CN114665876B - 基于数据驱动的多倍集采样时钟失配自适应校准方法 - Google Patents
基于数据驱动的多倍集采样时钟失配自适应校准方法 Download PDFInfo
- Publication number
- CN114665876B CN114665876B CN202210254070.4A CN202210254070A CN114665876B CN 114665876 B CN114665876 B CN 114665876B CN 202210254070 A CN202210254070 A CN 202210254070A CN 114665876 B CN114665876 B CN 114665876B
- Authority
- CN
- China
- Prior art keywords
- sampling
- error
- time
- signal
- channel
- 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
Links
Images
Classifications
-
- 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
- H03M1/1014—Calibration at one point of the transfer characteristic, i.e. by adjusting a single reference value, e.g. bias or gain error
-
- 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
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/60—General implementation details not specific to a particular type of compression
- H03M7/6041—Compression optimized for errors
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/60—General implementation details not specific to a particular type of compression
- H03M7/6047—Power optimization with respect to the encoder, decoder, storage or transmission
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了基于数据驱动的多倍集采样时钟失配自适应校准方法,具体包括:获取输入信号,通过多倍集采样模块获得输出信号;基于输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小;基于误差谱幅度大小,通过公式判断当前时间误差并未降低到预设的误差目标值时,通过所述误差谱幅度大小计算得到伪雅可比矩阵时变参数估计值;基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算各通道采样时钟的相位调节量,并通过多相时钟产生模块对各采样通道延时单元进行调节。实现对宽带压缩多倍集采样系统进行自适应时钟适配校准,提高宽带压缩感知多倍集采样的可行性,同时提供高精度、高效率、稳定的校准效果。
Description
技术领域
本发明涉及宽带压缩感知技术领域,尤其涉及的是基于数据驱动的多倍集采样时钟失配自适应校准方法。
背景技术
模数转换器(Analog-to-Digital,ADC)是宽带压缩感知认知无线电网络中至关重要的一个模块,直接影响到认知无线电频谱的检测能力。为了识别分散在宽频带上的多个信号频率位置,传统的接收机需要以奈奎斯特速率对接收到的信号进行采样,但是如果信号频谱较宽,例如GHz级别,那么系统中的高速ADC功耗会非常大。
针对上述传统采样方式的不足,有学者提出了压缩感知(Compressed Sensing,CS)理论。它利用现代通信中宽带信号的稀疏性或可压缩性,在采样的同时对数据进行压缩,使得实际采样率低于信号的奈奎斯特采样率,然后再与恢复算法相结合,实现对原始信号的重构。压缩采样的物理实现可以采用多倍集采样(Multi-Coset Sampling,MCS)架构。多倍集采样采用周期非均匀采样的亚奈奎斯特采样技术,采样过程可以通过多个采样率相同但采样起始时刻不同的ADC实现。假设多倍集采样通道数为p,采样周期为L,那么每个ADC的采样速率可降为其奈奎斯特采样率的1/L,从而可以有效地减少ADC的采样频率与功耗,提高宽带频谱感知性能。
然而,在多倍集采样系统中,受ADC制造工艺与环境因素的影响,会产生偏置、增益和时间误差,对多倍集采样产生影响,从而降低宽带压缩感知的性能。这三种误差中,时间误差对整个多倍集采样系统影响最大也最难校准,由时间误差导致的误差谱幅度会随着频率的增高而变大。在实际宽带频谱感知过程中,由于高频信号的输入,很小的时间误差都会导致明显的误差谱。
而在现有技术中,并没有一种针对多倍集采样系统中时间误差的高效、准确的自适应校准方法。
因此,现有技术还有待改进和发展。
发明内容
针对现有技术中,对宽频谱信号进行多倍集采样过程中,存在的时间误差导致明显的误差谱,降低宽频带压缩感知性能,同时也没有一种能较好的降低该时间误差方案的问题。
本发明提供一种基于数据驱动的多倍集采样时钟适配自适应校准方法,具体包括:获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。可见本发明方案首次对宽带压缩多倍集采样系统进行时钟失配校准,且其算法稳定、误差小,提高了宽带压缩感知多倍集采样的可行性。
