些示例中，认知网络220可适于通过指示移动项的位置、方向和速度来控制成帧，并且成帧器250可以基于这些指示来调整其需要转换帧的哪些部分以及何时。
认知信号转换器200尤其适合用于图像处理应用。
图3是示出了根据一些实施例的包括认知信号转换器300的示例性配置的示意性框图。图3的框301、302、310、320、330和350等同于(或至少类似于)图2的相应框201、202、210、220、230和250。类似地，图3的信号341、342、343、344、345、346、347、348、349、351和352等同于(或至少类似于)图2的相应信号241、242、243、244、245、246、247、248、249、251和252。将不再进一步详述这些框和信号。
认知转换器300还包括第二组框—(ADC)360、成帧器(FR)390、认知网络(CNW2)370和时钟控制器(CLK CNTR)380，其分别等同于(或至少类似于)相应框—(ADC)310、成帧器(FR)350、认知网络(CNW1)320和时钟控制器(CLK CNTR)330。
ADC 360基于处理时钟信号367、采样时钟信号346和来自第二认知网络370的反馈信号369来处理模拟输入信号361的第二部分，以产生数字转换信号365。
成帧器(FR)390适于在将ADC 360的输出365转发至第二认知网络370作为成帧信号392之前对ADC 360的输出365执行图像处理成帧操作。根据一些实施例，如图3中的364所示，成帧信号392可以被直接输出至处理器302。
成帧信号392被输入至第二认知网络370，第二认知网络370可以使用成帧信号392和信号源301的(预编码的和/或学习的)特征来预测数字转换信号的下一样本，并且(经由控制信号368)控制时钟控制器380。第二认知网络370还可以适于经由控制信号391来控制成帧器390。
在图3的示例中，采样时钟346对于ADC 310、360两者来说是相同的，并且由第一认知网络(CNW1)320控制。在其他实施例中，采样时钟可以在ADC 310、360之间不同，并且可以分别由认知网络320、370控制。
第一认知网络(CNW1)320可以适于经由连接393将信息和/或控制信号传输至第二认知网络(CNW2)370。从而，已由第一认知网络320获得的预测、检测和控制信号(或其一部分)无需由第二认知网络370复制，这通常节省了能量和/或处理资源。
认知信号转换器300尤其适合于3D图像处理应用(例如，在如下情况下，源301包括：第一源(SRC1)301a，其可以为第一图像捕获装置，诸如具有高分辨率的摄像装置；第二源(SRC2)301b，其可以为第二图像捕获装置，诸如具有低分辨率的摄像装置，其中第一图像捕获装置和第二图像捕获装置例如以与人眼之间的典型距离对应的距离彼此相关地设置，以共同地提供3D图像)。
图4示出了根据一些实施例的示例性方法。图4的方法可以例如分别由图1、图2和图3的认知信号转换器100、200、300中的任一个来执行。
该方法在步骤410中通过设置将模拟信号源限定为初始值的特征参数来开始。这些特征参数由如以上详述的认知网络使用，并且在处理模拟信号期间可以是固定的或者可以是动态变化的。
然后，经由认知信号转换器的模拟信号输入端口接收模拟源的模拟输入信号，并且在步骤420中，模数转换器基于采样时钟信号对模拟源的模拟输入信号进行采样。在步骤430中，模数转换器基于处理时钟信号对模拟样本进行数字化(例如，通过量化)以产生数字转换信号的样本。
在可选步骤440中，认知网络基于过去的样本和特征参数来预测数字转换信号的下一样本。在步骤450中，认知网络基于过去的样本和特征参数(以及可能地，预测的下一样本)来控制采样时钟信号和处理时钟信号，并且在可选的步骤460中，该认知网络向模数转换器反馈预测的样本以用于对未来样本的量化中。
在步骤470中，认知网络还产生数字输出信号，其可以为来自模数转换器(可能经调整)的输出，或者可以为模拟输入信号的当前状态的类别。
