一种模数转换器的误差校准方法、装置、系统及介质

1.本发明涉及集成电路技术领域，具体涉及一种模数转换器的误差校准方法、装置、系统及介质。


背景技术：

2.在工艺制程和集成电路、物联网的发展下，电子设备全面的普及到人类社会中。万物互联、信息的数据化是社会发展的主要趋势。在这个过程中模数转换器是其中的关键组成结构。常见的模数转换器包括以下几种类型：逐次逼近型模数转换器、闪存型模数转换器、sigma delta模数转换器、积分型模数转换器等。他们基于不同采样转换方法将模拟信号经过多次比较得到一组数字码字，实现模拟信号的数字化。但在这个过程当中，不同的模数转换器会面临不同的采样转化误差，如：量化误差、时钟偏差和非线性误差、匹配误差、漂移误差、采样噪声等等。随着技术的进步、采样率采样带宽等指标的提升，针对特定模数转换器结构的校准算法成设计，成为模数转换器设计中的重要过程。目前，模数转换器的校准算法需要完整的分析模数转换器的具体工作模式，在模拟设计优化的基础上使用lms等算法对模数转换器进行特殊的校准，在这种专精的设计需求下往往需要面对设计周期较长的问题。
3.基于上述技术问题，申请人提出了本技术的技术方案。


技术实现要素：

4.本发明的目的是提供了一种模数转换器的误差校准方法、装置、系统及介质，能够减少模数转换器设计需要的时间，加快模数转换器技术的迭代，同时引入多层感知机，利用多层感知机的非线性拟合特性提升模数转换器校准的数据鲁棒性。
5.为实现上述目的，本发明提供了一种模数转换器的误差校准方法，包括：
6.接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；
7.对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；
8.针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果；
9.采用所述去误差结果对所述模数转换器进行误差校准。
10.本发明还提供了一种模数转换器的误差校准装置，包括码字缓冲器、码字正弦拟合单元、训练流程控制器、多层感知机前馈网络、多层感知机后馈训练引擎和输出截取单元；
11.所述码字缓冲器用于接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；
12.所述码字正弦拟合单元用于对所述多个不同频率的正弦码字序列进行正弦拟合，
得到多个与每个所述正弦码字序列相对应的正弦拟合参数；
13.所述训练流程控制器用于对所述码字正弦拟合单元提供正弦拟合控制信号，以及向所述码字缓冲器发送码字地址；
14.所述多层感知机前馈网络单元用于将从所述模数转换器接收的输出码字与所述码字缓冲器输出的输出码字进行拟合校准，并输出所述拟合校准的拟合结果；
15.所述多层感知机后馈训练引擎用于为所述多层感知机前馈网络的多层感知机网络训练提供训练参数；
16.所述输出截取单元用于截取所述多层感知机训练的训练结果的整数部分，将所述整数部分作为所述模数转换器的去误差结果。
17.本发明还提供了一种模数转换系统，其特征在于，包括模数转换器、以及上述的模数转换器的误差校准装置。
18.本发明还提供了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质上存储有处理器可执行指令，所述可执行指令被配置为可执行上述的模数转换器的误差校准方法。
19.在一个实施例中，所述针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果，包括：
20.生成非重复随机序号和复位正弦序列序号，根据所述非重复随机序号和复位正弦序列序号提取所述正弦码字序列中的码字，并计算所述码字对应的所述正弦拟合参数；