为了实现上述技术效果,本发明第一方面提供一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其中,上述方法包括:
获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;
基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;
基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;
基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;
基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。
可选的,上述获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号的步骤之前包括:
预先设定误差目标值,用于判断所述采样通道中延时单元的时钟相位是否在预设的误差范围内。
可选的,上述获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号的步骤包括:
获取输入的导频信号x(t);
可选的,上述基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小的步骤包括:
其中,表示信号稀疏度估计值,p表示多倍集采样系统通道数,Θ表示含有时间误差的压缩感知多倍集采样过程的采样矩阵,表示伪逆,表示由索引出的Θ的列向量构成的矩阵的伪逆,[·]i,q表示矩阵第i行第q列的元素,j为虚数单位,表示支撑集第q个元素,L表示多倍集采样的采样周期;
可选的,上述基于所述误差谱幅度大小,通过公式判断在前一次时钟相位调节中,并未将误差降低到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值的步骤包括:
基于误差谱幅度大小ξ(k),通过公式||ξ(k)-ξ*||以及预先设置的误差目标值∈判断前一次时钟相位调节中,是否将采样时间误差补偿到预设的误差范围内,其中,ξ*表示预设的目标误差谱幅度大小,∈表示残留误差谱幅度与目标误差谱幅度之差的误差目标值,||·||表示二范数运算;
当判断前一次时钟相位调节中并未将采样时间误差补偿到预设的误差范围内时,将误差谱幅度大小ξ(k)输入下述伪雅可比矩阵时变参数φ(k)估计公式中:
其中,表示伪雅可比矩阵时变参数的估计值,η∈(0,2]表示第一步长因子,u(k-1)表示第k-1时刻的采样时钟相位调节量,Δu(k-1)=u(k-1)-u(k-2),(·)T表示转置,Δξ(k)=ξ(k)-ξ(k-1),μ表示第一权重因子;
可选的,上述基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量的步骤包括:
其中,ρ∈(0,1]表示第二步长因子,λ表示第二权重因子。
上述的一种基于数据驱动的多倍集采样时钟失配自适应校准方法,还包括:
预先通过粒子群优化算法估计得到η、ρ、μ、λ和φ(1)的值。
本发明第二方面提供一种基于数据驱动的多倍集采样时钟失配自适应校准系统,其中,上述系统包括:
多倍集采样模块,包括含有延时单元以及模数转换器的若干信号采样通道,用于对输入信号进行多倍集采样;
信号重构模块,用于将多倍集采样获取的输出信号进行重构,得到重构信号;
傅里叶变换模块,用于将重构信号进行傅里叶变换得到误差谱幅度大小;
基于数据驱动自适应采样时钟调节模块,用于根据误差谱幅度大小判断当前采样时钟相位并未达到预定误差范围内时,重新计算相位调节量;
多相时钟产生模块,用于根据重新计算的相位调节量对多倍集采样模块中延时单元的时钟相位进行调节。
本发明第三方面提供一种服务器,其中,所述服务器包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于数据驱动的多倍集采样时钟失配自适应校准方法程序,所述基于数据驱动的多倍集采样时钟失配自适应校准方法程序被所述处理器执行时实现任意一项上述基于数据驱动的多倍集采样时钟失配自适应校准方法的步骤。
本发明第四方面提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现任意一项上述基于数据驱动的多倍集采样时钟失配自适应校准方法的步骤。
由上可见,本发明方案获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。可见,本发明方案不仅首次对宽带压缩多倍集采样系统进行时钟失配校准,其算法利用数据驱动方法,校准系统的设计和分析不需要任何先验信息,仅依赖系统的I/O数据,与模型结构、系统阶数均无关,从根本上消除了未建模动态对控制系统的影响。还结合PSO优化算法,对基于数据驱动多倍集采样时钟失配校准算法进行参数向量最优化选择,避免了参数向量随机选取带来的二次误差量,提高算法的稳定性。实现更快速、精确的宽频带压缩感知。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种基于数据驱动的多倍集采样时钟失配自适应校准方法的流程示意图。
图2是本实施例提供的基于数据驱动的多倍集采样时钟失配自适应校准系统的结构框图。
图3是本发明实施例图1中步骤S100的具体流程示意图。
图4是本发明实施例提供的多倍集采样框架图。
图5是本发明实施提供的多倍集采样模块中各路ADC的采样时序。
图6是本发明实施例图1中步骤S200的具体流程示意图。
图7是本发明实施例提供的系统中采样与信号恢复过程示意图。
图8是本发明实施例提供的2通道多倍集采样系统时间误差Δti与误差谱幅度ξ关系图。
