TI-ADC数据非线性误差补偿方法及相关设备与流程

本发明涉及adc数据处理，尤其涉及一种ti-adc数据非线性误差补偿方法及相关设备。

背景技术：

1、过去的十年里，随着通信数据量大幅增长，高速采样的需求应运而生。特别在一些信号测量仪器中，对超速高采样(几十gpsp甚至上百gsps)的需求更加迫切。采样系统的核心器件是模数转换器(analog-to-digital converter,adc),单片adc的性能受限于内部器件的非线性，很难同时保证高的采样率和有效位数。时间交织adc(time-interleaved adc,ti-adc)架构可以在保持较的功率消耗和较高有效位数的同时，大幅提高采样速率。ti-adc的基本原理想是利用多个adc并行进行时间交织采样，再通过数字域重构恢复被采样的信号。对于m通道ti-adc，其理论采样速率可以达到单个adc的m倍。由于实际电路生产和加工误差，往往无法保证各个子通道的线性和一致性，从而导致通道内形成非线性误差，严重降低了ti-adc的性能指标。因此，对各通道进行非线性和通失配误差补偿，是实现高性能ti-adc的关键。

2、传统的ti-adc的非线性误差补偿方法主要基于数学模型对非线性失真系数进行估计，比如mit林肯实验室的j.goodman团队通过建立了pnleq模型对非线性失真误差进行补偿，但其估计的误差系数适应范围和准确率有限。y.wang等人基于过采样原理对时间交织adc系统非线性误差系数进行估计，并采用fxlms算法对其进行补偿，但该算法对被采样信号带宽分布有较大的限制，并且需要付出额外的的采样资源进行过采样。此外，还有部分论文对时间交织adc失真误差的统一表征模型进行了探索，比如wiener模型、hammerstein模型、记忆多项式模型等，这些模型对特定激励下时间交织adc行为特征进行了建模，但未形成实际可行的数字补偿方法，难以应用到实际采样系统中。

技术实现思路

1、本发明实施例提供一种ti-adc数据非线性误差补偿方法，可以利用训练好的误差补偿模型对采样信号进行误差补偿，同时，利用了采样信号的非线性分量同时作为误差补偿模型的输入，可以有效提高误差补偿的准确性，由于仅需预先对误差补偿模型进行训练，省去了负反馈环路，在第一奈奎斯特区间具有更优的补偿性能，同时，由于采用误差补偿模型进行误差补偿处理，不需要复杂的滤波器设计和求相关过程，节省了存储空间，具有更低的复杂度。

2、本发明实施例提供一种ti-adc数据非线性误差补偿方法，所述ti-adc数据非线性误差补偿方法包括：

3、获取m通道ti-adc采样系统输出的采样信号以及所述采样信号的非线性分量；

4、将所述采样信号以及所述非线性分量输入到训练好的误差补偿模型中进行误差补偿处理，输出得到误差补偿后的理想信号。

5、可选的，所述m通道ti-adc采样系统包括m个通道，所述m通道ti-adc采样系统的系统采样周期为ts，每个通道的采样时钟周期为m·ts，所述获取m通道ti-adc采样系统输出的采样信号的步骤包括：

6、针对每个所述通道，在采样时钟周期内对输入信号进行采样，得到每个所述通道的采样输出信号；

7、根据每个所述通道的采样输出信号，确定出m通道ti-adc采样系统输出的采样信号。

8、可选的，每个所述通道包括一个t/h电路以及一个增益因子，所述针对每个所述通道，在采样时钟周期内对输入信号进行采样，得到每个所述通道的输出信号的步骤包括：

9、在每个所述通道中，将输入信号经过所述t/h电路进行处理，得到非线性误差信号；

10、通过所述增益因子对具有非线性误差信号进行增益处理，得到m通道ti-adc采样系统输出的采样信号。

11、可选的，根据每个所述通道的采样输出信号，确定出m通道ti-adc采样系统输出的采样信号的步骤包括：

12、将所有所述通道的采样输出信号进行融合，得到矩阵形式的m通道ti-adc采样系统输出的采样信号；

13、其中，第k通道的采样输出信号为：

14、

15、

16、(1+δgk)为第k通道的增益因子，vk(t)为输入信号经过第k通道t/h电路进行处理后的非线性误差信号，表示第k通道第l阶非线性分量系数，x(t)表示输入信号，通过式(1)和式(2)，得到第k通道的采样输出信号表达式为：

17、

18、

19、

20、xk[n]代表第k通道的理想序列，表示对理想序列xk[n]的第l次非线性，将所述通道融合成矩阵形式为：

21、

22、y＝[y1[n] y2[n] … ym-1[n]]t

23、x＝[x1[n] x2[n] … xm-1[n]]t

24、

25、λ＝diag{δgk，0≤k≤m-1}

26、

27、通过式(5)和(6)得到m通道ti-adc采样系统输出的采样信号。

28、可选的，所述获取所述采样信号的非线性分量的步骤包括：

29、对所述采样信号进行幂次运算，得到所述采样信号的非线性分量。

30、可选的，在所述将所述采样信号以及所述非线性分量输入到训练好的误差补偿模型中进行误差补偿处理，输出得到误差补偿后的理想信号之前，所述方法还包括：

31、获取训练数据集以及待训练误差补偿模型，所述训练数据集包括样本采样信号以及样本非线性分量组成的样本对，每个样本对对应一个理想信号真值，所述待训练误差补偿模型基于神经网络进行构建得到；

32、通过所述训练数据集对所述待训练误差补偿模型进行有监督训练，训练完成，得到训练好的误差补偿模型。

33、可选的，所述通过所述训练数据集对所述待训练误差补偿模型进行有监督训练，训练完成，得到训练好的误差补偿模型的步骤包括：

34、将样本对输入到所述待训练误差补偿模型中进行处理，得到理想信号预测值；

35、通过损失函数来计算所述理想信号预测值与理想信号真值之间的误差损失；

36、以所述误差损失最小为优化目标，进行反向传播处理，调整所述待训练误差补偿模型的模型参数；

37、当所述误差损失在最小处收敛或迭代次数达到停止次数，则停止训练，得到训练好的误差补偿模型。

38、本发明实施例还提供一种ti-adc数据非线性误差补偿装置，所述ti-adc数据非线性误差补偿装置包括：

39、获取模块，用于获取m通道ti-adc采样系统输出的采样信号以及所述采样信号的非线性分量；

40、处理模块，用于将所述采样信号以及所述非线性分量输入到训练好的误差补偿模型中进行误差补偿处理，输出得到误差补偿后的理想信号。

41、本发明还提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例中任一项所述的ti-adc数据非线性误差补偿方法中的步骤。

42、本发明还提供一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例中任一项所述的ti-adc数据非线性误差补偿方法中的步骤。

43、采用本发明的ti-adc数据非线性误差补偿方法，可以利用训练好的误差补偿模型对采样信号进行误差补偿，同时，利用了采样信号的非线性分量同时作为误差补偿模型的输入，可以有效提高误差补偿的准确性，由于仅需预先对误差补偿模型进行训练，省去了负反馈环路，在第一奈奎斯特区间具有更优的补偿性能，同时，由于采用误差补偿模型进行误差补偿处理，不需要复杂的滤波器设计和求相关过程，节省了存储空间，具有更低的复杂度。