21.采用多层感知机前馈网络和多层感知机后馈引擎对所述码字和所述正弦拟合参数进行多层感知机训练，截取所述多层感知机训练的训练结果的整数部分，将所述整数部分作为所述模数转换器的去误差结果。
22.在一个实施例中，所述多层感知机前馈网络中包括输入层、隐藏层和输出层；
23.所述隐藏层与输入层、输出层与隐藏层、隐藏层与隐藏层之间采用全连接方式构成多层感知机网络；
24.所述输入层接收所述码字和所述正弦拟合参数，所述输入层中包括多个输入神经元，一个单比特的所述码字输入到一个所述输入神经元中。
25.在一个实施例中，所述输入层包括12个神经元，所述隐藏层具有两层，每层所述隐藏层包括12个所述神经元，所述输出层包括1个所述神经元。
26.在一个实施例中，所述训练参数由多层感知机前馈网络的当前感知机参数值、神经元输出值，和当前输入的模数转换器输出值、正弦拟合值做多层感知机后馈传播算法的计算得到。
27.在一个实施例中，所述码字缓冲器接收所述训练流程控制器发送的控制信号，记录模数转化器输出的多个正弦序列码字，其中各正弦序列码字存储的码字数目均为训练流程控制器的设定值。
28.在一个实施例中，所述训练流程控制器包括非重复序列发生器和正弦发生器；
29.所述非重复序列发生器用于生成单次训练过程中需要调取的非重复随机数值序号；
30.所述正弦发生器用于根据所述非重复随机数值序号，计算得到所述非重复随机数值序号对应的所述正弦拟合值。
附图说明
31.图1是根据本发明第一实施例中的模数转换器的误差校准装置的示意图；
32.图2是根据本发明第一实施例中的多层感知机前馈网络的示意图；
33.图3是根据本发明第一实施例中的流程控制器的工作流程示意图；
34.图4是在仿真实验中使用带噪声的模数转换器输出数据的fft仿真波形图；
35.图5是在仿真实验中使用本发明第一实施例中的模数转换器的误差校准装置的输出数据的fft仿真波形图。
具体实施方式
36.以下将结合附图对本发明的各实施例进行详细说明，以便更清楚理解本发明的目的、特点和优点。应理解的是，附图所示的实施例并不是对本发明范围的限制，而只是为了说明本发明技术方案的实质精神。
37.在下文的描述中，出于说明各种公开的实施例的目的阐述了某些具体细节以提供对各种公开实施例的透彻理解。但是，相关领域技术人员将认识到可在无这些具体细节中的一个或多个细节的情况来实践实施例。在其它情形下，与本技术相关联的熟知的装置、结构和技术可能并未详细地示出或描述从而避免不必要地混淆实施例的描述。
38.除非语境有其它需要，在整个说明书和权利要求中，词语“包括”和其变型，诸如“包含”和“具有”应被理解为开放的、包含的含义，即应解释为“包括，但不限于”。
39.在整个说明书中对“一个实施例”或“一实施例”的提及表示结合实施例所描述的特定特点、结构或特征包括于至少一个实施例中。因此，在整个说明书的各个位置“在一个实施例中”或“在一实施例”中的出现无需全都指相同实施例。另外，特定特点、结构或特征可在一个或多个实施例中以任何方式组合。
40.如该说明书和所附权利要求中所用的单数形式“一”和
“”
包括复数指代物，除非文中清楚地另外规定。应当指出的是术语“或”通常以其包括“或/和”的含义使用，除非文中清楚地另外规定。
41.在以下描述中，为了清楚展示本发明的结构及工作方式，将借助诸多方向性词语进行描述，但是应当将“前”、“后”、“左”、“右”、“外”、“内”、“向外”、“向内”、“上”、“下”等词语理解为方便用语，而不应当理解为限定性词语。
42.本发明第一实施方式涉及一种模数转换器的误差校准装置，具体是带四参数码字正弦拟合单元的多层感知机模数转换器校准装置，用于解决现有模数转换器校准算法的专构问题。在不修改原始模数转换器结构的情况下，得到模数转换器当前正弦码字对应的理想值，并使用其做多层感知机的训练，多层感知机根据模数转换器码字拟合得到模数转换器的去误差结果。