图9是本发明实施例图1中步骤S300的具体流程示意图。
图10是本发明实施例图1中步骤S400的具体流程示意图。
图11是本发明实施例提供的PSO算法的流程框图。
图12是本发明实施例提供的基于数据驱动的多倍集采样时钟失配自适应校准方法在计算机中运行时的具体过程。
图13是本发明实施例提供的一种服务器的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
下面结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
随着无线通信技术的迅猛发展,指数增长的无线设备接入和海量的无线数据传输给无线通信带来更大容量、更密网络、更低时延的巨大挑战。未来的蜂窝网络采用的技术路线和关键技术需要至少上百兆赫兹的传输带宽,数以百计的传输天线,以及超密集部署的基站并支持海量用户。依据奈奎斯特采样定理,信号的最低无失真采样速率必须大于或等于信号最大带宽的两倍。随着采样信号带宽的不断增加,实现宽带信号的高速采样以及大容量数据的传输、存储和实时处理变得愈加困难,给现有的通信系统带来了巨大的挑战。
为了识别分散在宽频带上的多个信号频率位置,传统的接收机需要以奈奎斯特速率对接收到的信号进行采样,若信号频谱较宽,例如GHz级别,那么系统中的高速ADC功耗非常大。针对传统采样方式的不足,有学者提出了压缩感知(Compressed Sensing,CS)理论。它利用现代通信中宽带信号的稀疏性或可压缩性,在采样的同时对数据进行压缩,使得实际采样率低于信号的奈奎斯特采样率,然后再与恢复算法相结合,实现对原始信号的重构。压缩采样的物理实现可以采用多倍集采样(Multi-Coset Sampling,MCS)架构。多倍集采样采用周期非均匀采样的亚奈奎斯特采样技术,采样过程可以通过多个采样率相同但采样起始时刻不同的ADC实现。假设多倍集采样通道数为p,采样周期为L,那么每个ADC的采样速率可降为其奈奎斯特采样率的1/L,从而可以有效地减少ADC的采样频率与功耗,提高宽带频谱感知性能。
然而,在多倍集采样系统中,受ADC制造工艺与环境因素的影响,会产生偏置、增益和时间误差,对多倍集采样产生影响,从而降低宽带压缩感知的性能。这三种误差中,时间误差对整个多倍集采样系统影响最大也最难校准,由时间误差导致的误差谱幅度会随着频率的增高而变大。在实际宽带频谱感知过程中,由于高频信号的输入,很小的时间误差都会导致明显的误差谱。为了提高宽频带压缩感知性能,必须对时间误差进行校准。而现有技术中并没有一种能高效,准确的对多倍集采样系统中时间误差进行校准的技术方案。
为了解决现有技术中存在的问题,本发明提供一种基于数据驱动的多倍集采样时钟适配自适应校准方法,具体包括:获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。可见本发明方案首次对宽带压缩多倍集采样系统进行时钟失配校准,且其算法稳定、误差小,提高了宽带压缩感知多倍集采样的可行性。
示例性方法
如图1所示,本发明实施例提供一种基于数据驱动的多倍集采样时钟失配自适应校准方法,上述方法包括如下步骤:
步骤S100、获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号。
在本实施例中,以基于数据驱动的多倍集采样时钟失配自适应校准系统为例进行说明,该自适应校准系统中的多倍集采样模块的输入端获取输入的导频信号,并通过含有延时单元和模数转换器的多个采样通道进行多倍集采样,而由于硬件带来的影响,将输出含有时间误差的各通道对应的输出信号。
步骤S200、基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值。
在本实施例中,所述自适应校准系统基于含有时间误差的所述各通道输出信号,将输出信号进行重构得到恢复信号。进一步对所述恢复信号进行傅里叶变换计算得到当前时刻的误差谱幅度大小。其中,当误差谱幅度最小时对应着时钟失配绝对值大小的最小的正比关系,即所述误差谱幅度的大小可用于体现多倍集采样模块中因硬件带来的时间误差的大小。通过本步骤,可实现对多倍集采样模块中时间误差的观测和量化。
步骤S300、基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值。
在本实施例中,自适应校准系统将所述误差谱幅度大小输入预先设置的公式中,判断当前时刻,即在上一次(上一时刻)自适应校准时,是否已将多倍集采样模块的时间误差降低到预设的范围内。当通过公式判断在上一次自适应校准中,并未将多倍集采样模块的时间误差降低到预设范围内时,控制将所述误差谱幅度输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值,用于后续计算得到新的时间误差调节量。可见,通过本步骤可实现持续检测多倍集采样模块中是否存在时间误差,若无则不进行校准,若有则进行校准,消除多倍集采样模块中的时间误差,提高采样精度。
步骤S400、基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道的采样时钟相位调节量。
在本实施例中,所述自适应校准系统基于计算得到的伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟相位调节量。得到用于调节多倍集采样模块中各通道延时单元时钟相位的采样时钟相位调节量。
步骤S500、基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。
在本实施例中,所述自适应校准系统基于计算得到的所述各通道的采样时钟相位调节量,通过多相时钟产生模块,对对应的各采样通道中的延时单元的时钟相位进行校准。并在后续过程中,重复上述步骤实现对多倍集采样时钟失配的自适应校准。消除时钟误差,提高采样精度。