图5是示出了根据一些实施例的适合于认知信号转换器的示例性模数转换器(ADC)510的示意性框图。例如，ADC 510可以用作图1、图2和图3的ADC 110、210、310和360中的任一个。
示例性ADC 510是逐次逼近寄存器(SAR)型ADC(对照WO 2013/123578 A1)，并且包括样本和保持单元(S&H)511、逐次逼近寄存器(SAR)512、数模转换器(DAC)513和比较器(COMP)514。
样本和保持单元511适于以由采样时钟信号546(对照图1、图2和图3的信号146、246和346)限定的采样速率对模拟输入信号541(对照图1、图2和图3的信号141、241、341和361)进行采样。
预测的下一样本549可以存储在逐次逼近寄存器512中，并且以由处理时钟信号547(对照图1、图2和图3的信号147、247、347和367)确定的处理速率，逐次逼近寄存器512的内容被转换为DAC 513中的模拟值，并且在比较器514中与采样模拟输入信号相比较。每次比较确定逐次逼近寄存器512的位的值，并且相应地更新逐次逼近寄存器512。当已确定所有位各自的值时，在545处输出量化的采样值。
图6是示出了根据一些实施例的模拟输入信号610的处理的示意图。信号610具有如图6所示的三个不同状态：第一状态，其中，信号幅度接近于零(例如，在由621、622、623示出的时间间隔内)；第二状态，其中，信号幅度具有单峰形状(例如，在由651示出的时间间隔内)；以及第三状态，其中，信号幅度具有双峰形状(例如，在由652示出的时间间隔内)。
当信号处于第一状态时，重要的仅会是，知道信号是否即将转移至另一状态并且采样速率可以相当低。当信号处于第二状态或第三状态时，关键的会是，在时间方面具有高分辨率以确定信号处于第二状态和第三状态中的哪个状态并且采样速率应当相当高。
因此，如果ADC输出的幅度在阈值620之上、同时前一ADC输出的幅度在阈值620之下(即，预测到这表示转移至第二状态或第三状态)，则认知网络可以适于将ADC输出的幅度与阈值620进行比较并且将采样速率从低值改变为高值。当检测到第二状态或第三状态时，认知网络还可以适于将采样速率从高值改变为低值。例如，如果经历幅度下降(如时间间隔652中所示)，则可以认为检测到第三状态，而如果ADC输出的幅度降至阈值620以下而没有经历任何幅度下降(如时间间隔651中所示)，则可以认为检测到第二状态。在图6中采样时间由x轴示出。
因此，当信号处于第一状态时，由于ADC要处理的样本较少，因此节省了能量。例如，如果应用了时间交错ADC，则可将一个或多个组成ADC置于睡眠模式和/或可降低处理速率。
认知信号转换器的数字输出信号可以包括模拟输入信号的当前状态的指示。
所描述的实施例及其等同方案可以以软件或硬件或者其组合来实现。它们可以由通用电路(诸如，数字信号处理器(DSP)、中央处理单元(CPU)、共处理器单元、现场可编程门阵列(FPGA)或其他可编程硬件)来执行，或者由专用电路(诸如，例如专用集成电路(ASIC))来执行。所有这样的形式被认为在本公开内容的范围内。
实施例可以呈现在包括电路系统/逻辑或者执行根据任何实施例的方法的电子设备内。例如，电子设备可以为3D追踪摄像装置、触摸屏检测器、指纹分类装置、MPEG编码器/解码器或OFDM接收器/解码器。
本文中已参照多个实施例。然而，本领域技术人员将认识到，对所描述的实施例的多种变型仍将落入权利要求书的范围内。例如，应当注意，在描述实施例时，功能块划分成特定单元绝不是限制性的。反之，这些划分仅仅是示例。本文中所描述的作为一个单元的功能块可以被划分成两个或更多个单元。以相同的方式，在不背离权利要求书的范围的情况下，本文中所描述的被实现为两个或更多个单元的功能块可以被实现为单个单元。
因此，应当理解，所描述的实施例的细节仅用于说明目的并且绝不是限制性的。替代地，落入权利要求书的范围内的所有变型旨在包括在权利要求书的范围内。