43.本实施例的拟合特性强、能够用于校准多种模数转换器误差的校准，能够减少模数转换器设计需要的时间，加快模数转换器技术的迭代。并且引入多层感知机，利用多层感知机的非线性拟合特性对模数转换器校准是一种可行的解决方案。多层感知机可以拟合各种非线性数据，因为多层感知机的每一层都可以通过非线性函数(例如sigmoid函数或relu函数)来转换输入数据，同时其可以适应大量数据具有一定的鲁棒性。然而，在使用多层感知机校准模数转换器的过程中，大多数研究通过改变模数转换器结构，如:采用split结构、
prbs伪随机码注入的方式，得到校准模数转换器输出值的参考数据等。这样的做法依旧需要针对特定的模数转换器做出结构上的改变。
44.如图1所示，模数转换器的误差校准装置包括：多层感知机前馈网络、码字缓冲器、码字正弦拟合单元、训练流程控制器、感知机后馈训练引擎和输出截取单元。所述码字缓冲器用于接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；所述码字正弦拟合单元用于对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；所述训练流程控制器用于对所述码字正弦拟合单元提供正弦拟合控制信号，以及向所述码字缓冲器发送码字地址；所述多层感知机前馈网络单元用于将从所述模数转换器接收的输出码字与所述码字缓冲器输出的输出码字进行拟合校准，并输出所述拟合校准的拟合结果；所述多层感知机后馈训练引擎用于为所述多层感知机前馈网络的多层感知机网络训练提供训练参数；所述输出截取单元用于截取所述多层感知机训练的训练结果的整数部分，将所述整数部分作为所述模数转换器的去误差结果。
45.具体而言，所述多层感知机前馈网络包括输入层、隐藏层和输出层，所述多层感知输入端链接模数转换器的输出码字，所述多层感知机前馈网络的输入层、输出层、隐藏层通过权重阵列、偏置阵列、神经元输出阵列连接到所述感知机后馈引擎上，所述感知机后馈引擎用于配合所述训练流程控制器产生数据实现多层感知机的后馈传播算法、完成所述多层感知机前馈网络的训练。所述码字缓冲器输入端链接模数转换器输出码字、所述训练流程控制器控制信号，按时序存储模数转换器转换出来的正弦序列，输出端链接到所述码字正弦拟合单元用以完成码字的正弦拟合。所述码字正弦拟合单元输入端接收所述码字缓冲器中的模数转换器码字与所述训练流程控制器中控制信号，对数据进行正弦拟合，得到每一正弦序列的拟合正弦四参数，输出到所述训练流程控制器中。所述训练流程控制器接收每一正弦序列对应的正弦四参数后，产生非重复序列从所述码字缓冲器中提取模数转换器码字到多层感知机前馈网络中，同时对应的正弦四参数与非重复序列值计算出理想正弦结果输出到所述感知机后馈训练引擎中。所述感知机后馈训练引擎输入端接收所述多层感知机前馈网络中权重阵列、偏置阵列、神经元输出、与理想正弦序列值计算得到对应多层感知机中的权重、偏置训练值，输出到所述多层感知机前馈网络中。所处多层感知机前馈网络中输出层神经元的输出结果中整数部分作为模数转换器输出结果的校准值。
46.如图2中所示，所述多层感知机前馈网络的输入层接收模数转换器的输出码字，一个单比特码字输入一个输入层神经元，隐藏层与输入层、输出层与隐藏层、隐藏层与隐藏层之间采用全连接方式的感知机网络，所述连接层间包含权重阵列、偏置阵列，采用32比特定点数存储变量值，提供给神经元做所述连接层的前馈加权计算，所述多层感知机中的神经元在接收权重与前一层神经元输出后得到前馈加权结果；该前馈加权结果经过sigmoid激活函数运算后，成为神经元的输出，传递到下一级神经元中，而输出层神经元的输出结果则截取输出为模数转换器的校准输出结果。所述多层感知机前馈网络中其余权重阵列、偏置阵列、神经元输出则连接到所述感知机后馈训练引擎中，用来训练新的权重。输出截取单元截取所述多层感知机前馈网络的输出层神经元定点数结果整数部分结果作为校准系统的输出。