在进一步的实施例中,同样以基于数据驱动的多倍集采样时钟失配自适应校准系统为例,并通过具体的公式和其推导过程对本发明方法进行举例。
首先,请参阅图2,为本实施例提供的基于数据驱动的多倍集采样时钟失配自适应校准系统的结构框图,其中主要包括:多倍集采样模块,包括p个含有延时单元以及模数转换器的若干信号采样通道,用于对输入信号x(t)进行多倍集采样,得到各通道输出信号信号重构模块,用于将多倍集采样获取的输出信号进行重构,得到重构信号傅里叶变换模块,用于将重构信号进行傅里叶变换得到误差谱幅度大小ξ(k);基于数据驱动自适应采样时钟调节模块,用于根据误差谱幅度大小ξ(k)判断当前采样时钟相位并未达到预定误差范围内时,重新计算相位调节量u(k);多相时钟产生模块,用于根据重新计算的相位调节量u(k)对多倍集采样模块中延时单元的时钟相位进行调节。进一步的,本实施例系统中还包括粒子群优化算法(PSO)模块,用于遴选上述步骤中所需用到的参数,例如η、ρ、μ、λ和φ(1)。有效避免了参数向量随机选取带来的二次误差量,提高算法的稳定性。
在一种应用场景中,所述自适应校准系统获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号。
具体的,如图3所示,上述步骤S100包括:
步骤S101、获取输入的导频信号x(k);
举例说明,所述自适应校准系统通过多倍集采样模块获取输入的导频信号x(k)。在所述多倍集采样模块中,
其中,δ表示单位脉冲序列)。即x(t)被均匀地分割为长度是L的采样样本块,并且以L为周期只保留其中的p≤L个采样样本,其中Ts表示奈奎斯特采样的时间间隔。从L个采样样本中选择p个采样样本由采样模式C={c1,c2,...,cp}确定,其中ci∈{0,1,...,L-1},并且在集合C中的每个元素都是不相同的。
假设奈奎斯特采样率为fs,则采样间隔Ts=1/fs。与传统奈奎斯特采样方式不同,多倍集采样采用周期非均匀采样的亚奈奎斯特采样技术,是一种基于压缩感知理论的多通道压缩采样方式。
如图4所示为多倍集采样框架图,其能在时间交织模数转换器(Time-InterleavedADC,TIADC)平台上实现,只需要使用TIADC平台L个子通道ADC中的p个通道ADC。因此,整个多倍集采样模块的采样率是(p/L)×fs,其压缩采样率可计算为p/L。
考虑到实际生产中受工艺环境等因素的影响,多倍集采样会存在时钟失配,即实际采样模式C′={c1+Δt1,...,cp+Δtp}与预设的采样模式C存在一个Δti的误差量。
其中,δ为单位脉冲序列。
如图5所示为多倍集采样模块中各路ADC分别在理想情况下,以及带有时间误差情况下的采样时序。
并将上式写成矩阵形式得到:
在一种应用场景中,所述自适应校准系统基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值。
具体的,如图6所示,上述步骤S200包括:
步骤S201、基于各通道输出信号根据MUSIC多重信号分类算法和SA-SOMP子空间增强同步正交匹配追踪算法找到网络中信号活跃信道的频谱支撑集其中,频谱支撑集指宽频带传输信号中有用信号的频谱位置索引;
其中,表示信号稀疏度估计值,p表示多倍集采样系统通道数,Θ表示含有时间误差的压缩感知多倍集采样过程的采样矩阵,表示伪逆,表示由索引出的Θ的列向量构成的矩阵的伪逆,[·]i,q表示矩阵第i行第q列的元素,j为虚数单位,表示支撑集第q个元素,L表示多倍集采样的采样周期。
可见,系统中整个采样与信号恢复过程如图7所示。
由公式(4)得到Θ表达式如下:
如图8所示,为2通道多倍集采样系统时间误差Δti与误差谱幅度ξ关系图。可见各通道Δti最小值对应着误差谱幅度ξ的最小值,误差谱幅度ξ的大小可用于表示时间误差Δti的大小。
在一种应用场景中,所述自适应校准系统基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值。
具体的,如图9所示,上述步骤S300包括:
步骤S301、基于误差谱幅度大小ξ(k),通过公式||ξ(k)-ξ*||以及预先设置的误差目标值∈判断前一次时钟相位调节中,是否将采样时间误差补偿到预设的误差范围内,其中,ξ*表示预设的目标误差谱幅度大小,∈表示残留误差谱幅度与目标误差谱幅度之差的误差目标值,||·||表示二范数运算;
步骤S302、当判断前一次时钟相位调节中并未将采样时间误差补偿到预设的误差范围内时,将误差谱幅度大小ξ(k)输入下述伪雅可比矩阵时变参数φ(k)估计公式中:
其中,表示伪雅可比矩阵时变参数的估计值,η∈(0,2]表示第一步长因子,u(k-1)表示第k-1时刻的采样时钟相位调节量,Δu(k-1)=u(k-1)-u(k-2),(·)T表示转置,Δξ(k)=ξ(k)-ξ(k-1),μ表示第一权重因子;
其中,在所述获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号的步骤之前包括:
预先设定误差目标值,用于判断所述采样通道中延时单元的时钟相位是否在预设的误差范围内。
举例说明,预先设定误差目标值∈,用于判断当前时刻采样通道中延时单元的时钟相位是否在预设的误差范围内。
进一步的,所述自适应校准系统基于所述误差谱幅度大小ξ(k),进行下述判断公式进行判断:
||ξ(k)-ξ*||<∈ (8)
其中,ξ*为目标误差谱幅度值,其数值视MCS系统最大的可承受采样时钟失配而定,理论上可以设为零,即采样时钟失配完全消除。
当判断前一次时钟相位调节中并未将采样时间误差补偿到预设的误差范围内,即上述不等式不成立时,将误差谱幅度大小ξ(k)输入下述伪雅可比矩阵时变参数估计公式中:
其中,η∈(0,2]是加入的第一步长因子,u(k-1)为第k-1时刻的采样时钟相位调节量,Δu(k-1)=u(k-1)-u(k-2),(·)T表示转置,Δξ(k)=ξ(k)-ξ(k-1),μ是第一权重因子;
