【摘 要】
：
随着生物信号检测与处理技术和神经医学等方面学科的飞速发展,对微弱信号高精度处理的需求与日俱增,而增量型Sigma-Delta ADC（Analog-to-Digital Converter,ADC）无需精确的模拟元件匹配就能实现高分辨率,因此得到了广泛的应用,但是增量型Sigma-Delta ADC的精度、面积和功耗在很大程度上取决于数字抽取滤波器的结构。本文针对以上问题,提出了一种面向增量型Si
论文部分内容阅读
随着生物信号检测与处理技术和神经医学等方面学科的飞速发展,对微弱信号高精度处理的需求与日俱增,而增量型Sigma-Delta ADC（Analog-to-Digital Converter,ADC）无需精确的模拟元件匹配就能实现高分辨率,因此得到了广泛的应用,但是增量型Sigma-Delta ADC的精度、面积和功耗在很大程度上取决于数字抽取滤波器的结构。本文针对以上问题,提出了一种面向增量型Sigma-Delta ADC的低噪声数字抽取滤波器。论文的主要工作可概述如下:（1）针对增量型Sigma-Delta调制器的量化噪声问题,本文研究了一款基于最优解码理论的非线性数字滤波器,该方案通过增量型Sigma-Delta调制器输出比特流的幅度和模式信息,实现更为准确的输入估计,相比于线性数字滤波器,该方案拥有更加优越的量化噪声处理能力,在高度调制的系统中有着更为亮眼的性能表现。（2）针对最优数字滤波器抗热噪声干扰能力差的问题,本文设计了一款增量型低噪声数字滤波器,采用相对较大的量化周期下导出的界限作为输入估计,相比于最优滤波器,该方案最大限度地保留了最优数字滤波器的处理量化噪声能力,同时还提供了更好的热噪声平均,以增强数字滤波器的抗热噪声干扰的能力。（3）针对增量型低噪声数字滤波器设计引起的高功耗的问题,本文提出了无符号设计和乘法设计,该方案分别通过无符号数替代有符号数,乘法器替代除法器,实现了硬件资源的节约,降低了功耗,使得滤波器算法更加易于数字实现。本文设计了一种面向一位二阶增量型级联积分器反馈（Cascaded Integrator Feed-Back,CIFB）Sigma-Delta调制器的低噪声数字抽取滤波器,通过数模混合电路仿真,当过采样率（Oversampling Ratio,OSR）为150时,与线性滤波器Co I~2和sinc~3相比,该数字滤波器的信号与量化噪声比（Signal-to-Quantization Noise Ratio,SQNR）分别提高了6.1 d B和10.3 d B。同时,该增量型Sigma-Delta ADC的积分非线性（Integral Nonlinearity,INL）为0.25 LSB,表明所提出的滤波器能使系统保持高线性度。
其他文献
随着分布式电源（Distributed Generator,DG）大规模接入,常规配电网向含DG配电网转变。由于配电网结构日趋复杂,配电线路绝缘化率逐渐提升,受雷击和外力等影响,近年来断线故障频发。断线故障造成系统缺相运行,引起三相电压、电流严重不平衡,且可能伴随接地现象,加剧故障的危害性,导致负序、零序分量的大量产生,威胁旋转类设备和敏感电力电子设备的安全,影响DG控制系统性能和稳定性,严重时甚
受潮是导致油浸式电力变压器绝缘劣化的重要因素,严重影响设备的安全运行。采用无损测试手段,在不吊罩取样前提下准确获得油纸绝缘的受潮状态,从而制定合理的运维检修策略,对提高设备运行可靠性、延长其使用寿命具有重要的工程意义。基于绝缘频域介电响应特性的绝缘测试和诊断技术,已被证实在无损检测设备内绝缘分布式缺陷的应用中表现出较大的潜力,已有进口商用仪器面世并实现了现场变压器绝缘受潮程度的定量评估。该技术的评