47.在一个例子中，码字缓冲器，用于存储一串模数转换器转换码字，并接收控制地址
输出对应的模数转换器码字，用作码字正弦拟合单元和多层感知机的迭代数据；码字正弦拟合单元，在连续采样数据全部存储完毕之后，使用数字正弦信号的四个关键参数拟合正弦数据，其中，采用单纯型法迭代求解基于残差平方和的最小二乘问题，求解输出缓冲器中对应正弦数据的参数，输出给训练流程控制器；训练流程控制器，其主要功能就是接收外部输入的正弦波形切换标志，记录接收模数转换器正弦输出序列的个数，首先驱动所述码字正弦拟合单元拟合模数转换器输出的离散正弦信号，随后开启所述多层感知机后馈训练引擎，按设定顺序执行的多层感知机后馈传播训练算法、迭代固定次数，另外缓存码字正弦拟合单元的输出结果、纪录各个正弦序列的正弦拟合参数；多层感知机前馈网络，主要功能是接收一个模数转换器输出码字，码字值在前馈传播多层感知机权重、偏置值、激活函数驱动下，得到的最终的接收结果；多层感知机后馈训练引擎，其主要功能是接收所述码字存储器按设定顺序输出模数转换器码字、接收所述多层感知机前馈网络的输出与和其匹配的正弦拟合输出，根据两个输出值、所述多层感知机前馈网络的权重、偏置当前值，使用后馈传播算法计算得到所述多层感知机前馈网络的权重、偏置更新值并在所述多层感知机前馈网络中更新。校准算法输出数据为定点数，多层感知机前馈网络的输出神经元经过截取后取得整数二进制输出值，其值作为模数转换器码字输出。
48.在一个例子中，所述码字缓冲器包括：码字存储器、模数转换器权重阵列。其中，所述码字存储器存储模数转换器采样多个正弦信号产生的正弦码字序列，所述模数转换器权重阵列存储模数转换器设定的权重。正弦序列码字经过加权后得到正弦信号的数字表示数据、该数据输出至码字正弦拟合单元用于拟合正弦数据。所述码字缓冲器中的缓冲存储器存储模数转换器输出二进制数字转换结果，其中根据所述训练流程控制器的控制信号存储多个正弦序列数据，且序列个数、数据长度由训练流程控制器决定。
49.在一个例子中，所述码字正弦拟合单元包括：初值配置模块，所述初值配置模块接收固定长度的单一正弦序列数据，通过累加求和、离散傅里叶变换求得正弦序列的初始幅值、初始频率、初始偏移值、初始相位值，序列初始值输出给单纯型迭代模块用作迭代起始点；单纯型迭代模块，所述单纯型迭代模块采用nelder-mead单纯型法求解初始模块中四元参数的局部最小值，以求解正弦拟合最小二乘问题，所述单纯型迭代模块接收多层感知机训练流程控制器的控制信号、完成多个正弦序列的拟合，并将训练得到的最优参数发送至所述的多层感知机训练流程控制器中，以得到对应的正弦拟合结果。例如，在单一拟合过程中，输入端接收单一正弦序列，在初始配置模块中通过累加求和、离散傅里叶变换求得正弦序列的初始幅值、初始频率、初始偏移值、初始相位值。通过离散傅里叶变换的方式计算得到的初始参数能够更接近真实正弦序列参数，在拟合求解的模块中采用经典的nelder-mead单纯型法计算拟合过程，拟合求解四参数拟合正弦序列的最小二乘问题，采用该算法求解拟合过程不需要进行的导数等复杂计算。
50.在一个例子中，所述多层感知机前馈网络主要包括：输入层，所述输入层包含十二个所述神经元、其中输入信号为1比特码字数据、直接输出感知机中间层中；隐藏层，所述隐藏层包含两层各十二个神经元，其中层间权重阵列、偏置阵列以32比特定点数为存储结构；输出层，所述输出层仅含有一个神经元；前馈加权计算逻辑，所述前馈加权计算逻辑包含神经元间神经元输出与权重乘积、偏置的加权结果；前馈激活计算逻辑，所述前馈激活计算逻辑基于sigmoid函数计算所述前馈加权计算逻辑输出结果，得到最终神经元的输出，其中输