其中,φ(1)为伪雅可比矩阵时变参数φ(k)的初始值,ε是一个正数,sign(·)表示数值的正号或负号。
上述处理过程的推导如下:
在本实施例中,以误差谱幅度为校准依据的自适应时钟失配校准系统可以等效为多入单出(MISO)的非线性离散时间系统:
ξ(k+1)=f(ξ(k),...,ξ(k-nξ),u(k),...,u(k-nu))#(11)
其中系统输出ξ(k)表示k时刻自适应校准系统误差谱幅度大小,系统输入u(k)=[u1(k),u2(k),...,up-1(k)]T(p为多倍集采样通道数)为k时刻各通道采样时钟相位调节量,nξ和nu为两个与阶数有关的未知整数,f(·)为未知的非线性函数。
为便于下面定理的叙述,记:
Δξ(k+1)=ξ(k+1)-ξ(k)#(12)
为相邻两个时刻的误差谱幅度变化,记:
Δu(k+1)=u(k+1)-u(k)#(13)
为相邻两个时刻的采样时钟相位调节量变化。
对满足下述假设1和假设2的非线性系统(11),当||Δu(k)||≠0时,非线性系统(11)可以表示为一个动态线性化系统:
假设1:f(…)关于采样时钟调节量u(k)的偏导数是连续的。
假设2:系统(11)满足广义利普希茨连续(Lipschitz)条件,即对任意k时刻,k>0,b>0有:
|Δξ(k+1)|≤b||Δu(k)||#(14)
从实际角度出发,上述对自适应时钟失配校准系统的假设是合理且可接受的。假设1是对一般非线性系统的一种典型约束条件。由于采样时钟调节量u(k)的变化率总是有限的,因此我们可以合理地认为f(…)关于采样时钟调节量u(k)的偏导数是连续的。假设2是对系统(11)的输出变化率上界的一种限制。从能量角度来看,有界的输入能量变化应产生系统内有界的输出能量变化。因此在实际自适应时钟失配校准系统中,系统输出变化|Δξ(k+1)|和输入变化||Δu(k+1)||之间必然存在一个最大比值因子b。
定理1:对满足假设1和假设2的非线性系统(11),当||Δu(k)||≠0时,一定存在一个被称为是伪雅可比矩阵(Pseudo Jacobian Matrix,PJM)的时变参数φ(k)∈Rp-1(在实际采样时钟失配自适应校准系统中φ(k)为一个向量),使得系统(11)可转化为如下的等效动态线性数据模型:
Δξ(k+1)=φ(k)Δu(k)#(15)
其中φ(k)=[φ1(k),φ2(k),...,φp-1(k)],并且对任意的第k次采样时钟相位调节都有||φ(k)||≤b。
以上所提出的数据模型构建的是一个闭环系统,即把输入输出数据作为动态线性化系统。根据定理1可知,一个非线性系统可以被表示为一个简单的动态线性系统。与其他基于模型的线性化方法不同的是,在本实施例的动态线性化方法中,一些非线性系统的复杂行为特征,例如非线性、时变参数或时变结构等,都被压缩融入到一个时变参数φ(k)中。因此,φ(k)的动态特性可能会十分复杂而难以进行数学描述,但其数值行为却可能比较简单且容易估计。也就是说,对于一个具有复杂非线性和时变特性的系统,很难知道其精确的数学模型,但在本实施例构建的系统中,基于PJM的动态线性化数据模型是很容易得到的。
在本实施例中,采用如下准则函数估计PJM参数φ(k):
可得PJM参数φ(k)的估计算法为:
其中,η∈(0,2]表示第一步长因子,目的是使该算法具有更强的灵活性和一般性。为了使系统具有更好的时变跟踪性能并且确保Δu≠0,采用以下重置方案
其中,φ(1)为PJM参数φ(k)的初始值,ε是一个充分小的正数。
在一种应用场景中,所述自适应校准系统基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量。
具体的,如图10所示,上述步骤S400包括:
其中,ρ∈(0,1]表示第二步长因子,λ表示第二权重因子。
其中,ρ∈(0,1]表示第二步长因子,λ表示第二权重因子。
上述处理过程的推导如下:
在采样时钟失配自适应校准系统中,对于一个给定的目标误差谱幅度值ξ*,需要找到相应的采样时钟相位调节量u(k),使得我们数据驱动采样时钟失配校准数据模型的输出ξ(k)接近目标值ξ*。其中目标误差谱幅度值ξ*视MCS系统最大的可承受采样时钟失配而定,理论上可以设为零,即采样时钟失配完全消除。因此,我们采用以下控制采样时钟调节的准则函数:
J(u(k))=||ξ*-ξ(k+1)||2+λ||u(k)-u(k-1)||2#(19)
其中,λ>0是第二权重因子,用来限制控制输入量u(k)的变化。重写式(15)得到下式(20):
将式(20)代入准则函数(19)中,对u(k)求导,并令其等于零,可得到如下输入控制算法,即所述调节公式:
其中,ρ∈(0,1]表示第二步长因子,可以使输入控制算法更具一般性。
进一步的,在上述步骤S300以及S400中,为了提高校准算法校准性能,本实施例中采用粒子群优化算法(Particle Swarm Optimization algorithm,PSO)来估计η、ρ、μ、λ和φ(1)。PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解。在每一次迭代中,粒子通过跟踪两个极值来更新自己:第一个为粒子本身所找到的最优解,叫做个体极值,用pbes t表示;另一个为整个种群目前找到的最优解,叫做全局极值,用gbest表示。
PSO算法具体流程如下:
1.初始化:首先确定粒子群的规模Np,目标搜索空间维度D,最大迭代次数Gmax,粒子飞行区间[xmin,xmax](即参数取值边界),粒子速度范围[vmin,vmax]等限制参数。然后再对每个粒子的速度和位置进行随机初始化。
2.适应度评价:根据适应度函数,对种群中每一个粒子进行适应度评价。在我们的多倍集采样时钟失配自适应校准系统中,适应度函数设为