Claims (16)

1.一种认知信号转换器，其经由模拟信号输入端口能够连接至模拟信号源(101，201，301)并且适于基于经由所述模拟信号输入端口接收的模拟输入信号(141，241，341、361)产生数字输出信号(143，144，243，244，343，344，363，364)，所述认知信号转换器包括模数转换器(110，210，310，360)和认知网络(120，220，320，370)，其中：
所述模数转换器适于在对每个模拟输入信号样本进行量化时，基于所述模拟输入信号、采样时钟信号(146，246，346)和处理时钟信号(147，247，347，367)，通过根据所述采样时钟信号对所述模拟输入信号进行采样并且使用所述处理时钟信号控制所述模数转换器的操作速度来产生数字转换信号(145，245，345，365)，其中，所述量化是通过所述处理时钟信号来操作的；并且
所述认知网络适于：
接收所述模数转换器的数字转换信号；
基于所接收的数字转换信号以及所述模拟信号源的一个或多个特征来控制所述采样时钟信号和所述处理时钟信号；以及
基于所接收的数字转换信号产生所述数字输出信号。
2.根据权利要求1所述的认知信号转换器，其中，所述认知网络还适于：
基于所接收的数字转换信号以及所述模拟信号源的一个或多个特征来预测所述数字转换信号的下一样本的至少一部分；并且
基于至少部分地预测的下一样本来控制所述采样时钟信号和所述处理时钟信号中的至少一个。
3.根据权利要求2所述的认知信号转换器，其中，所述模数转换器还适于基于至少部分地预测的下一样本(149，249，349，369)来产生所述数字转换信号。
4.根据权利要求3所述的认知信号转换器，其中，所述模数转换器还适于通过将所述模拟输入信号的下一样本与至少部分地预测的下一样本进行比较来产生所述数字转换信号。
5.根据权利要求2至4中任一项所述的认知信号转换器，其中，所述认知网络适于相对于所接收的数字转换信号与所述至少部分地预测的下一样本之间的差来控制所述采样时钟。
6.根据权利要求2至4中任一项所述的认知信号转换器，其中，所述认知网络适于相对于所接收的数字转换信号与所述至少部分地预测的下一样本之间的差来控制所述处理时钟。
7.根据权利要求2至4中任一项所述的认知信号转换器，其中，所述认知网络还适于基于所述至少部分地预测的下一样本来控制所述模数转换器的转换范围。
8.根据权利要求1至4中任一项所述的认知信号转换器，其中，所述数字输出信号为如下之一：
所接收的数字转换信号(144，244，344，364)；
所接收的数字转换信号的调整版本(143，243，343，363)；以及
基于所接收的数字转换信号(143，243，343，363)的所述模拟输入信号的类别。
9.根据权利要求1至4中任一项所述的认知信号转换器，还包括图像处理成帧器(250，350，390)，所述图像处理成帧器适于使所述模数转换器的所述数字转换信号经受成帧操作，并且其中，所述认知网络适于接收所成帧的数字转换信号(252，352，392)作为所述模数转换器的所述数字转换信号。
10.根据权利要求9所述的认知信号转换器，其中，所述认知网络还适于检测所成帧的数字转换信号的背景项和所成帧的数字转换信号的移动项，并且基于所述检测来控制所述图像处理成帧器的成帧操作。
11.根据权利要求9所述的认知信号转换器，其中，所述模数转换器是第一模数转换器(310)，并且所述认知网络是第一认知网络(320)，所述认知信号转换器还包括第二模数转换器(360)和第二认知网络(370)，其中，所述第一认知网络适于控制所述第二认知网络。
12.一种集成电路，包括根据权利要求1至11中任一项所述的认知信号转换器。
13.一种电子装置，包括根据权利要求1至11中任一项所述的认知信号转换器或者根据权利要求12所述的集成电路。
14.一种操作模数转换器的方法，所述方法包括：
经由包括所述模数转换器的认知信号转换器的模拟信号输入端口、从模拟信号源接收模拟输入信号；
在对所述模拟输入信号样本进行量化时，基于所述模拟输入信号、采样时钟信号和处理时钟信号，通过根据所述采样时钟信号对所述模拟输入信号进行采样并且使用所述处理时钟信号控制所述模数转换器的操作速度来产生(420，430)数字转换信号的样本，其中，所述量化是通过所述处理时钟信号来操作的；
基于所述数字转换信号以及所述模拟信号源的一个或多个特征来控制(450)所述采样时钟信号和所述处理时钟信号；以及
基于所述数字转换信号来产生(470)数字输出信号。
15.根据权利要求14所述的方法，还包括：
基于所述数字转换信号以及所述模拟信号源的一个或多个特征来预测(440)所述数字转换信号的下一样本的至少一部分；并且
基于至少部分地预测的下一样本来控制所述采样时钟信号和所述处理时钟信号中的至少一个。
16.根据权利要求15所述的方法，还包括：基于至少部分地预测的下一样本来产生(420，430)所述数字转换信号的下一样本。
CN201480072109.4A 2014-01-15 2014-12-03 认知信号转换器 Active CN105874717B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SE1450033-4 2014-01-15
SE1450033 2014-01-15
PCT/SE2014/051445 WO2015108463A1 (en) 2014-01-15 2014-12-03 Cognitive signal converter