出层神经元的输出截取得到校准系统的输出值，其余所述输入层、隐藏层、输出层的权重阵列、偏置阵列、神经元输出则连接到多层感知机后馈训练引擎。多层感知机前馈网络输入层的神经元接收模数转换器码字，在感知机后馈训练过程中输入层神经元仅接收对应位的模数转换码字并且该位输入权重为1，其余输入端对应权重则为0，通过该训练方案减少了感知机网络需要的权重量、减少了校准过程中的资源占用。
51.在一个例子中，所述多层感知机训练流程控制器包括：非重复随机序列发生器，所述非重复随机序列发生器基于随机数发生器与计数值缓冲器实现非重复序列生成的功能，所述计数值缓冲器用于保存训练需要使用到的码字顺序、所述随机数发生器用于产生当前计数范围内的随机数值，该随机数值对应所述计数值缓冲器中的地址，当产生一个随机数值之后会将该位置的码字地址提取出来用做所述码字缓冲器的访问地址以获取模数转换器码字、同时也用作正弦数据发生器的生成变量以得到对应模数转换器码字的理想结果，在完成以上地址访问后，所述计数值缓冲器的会将该随机数值对应位置的数据与所述的随机数发生器随机范围内最后一位数据做调换，同时所述随机数发生器的随机范围减少一位。在这种结构下的产生的随机数序列能够保证不会得到重复的序列；训练控制状态机，所述训练控制状态机包含码字存储、正弦拟合、感知机训练三个状态，其中感知机训练状态包括随机序列生成、多序列顺序训练两个过程，在这两个过程中实现所有频率正弦序列、所有序列中所有码字的随机遍历过程，根据这些码字以及对应的正弦拟合参数配合下面的多层感知机后馈训练引擎实现所述多层感知机前馈网络的训练。
52.在一个例子中，所述多层感知机后馈训练引擎包括：权重计算单元，所述权重计算单元接收多层感知机权重阵列、偏置阵列、神经元输出的当前值，基于后馈传播算法与网络结构计算得到对应的梯度下降迭代方程中权重阵列、偏执阵列的更新值。感知机后馈训练引擎的输入端接收所述多层感知机前馈网络中的权重阵列、偏置阵列、输出阵列值与码字对应的拟合正弦值，在后馈传播撒算法驱动下，并行计算每一权重、每一偏置的权重迭代值。
53.如图3所示，所述训练流程控制器包括非重复序列发生器，所述非重复序列发生器主要包含随机数生成器与顺序存储器，在任意一次多层感知机训练过程中，首先根据随机数生成器得到得到随机数从顺序存储器中获取正弦序列数值序号，同时将顺序存储器中将该位置的数值序号与当前随机范围内最后一个数值序号交换，随后减少随机数发生器中的随机数范围，以实现非重复的随机数值序号；正弦发生器，根据控制状态机提供的正弦序列的编号，提取对应的四参数拟合结果，在随机数值序号驱动下计算得到该数值序号对应的正弦拟合值；训练控制状态机，所述训练控制状态机包含码字存储、正弦拟合、感知机训练三个状态：在码字存储状态，根据用户输入的正弦序列个数与长度控制码字缓冲器存储设定的模数转换器码字值、在正弦拟合状态顺序开启多个正弦序列的拟合过程并记录拟合结果、在感知机训练状态首先得到非重复随机数值序号，再根据非重复随机数值序号得到对应的拟合正弦结果，最后顺序执行所有的正弦序列中该数值序号的训练过程。在所述训练流程控制器驱动下，所述多层感知机前馈网络的训练过程主要由以下步骤实现：步骤一，启动模数转换器采样转换多个频率的正弦信号，存储多个不同频率的正弦码字序列到码字缓冲器中；步骤二，训练流程控制器按顺序启动多个正弦码字序列的正弦拟合过程，得到多个正弦码字序列的正弦拟合参数组；步骤三，训练流程控制器生成一个非重复随机序号、复位
正弦序列序号；步骤四，码字缓冲器根据两序号提取出对应正弦序列的码字，码字正弦拟合单元根据两序号计算出对应正弦拟合参数下的正弦拟合数值，多层感知机后馈训练引擎根据两数值与当前多层感知机前馈网络中神经元权重值计算出所有神经元的迭代值；步骤五，训练流程控制器判断所有正弦序列是否在当前非重复随机序号下遍历完毕，若完毕则进入步骤六，否则正弦序列序号加一并返回步骤四；步骤六、训练流程控制器判断非重复随机序号是否遍历完毕，若完毕则结束训练，否则回到步骤三。该训练流程使用模数转换器的多个正弦序列值，且训练过程中来自所述码字缓冲器的码字为随机数值序号，避免长正弦序列引发的过拟合问题，使得多层感知机前馈输出过程逼近于真实模数转换器的对应位的加权输出过程。
