论文部分内容阅读
电子产品更新换代的浪潮促使ADC朝着高性能和高能效比的方向发展。SAR ADC作为先进工艺下低功耗ADC的首选,在朝着高速高精度方向发展的过程中面临许多问题。而利用先进工艺下大规模数字电路在速度、功耗和集成度上的优势,依托相对完备的数字信号处理理论体系,让设计数字辅助算法来解决高性能ADC设计中面临的难点问题成为一种可能。通过对SAR ADC原理以及误差的分析,本文针对高精度SAR ADC的静态电容失配,设计了基于“Split”结构的后台校准算法,与传统的前台自校准技术和基于已知信号注入的后台校准技术相比,减少了额外的模拟电路开销以及信号注入对ADC动态范围的影响。同时针对高速高精度SAR ADC的改进和混合架构所引入的更加多元和复杂的误差,利用神经网络强大的非线性拟合以及泛化能力,以及一个低速、高精度参考ADC,提出了前馈型神经网络的后台校准算法,并针对高性能ADC的校准需求,设计了合适的误差反向传播算法以及神经网络结构,实现了低复杂度、高效率的神经网络后台校准。本文利用Matlab实现了两种算法的行为级模型,通过对两种算法的模型仿真,结果表明:在基于“Split”结构的后台校准算法,将两个14位带有电容静态失配的子ADC的有效位数从8.11位和8.05位提升到了13.84位,信噪比从53.5d B和53.0d B提升到了85.01d B,整个校准在14000次采样后即可实现收敛,验证了算法的有效性;基于神经网络的后台校准算法,在输入信号频率接近奈奎斯特采样频率的情况下,将一个14位500Msps的误差ADC的有效位数从7.85位提升到13.08位,信噪比以及无杂散动态范围分别从57.2d B和49.7d B提升到80.40d B和106.80d B,该校准算法仅需要约40000个采样数据,能够对ADC内部多种误差引起的综合非理想性进行改善,具有较高的校准效率,并且在不同频率输入信号下,校准后的ADC的有效位数始终保持在13位以上,验证了算法的有效性。