Publications (2)

Publication Number Publication Date
CN105874717A CN105874717A (zh) 2016-08-17
CN105874717B true CN105874717B (zh) 2018-02-23

Family

ID=53543241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480072109.4A Active CN105874717B (zh) 2014-01-15 2014-12-03 认知信号转换器

Country Status (6)

Country Link
US (1) US9602123B2 (zh)
EP (1) EP3095194A4 (zh)
JP (1) JP2017505045A (zh)
KR (1) KR101740422B1 (zh)
CN (1) CN105874717B (zh)
WO (1) WO2015108463A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8485442B2 (en) 2009-07-02 2013-07-16 Biometric Payment Solutions Electronic transaction verification system with biometric authentication
JP6486186B2 (ja) * 2015-05-01 2019-03-20 ルネサスエレクトロニクス株式会社 半導体装置
US11265003B2 (en) * 2018-08-31 2022-03-01 Telefonaktiebolaget Lm Ericsson (Publ) Control of a time-interleaved analog-to-digital converter
US11354237B2 (en) * 2019-03-18 2022-06-07 SiliconIntervention Inc. Multiport memory with analog port
CN111599256A (zh) * 2020-05-29 2020-08-28 徐州工业职业技术学院 一种数字化电力电子及电气控制的实验方法及装置
JP2022146460A (ja) 2021-03-22 2022-10-05 キオクシア株式会社 半導体回路、受信装置及びメモリシステム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5543795A (en) * 1995-06-02 1996-08-06 Intermedics, Inc. Hybrid analog-to-digital convertor for low power applications, such as use in an implantable medical device
WO2013006697A2 (en) * 2011-07-05 2013-01-10 Massachusetts Institute Of Technology Energy-efficient time-stampless adaptive nonuniform sampling

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0457362B1 (en) * 1983-09-06 1995-07-05 Mitsubishi Denki Kabushiki Kaisha Vector quantizer
US4792787A (en) 1987-02-04 1988-12-20 The United States Of America As Represented By The Secretary Of The Navy Wide dynamic range analog-to-digital converter using linear prediction
US5091965A (en) 1990-07-16 1992-02-25 Sony Corporation Video image processing apparatus
SE500357C2 (sv) 1992-01-31 1994-06-06 Silicon Construction Sweden Ab Arrangemang för analog/digital-omvandling
US5266952A (en) 1992-03-30 1993-11-30 Hughes Aircraft Company Feed forward predictive analog-to-digital converter
EP0694854B1 (en) 1994-07-28 2002-06-05 International Business Machines Corporation Improved neural semiconductor chip architectures and neural networks incorporated therein
US6100834A (en) 1998-05-15 2000-08-08 Pairgain Technologies, Inc. Recursive multi-bit ADC with predictor
US7298412B2 (en) * 2001-09-18 2007-11-20 Ricoh Company, Limited Image pickup device, automatic focusing method, automatic exposure method, electronic flash control method and computer program
JP4337505B2 (ja) * 2003-10-31 2009-09-30 ソニー株式会社 撮像装置および撮像方法、画像処理装置および画像処理方法、画像表示システム、記録媒体、並びにプログラム
JP4019286B2 (ja) * 2005-02-10 2007-12-12 セイコーエプソン株式会社 アナログフロントエンド回路及び電子機器
ATE417409T1 (de) 2006-02-17 2008-12-15 Sicon Semiconductor Ab Zeitverschachtelter analog-digital-wandler
US8064560B2 (en) * 2008-02-05 2011-11-22 Honeywell International Inc. Systems and methods for detecting a signal across multiple Nyquist bands
SE533293C2 (sv) 2008-10-10 2010-08-17 Zoran Corp Analog/digital-omvandlare
US8009072B2 (en) 2009-12-19 2011-08-30 General Electric Company Predictive analog-to-digital converter and methods thereof
JP2011211371A (ja) 2010-03-29 2011-10-20 Panasonic Corp 逐次比較型ａｄ変換器用クロック生成回路
JP5589527B2 (ja) * 2010-04-23 2014-09-17 株式会社リコー 撮像装置および追尾被写体検出方法
JP5576706B2 (ja) * 2010-05-10 2014-08-20 キヤノン株式会社 画像処理装置およびその制御方法、撮像装置
US8212697B2 (en) 2010-06-15 2012-07-03 Csr Technology Inc. Methods of and arrangements for offset compensation of an analog-to-digital converter
TWI545903B (zh) 2011-03-17 2016-08-11 安娜卡敦設計公司 類比轉數位轉換器（ａｄｃ）之校正