54.为进一步证明本发明所述基于正弦拟合多层感知机混合算法的模数转换器校准系统的有效性，进行一下仿真实验。所述仿真实验采用matlab模型仿真，在matlab软件中使用带权重失配、输入噪声的模数转换器模型作为仿真输入。所述仿真实验结果如图4、图5所述，其中图4为所述模数转换器测试输出码字测试性能、其中图5为校准模块测试校准码字测试性能，通过仿真结果我们可以看到，本发明所述基于正弦拟合多层感知机混合算法的模数转换器校准系统能够有效的提升模型的性能。
55.因此，基于正弦拟合多层感知机混合算法的模数转换器校准，通过采用正弦拟合算法与多层感知机算法结合的校准系统架构，可以实现无先验的模数转换器误差值校准；通过采用基于非重复随机顺序实现多层感知机的训练，避免了顺序正弦序列迭代过程使多层感知机过拟合至单一频率下的理想结果中，相比于现有的多层感知机校准系统提升了校准系统在测试季中的表现。首先存储多个正弦序列到码字缓冲器中，随后由训练流程控制器控制码字正弦拟合单元拟合得到所有序列的正弦参数，在训练流程控制器中无重复顺序随机数的驱动下，将所有正弦序列中对应顺序的码字与对应的正弦拟合结果输出给多层感知机后馈训练引擎训练，完成训练的多层感知机前馈网络参与模数转换器码字的校准流程。在无先验知识的情况下对任意结构的模数转换器均可得到一个接近真实值码字，在真实码字的驱动下对多层感知机进行训练，实现了对模数转换器的校准，而所述训练流程控制器提供的无重复随机序列则可以进一步的提供更具随机型的拟合输入、避免了多层感知机的过拟合，有效提高了感知机对模数转换器的校准精度。
56.本发明的第二实施例涉及一种模数转换器的误差校准方法，接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果；采用所述去误差结果对所述模数转换器进行误差校准。
57.由于第一实施例与本实施例相互对应，因此本实施例可与第一实施例互相配合实施。第一实施例中提到的相关技术细节在本实施例中依然有效，在第一实施例中所能达到的技术效果在本实施例中也同样可以实现，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在第一实施例中。
58.本发明的第三实施例涉及一种模数转换系统，包括模数转换器和第一实施例涉及的误差校准装置。
59.本发明的第三实施例涉及一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质上存储有处理器可执行指令，所述可执行指令被配置为可执行第二实施例中的模数转换器的误差校准方法。
60.以上已详细描述了本发明的较佳实施例，但应理解到，若需要，能修改实施例的方面来采用各种专利、申请和出版物的方面、特征和构思来提供另外的实施例。
61.考虑到上文的详细描述，能对实施例做出这些和其它变化。一般而言，在权利要求中，所用的术语不应被认为限制在说明书和权利要求中公开的具体实施例，而是应被理解为包括所有可能的实施例连同这些权利要求所享有的全部等同范围。

技术特征：
1.一种模数转换器的误差校准方法，其特征在于，包括：接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果；采用所述去误差结果对所述模数转换器进行误差校准。2.根据权利要求1所述的模数转换器的误差校准方法，其特征在于，所述针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果，包括：生成非重复随机序号和复位正弦序列序号，根据所述非重复随机序号和复位正弦序列序号提取所述正弦码字序列中的码字，并计算所述码字对应的所述正弦拟合参数；采用多层感知机前馈网络和多层感知机后馈引擎对所述码字和所述正弦拟合参数进行多层感知机训练，截取所述多层感知机训练的训练结果的整数部分，将所述整数部分作为所述模数转换器的去误差结果。