3.更新Pbest和gbest:根据适应度函数,个体极值pbest为每个粒子当前找到的最优解,群体极值gbest为全体粒子当前找到的最优解,将每个粒子的适应度值与之比较,择优进行更新。
其中,w是惯性权重系数,k是当前迭代次数,c1和c2是大于零的常数,被称为学习因子或加速度常数,r1和r2为[0,1]之间满足均匀分布的随机数。
5.中止条件:如果满足运行中止条件(误差足够好或达到了预先设定的最大迭代次数)则退出,输出最优解,否则返回第二步。
如图11所示为具体的算法流程框图,且整个PSO计算过程可以离线训练完成。
在一种应用场景中,所述自适应校准系统基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。
举例说明,每个ADC内部集成了时钟分配电路,每个ADC的采样时钟相位可以单独进行调节。这个相位调节单元可以被称为数控延时单元(Digital Control DelayElement,DCDE)。在本实施例中,通过多相时钟产生模块,每个ADC的DCDE根据基于计算得到的所述的相位调节量u(k)来调节各自的采样时钟相位。
在另一种实施例中,如图12所示,展示了本发明的基于数据驱动的多倍集采样时钟失配自适应校准方法在计算机中运行时的具体过程,具体包括:
设置:
1.初始化参数:Δu(1)=[0,...,0]T、Δξ(1)(Δξ(1)表示第一次采样输出误差谱幅度大小)
2.目标误差谱幅度值:ξ*=0;
3.跟踪误差:∈;
4小正常数:ε;
5基于PSO算法的估计参数:φ(1)、η、μ、ρ、λ;
6最大校准迭代次数为:kmax。
校准算法执行如下步骤:
1.k=2,对于k<kmax;
4.不满足式(10)的话,计算公式(18),得到采样时钟相位调节量u(k);
7.ξ(k)=ξ;
8.如果||ξ(k)-ξ*||<∈,校准完成,停止计算;
9.k=k+1;
通过上述的实施例,可见该方法利用数据驱动方法,校准系统的设计和分析不需要任何先验信息,仅依赖系统的I/O数据,与模型结构、系统阶数均无关,从根本上消除了未建模动态对控制系统的影响。
示例性设备
基于上述实施例,本发明提供了一种服务器,其原理框图可以如图13所示。上述服务器包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该服务器的处理器用于提供计算和控制能力。该服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该服务器的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现上述任意一种基于数据驱动的多倍集采样时钟失配自适应校准方法的步骤。该服务器的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图13中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的服务器的限定,具体的服务器可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种服务器,包括有存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的程序,上述程序被上述处理器执行时进行以下操作指令:
获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;
基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;
基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;
基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;
基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。对于各个公式中表现形式相同的量,如无特殊说明则表示相同的量,各个公式之间可以相互参照。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于以计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其特征在于,包括如下步骤:
获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号;
基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小,其中,所述误差谱幅度大小为用于反映时间误差大小的值;
基于所述误差谱幅度大小,通过公式判断当前时刻的时间误差并未达到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值;
基于误差谱幅度大小ξ(k),通过公式||ξ(k)-ξ*||以及预先设置的误差目标值∈判断前一次时钟相位调节中,是否将采样时间误差补偿到预设的误差范围内,其中,ξ*表示预设的目标误差谱幅度大小,∈表示残留误差谱幅度与目标误差谱幅度之差的误差目标值,||·||表示二范数运算;
基于所述伪雅可比矩阵时变参数估计值,采用调节公式计算得到各通道采样时钟的相位调节量;
其中,ρ∈(0,1]表示第二步长因子,λ表示第二权重因子;
基于所述各通道的采样时钟相位调节量,通过多相时钟产生模块同时对各采样通道中延时单元的时钟相位进行调节。
2.根据权利要求1所述的一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其特征在于,所述获取输入的导频信号,通过含有延时单元和模数转换器的多个信号采样通道,采样得到含有时间误差的各通道输出信号的步骤之前包括:
预先设定误差目标值,用于判断所述采样通道中延时单元的时钟相位是否在预设的误差范围内。