为遏制全球变暖,缓解能源危机,实现“碳达峰、碳中和”的战略目标是我国未来重要的发展方向。实现“双碳”战略的一个重要途径就是汽车电动化,为了提升用户体验同时充分利用电动汽车的储能特性,有必要设计具有双向功率传输的车载充电机。一般两级式车载充电机设计的关键在于隔离双向DC-DC变换器（Isolated Bi-directional DC-DC Converter,IBDC）的设计,在众多的IBDC中,
电流与电力系统运行状态密切相关,其传感技术是保证电力系统安全稳定运行和推动智能电网发展的关键技术之一。目前,光学电流传感器因具有体积小重量轻、绝缘性能优良、抗电磁干扰能力强等优势,得到了大量研究和广泛应用。其中,基于磁致伸缩效应的无源光栅电流传感器相较磁光效应型和干涉型传感器而言不会受到双折射效应或外界振动等因素的影响,具备宽频、宽温、高性能测量的潜力。但基于已有研究发现,此种传感器在频率响应、温
在“十四五”规划的推动下,为发挥我国风能资源丰富的优势,风力发电在新能源发电领域逐渐占据重要位置。变流器作为风力发电系统中最关键且故障率最高的装备,其中功率器件IGBT是最脆弱、最容易失效的部件。准确的变流器可靠性评估结果对于整个风电机组的稳定运行、提高经济效益具有重要意义。受风速随机性的影响,机侧变流器输出参数频率（0～20Hz）与IGBT模块热时间常数（100ms）不匹配,而传统寿命模型难以反
触觉传感器是实现人机交互的重要接口元件,逐渐被应用于消费类电子产品、机器人和医疗器械等领域。现实世界中触觉传感器在机器人中的应用仍然具有挑战性,速度缓慢、分辨率低、体积大、成本高等因素制约着其在机器人领域中的应用。本论文针对以上问题,提出了一种基于MEMS（Micro-electro-mechanical system,MEMS）和CMOS（Complementary metal oxide se
现代生活中,基于深度神经网络的深度学习技术已经在多个应用领域取得了突破性的成功。随着物联网的发展,在嵌入式设备上实现这类人工智能应用的需求也在不断增加。然而,经典深度神经网络往往需要大量的计算开销和存储占用,阻碍了其在资源有限的物联网设备上进行部署。为应对该挑战,许多模型压缩技术被研究者们陆续提出。其中,二值量化方法由于极高的存储节省比和高效的卷积计算方式成为了一种简单且高效的压缩方法。但当前二值
结构健康监测（Structural Health Monitoring,SHM）是指利用传感器对工程结构的损伤进行检测和识别,作为物联网技术的重要应用领域之一,SHM已经在环境监测、应急管理等应用中得到广泛关注。对于部署在缺乏地面通信基础设施的特殊地区的SHM传感器,由于没有地面基站提供接入服务,要可靠地实现收发数据将变得十分困难。无人机和卫星由于具有灵活的机动性以及广阔的覆盖范围,被认为是实现此
随着电子技术的发展,视觉传感器被广泛应用于社会各个方面,如军事,安保和车载等领域,它可以让观察者在一定距离之外,不经过接触就能对物体有一定的观测和了解。摄像设备和计算机的联合促进了计算机视觉任务的快速发展,从而更好地解决各种场景下的环境观测问题。其中,在夜间等光线暗淡的环境下拍摄得到的图片像素低,噪声大,阻碍着后续的图像处理,所以低光图像的增强技术是计算机视觉领域不可或缺的一部分。而根据现有的研究
不平衡数据分类指对存在“某类样本数量远远大于另一类样本”现象的数据进行分类,广泛应用于医疗诊断、故障检测、信用贷款等领域。传统机器学习分类方法通常假设样本具有均匀的类分布和相同的误分代价,直接应用于不平衡数据时,分类器会偏向于多数类,导致少数类将被多数类淹没。而现有的不平衡数据分类方法主要侧重于解决数据的类失衡问题,忽略了已被相关研究证实对分类器性能负面影响更严重的类重叠问题。基于上述背景,本文分