基于无参考混合人工神经网络的12位双减法器sigma–delta调制器校准方法

《AEU - International Journal of Electronics and Communications》：Reference-free hybrid ANN based calibration for 12-bit sigma–delta modulator with dual-decimators

　　

Nidhi Shukla|Anil Singh|Alpana Agarwal

摘要

本文介绍了一种无需参考标准的基于人工神经网络的校准方法，旨在提升12位Σ-Δ型ADC的静态和动态性能，该方法专为生物医学传感应用而设计。该方案采用混合校正模型，结合二阶多项式与轻量级神经网络，无需修改模拟调制器电路或使用外部校准信号，即可估算并应用逆传递函数。研究通过行为模型对这种方法进行了评估，该模型包含两个独立设计的数字抽取路径，作用于相同的调制器比特流上。静态线性度测试表明，经过校准后，失调误差可控制在0.8 LSB以内，且无码缺失现象。动态性能则通过代表低频生物信号的正弦波输入进行测试，这类信号的频率范围大约在0.1 Hz到100 Hz之间。定量频谱分析显示，该校准方法可使信噪比从约66 dB提升至75.9 dB，信噪差比从65 dB提升至74.5 dB，相当于有效分辨率提升了大约2比特。此技术具有稳定性，且可通过数字方式实现。