4.根据权利要求3所述的一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其特征在于,所述基于所述各通道输出信号,重构得到恢复信号,并通过傅里叶变换计算得到当前时刻误差谱幅度大小的步骤包括:
其中,表示信号稀疏度估计值,p表示多倍集采样系统通道数,Θ表示含有时间误差的压缩感知多倍集采样过程的采样矩阵,表示伪逆,表示由索引出的Θ的列向量构成的矩阵的伪逆,[·]i,q表示矩阵第i行第q列的元素,j为虚数单位,表示支撑集第q个元素,L表示多倍集采样的采样周期;
5.根据权利要求1所述的一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其特征在于,所述基于所述误差谱幅度大小,通过公式判断在前一次时钟相位调节中,并未将误差降低到预设的误差目标值时,将所述误差谱幅度大小输入伪雅可比矩阵时变参数估计公式中,计算得到伪雅可比矩阵时变参数估计值的步骤包括:
当判断前一次时钟相位调节中并未将采样时间误差补偿到预设的误差范围内时,将误差谱幅度大小ξ(k)输入下述伪雅可比矩阵时变参数φ(k)估计公式中:
其中,表示伪雅可比矩阵时变参数的估计值,η∈(0,2]表示第一步长因子,u(k-1)表示第k-1时刻的采样时钟相位调节量,Δu(k-1)=u(k-1)-u(k-2),(·)T表示转置,Δξ(k)=ξ(k)-ξ(k-1),μ表示第一权重因子;
6.根据权利要求1或5所述的一种基于数据驱动的多倍集采样时钟失配自适应校准方法,其特征在于,还包括:
预先通过粒子群优化算法估计得到η、ρ、μ、λ和φ(1)的值。
7.一种基于数据驱动的多倍集采样时钟失配自适应校准系统,其特征在于,所述系统包括:
多倍集采样模块,包括含有延时单元以及模数转换器的若干信号采样通道,用于对输入信号进行多倍集采样;
信号重构模块,用于将多倍集采样获取的输出信号进行重构,得到重构信号;
傅里叶变换模块,用于将重构信号进行傅里叶变换得到误差谱幅度大小;
基于数据驱动自适应采样时钟调节模块,用于根据误差谱幅度大小判断当前采样时间误差并未达到预定误差范围内时,重新计算相位调节量;
多相时钟产生模块,用于根据重新计算的相位调节量对多倍集采样模块中延时单元的时钟相位进行调节。
8.一种服务器,其特征在于,所述服务器包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于数据驱动的多倍集采样时钟失配自适应校准方法程序,所述基于数据驱动的多倍集采样时钟失配自适应校准方法程序被所述处理器执行时实现如权利要求1-6任意一项所述基于数据驱动的多倍集采样时钟失配自适应校准方法的步骤。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现如权利要求1-6任意一项所述基于数据驱动的多倍集采样时钟失配自适应校准方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254070.4A CN114665876B (zh) | 2022-03-15 | 2022-03-15 | 基于数据驱动的多倍集采样时钟失配自适应校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210254070.4A CN114665876B (zh) | 2022-03-15 | 2022-03-15 | 基于数据驱动的多倍集采样时钟失配自适应校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114665876A CN114665876A (zh) | 2022-06-24 |
CN114665876B true CN114665876B (zh) | 2022-12-27 |
Family
ID=82030259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210254070.4A Active CN114665876B (zh) | 2022-03-15 | 2022-03-15 | 基于数据驱动的多倍集采样时钟失配自适应校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114665876B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115622568B (zh) * | 2022-11-08 | 2023-03-10 | 中科数智能源科技(深圳)有限公司 | 一种油藏数字孪生系统历史数据压缩方法、系统及设备 |
CN117081595A (zh) * | 2023-10-16 | 2023-11-17 | 长沙北斗产业安全技术研究院股份有限公司 | 信号采集系统、信号采集方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327222A (zh) * | 2018-09-21 | 2019-02-12 | 电子科技大学 | 基于时间误差自适应消除的时间交替采样系统 |
CN109639278A (zh) * | 2018-12-19 | 2019-04-16 | 锐捷网络股份有限公司 | 多通道时间交错adc的时序补偿方法及装置 |
CN110048717A (zh) * | 2019-03-20 | 2019-07-23 | 新岸线(北京)科技集团有限公司 | 一种实现时间交织模数转换器自校准的方法及装置 |
WO2020014998A1 (zh) * | 2018-07-20 | 2020-01-23 | 中国电子科技集团公司第二十四研究所 | 一种时间交织结构模数转换器的误差补偿校正系统及方法 |