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5543795A (en) * 1995-06-02 1996-08-06 Intermedics, Inc. Hybrid analog-to-digital convertor for low power applications, such as use in an implantable medical device
WO2013006697A2 (en) * 2011-07-05 2013-01-10 Massachusetts Institute Of Technology Energy-efficient time-stampless adaptive nonuniform sampling

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《A New Power Efficient Wireless Non-Uniform Adaptive-Sampling ECG Recording System》;Maryam Zaare等;《2013 21st Iranian Conference on Electrical Engineering (ICEE), IEEE》;20130514;第1-5页 *
《A Signal-Specific Successive-Approximation Analog-to-Digital Converter》;Hassan Sepehrian等;《Circuits and Systems (ISCAS)，2011 IEEE International Symposium on，IEEE》;20110515;第1624-1627页 *
《Optimizing Analog-To-Digital Converters for Sampling Extracellular Potentials》;N. Sertac Artan等;《34th Annual International Conference of the IEEE EMBS》;20120901;第1663-1666页 *
《Predictive sensing in analog-to-digital converters for biomedical applications》;Jelle Van Rethy等;《International Symposium on Signals, Circuits and systems ISSCS 2013, IEEE》;20130711;第1-4页 *

Also Published As

Publication number Publication date
WO2015108463A1 (en) 2015-07-23
JP2017505045A (ja) 2017-02-09
EP3095194A4 (en) 2017-09-20
US9602123B2 (en) 2017-03-21
KR20160107156A (ko) 2016-09-13
EP3095194A1 (en) 2016-11-23
KR101740422B1 (ko) 2017-05-26
CN105874717A (zh) 2016-08-17
US20160322984A1 (en) 2016-11-03

Similar Documents

Publication Publication Date Title
CN105874717B (zh) 认知信号转换器
CN105007079B (zh) 逐次逼近型模数转换器的全差分增量采样方法
US20050024250A1 (en) Space efficient low power cyclic A/D converter
WO2018063505A1 (en) Devices and methods to compress sensor data
KR20110048231A (ko) 축차 비교형 아날로그/디지털 변환기 및 시간-인터리브드 축차 비교형 아날로그/디지털 변환기
EP1142123A1 (en) Analogue to digital converter and method of analogue to digital conversion with non-uniform sampling
CN104584437B (zh) 具有适配基准控制的异步模数转换器
Huang et al. A divide-and-compress lossless compression scheme for bearing vibration signals in wireless sensor networks
WO2012106376A1 (en) Analog-to-digital converter for biomedical signals
CN103384152A (zh) 模数转换器、模数转换方法及集成电路芯片
CN114499520A (zh) 一种adc电路及其控制方法
US11677409B2 (en) Cloud assisted calibration of analog-to-digital converters
CN104143983B (zh) 连续逼近式模拟数字转换器及其方法
CN112534842B (zh) 使用分布式计算网络的边缘节点的压缩感测系统和方法
JPH10124686A (ja) 輪郭線符号化方法及び輪郭線符号化装置
CN115762555A (zh) 一种动态音频信号调节传输方法
US9774343B1 (en) Method and apparatus for improving the resolution of digitally sampled analog data
WO2022037390A1 (zh) 一种数据传输方法及装置
CN103546153B (zh) 时间常数的校正电路及校正方法
CN106712776B (zh) 连续渐近式类比数位转换器及其控制方法
CN110702972B (zh) 一种模拟信号自适应采样方法及装置
CN109492185B (zh) 一种采样数据处理方法及装置
JP2017103662A5 (zh)
CN107749756B (zh) 一种基于压缩感知的图像信号获取方法
CN203193611U (zh) 一种音频信号的积分式模数转换电路

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Gothenburg

Patentee after: Fingerprint kaana Kadun Intellectual Property Co.,Ltd.

Patentee after: FINGERPRINT CARDS AB

Address before: Linkping

Patentee before: ANACATUM DESIGN AB

Patentee before: FINGERPRINT CARDS AB

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211222

Address after: Gothenburg

Patentee after: Fingerprint kaana Kadun Intellectual Property Co.,Ltd.

Address before: Gothenburg

Patentee before: Fingerprint kaana Kadun Intellectual Property Co.,Ltd.

Patentee before: FINGERPRINT CARDS AB