3.根据权利要求2所述的模数转换器的误差校准方法，其特征在于，所述多层感知机前馈网络中包括输入层、隐藏层和输出层；所述隐藏层与输入层、输出层与隐藏层、隐藏层与隐藏层之间采用全连接方式构成多层感知机网络；所述输入层接收所述码字和所述正弦拟合参数，所述输入层中包括多个输入神经元，一个单比特的所述码字输入到一个所述输入神经元中。4.根据权利要求3所述的模数转换器的误差校准方法，其特征在于，所述输入层包括12个神经元，所述隐藏层具有两层，每层所述隐藏层包括12个所述神经元，所述输出层包括1个所述神经元。5.一种模数转换器的误差校准装置，其特征在于，包括码字缓冲器、码字正弦拟合单元、训练流程控制器、多层感知机前馈网络、多层感知机后馈训练引擎和输出截取单元；所述码字缓冲器用于接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；所述码字正弦拟合单元用于对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；所述训练流程控制器用于对所述码字正弦拟合单元提供正弦拟合控制信号，以及向所述码字缓冲器发送码字地址；所述多层感知机前馈网络单元用于将从所述模数转换器接收的输出码字与所述码字缓冲器输出的输出码字进行拟合校准，并输出所述拟合校准的拟合结果；所述多层感知机后馈训练引擎用于为所述多层感知机前馈网络的多层感知机网络训练提供训练参数；所述输出截取单元用于截取所述多层感知机训练的训练结果的整数部分，将所述整数部分作为所述模数转换器的去误差结果。
6.根据权利要求5所述的模数转换器的误差校准装置，其特征在于，所述训练参数由多层感知机前馈网络的当前感知机参数值、神经元输出值，和当前输入的模数转换器输出值、正弦拟合值做多层感知机后馈传播算法的计算得到。7.根据权利要求5所述的模数转换器的误差校准装置，其特征在于，所述码字缓冲器接收所述训练流程控制器发送的控制信号，记录模数转化器输出的多个正弦序列码字，其中各正弦序列码字存储的码字数目均为训练流程控制器的设定值。8.根据权利要求5所述的模数转换器的误差校准装置，其特征在于，所述训练流程控制器包括非重复序列发生器和正弦发生器；所述非重复序列发生器用于生成单次训练过程中需要调取的非重复随机数值序号；所述正弦发生器用于根据所述非重复随机数值序号，计算得到所述非重复随机数值序号对应的所述正弦拟合值。9.一种模数转换系统，其特征在于，包括模数转换器、以及权利要求5～8中任意一项所述的模数转换器的误差校准装置。10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质上存储有处理器可执行指令，所述可执行指令被配置为可执行如权利要求1～4中任意一项所述的模数转换器的误差校准方法。

技术总结
本发明实施例提供了一种模数转换器的误差校准方法、装置、系统及介质，接收所述模数转换器输出的多个不同频率的正弦信号，将所述多个不同频率的正弦信号存储为多个不同频率的正弦码字序列；对所述多个不同频率的正弦码字序列进行正弦拟合，得到多个与每个所述正弦码字序列相对应的正弦拟合参数；针对所有所述正弦码字序列中对应的码字与所述正弦拟合参数，进行多层感知机网络训练，得到所述模数转换器的去误差结果；采用所述去误差结果对所述模数转换器进行误差校准。本发明能够减少模数转换器设计需要的时间，加快模数转换器技术的迭代，同时引入多层感知机，利用多层感知机的非线性拟合特性提升模数转换器校准的数据鲁棒性。性。性。


技术研发人员：莫小凡 邱雷
受保护的技术使用者：同济大学
技术研发日：2023.07.26
技术公布日：2023/10/19