WO2021083268A1 (zh) * | 2019-10-31 | 2021-05-06 | 深圳市中兴微电子技术有限公司 | 采样时钟相位失配误差估计方法、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113595553B (zh) * | 2021-07-22 | 2023-10-20 | 华中科技大学 | 一种基于时间交织并行采样的数据采集系统及方法 |
-
2022
- 2022-03-15 CN CN202210254070.4A patent/CN114665876B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020014998A1 (zh) * | 2018-07-20 | 2020-01-23 | 中国电子科技集团公司第二十四研究所 | 一种时间交织结构模数转换器的误差补偿校正系统及方法 |
CN109327222A (zh) * | 2018-09-21 | 2019-02-12 | 电子科技大学 | 基于时间误差自适应消除的时间交替采样系统 |
CN109639278A (zh) * | 2018-12-19 | 2019-04-16 | 锐捷网络股份有限公司 | 多通道时间交错adc的时序补偿方法及装置 |
CN110048717A (zh) * | 2019-03-20 | 2019-07-23 | 新岸线(北京)科技集团有限公司 | 一种实现时间交织模数转换器自校准的方法及装置 |
WO2021083268A1 (zh) * | 2019-10-31 | 2021-05-06 | 深圳市中兴微电子技术有限公司 | 采样时钟相位失配误差估计方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114665876A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114665876B (zh) | 基于数据驱动的多倍集采样时钟失配自适应校准方法 | |
CN112085181B (zh) | 神经网络量化方法及装置以及相关产品 | |
US7443323B2 (en) | Calibrating a digital-to-analog converter | |
US10482940B2 (en) | Computational accuracy in a crossbar array | |
US9000962B1 (en) | System and method for interleaved analog-to-digital conversion having scalable self-calibration of timing | |
US8406718B2 (en) | Method for implementing continuous radio frequency (RF) alignment in advanced electronic warfare (EW) signal stimulation systems | |
CN108988860B (zh) | 一种基于sar adc的校准方法及sar adc系统 | |
CN104678343A (zh) | 一种波形发生器频响特性校准方法、装置及系统 | |
CN111819796B (zh) | 模数转换方法、装置、芯片、电子设备及存储介质 | |
US20100017763A1 (en) | Stochastic Steady State Circuit Analyses | |
CN107659290B (zh) | 带宽扩展滤波器及其设计方法 | |
CN113114243B (zh) | 一种tiadc系统失配误差校正方法及系统 | |
CN112152624A (zh) | 补偿装置及方法、存储介质、电子装置 | |
CN114169174A (zh) | 一种基于正弦激励的频响测量用两点采样优化方法及系统 | |
CN112085176B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN110716167A (zh) | 任意波形发生器幅度扫频自适应分辨率校准方法及系统 | |
CN115421056A (zh) | 一种适用于超级电容的跨尺度多状态联合估计方法 | |
CN113937783B (zh) | 基于模型预测控制的风电场无功电压协调控制方法和装置 | |
CN114879126A (zh) | 一种精准用电调控终端校准方法、装置和设备 | |
CN113344245A (zh) | 混合深度学习短期预测模型、方法、存储介质和计算设备 | |
US11239850B2 (en) | Leakage compensation for a successive approximation analog-to-digital converter | |
US11513548B2 (en) | Apparatus and method for tracking maximum power | |
CN117293817B (zh) | 发电参数预测方法及装置 | |
Lundin et al. | On the estimation of quantizer reconstruction levels | |
Kenyeres et al. | Generalized Metropolis-Hastings Algorithm for Distributed Averaging with Uniform Quantization Scheme |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |