一种基于遗传算法的adc动态性能参数计算方法
阅读说明：本技术 一种基于遗传算法的adc动态性能参数计算方法 (ADC dynamic performance parameter calculation method based on genetic algorithm ) 是由 顾廷炜 顾林 张文强 李居强 于 2021-08-26 设计创作，主要内容包括：本发明公开一种基于遗传算法的ADC动态性能参数计算方法,属于ADC测试领域。本发明的计算方法通过遗传算法对影响ADC动态性能参数计算的窗函数种类、基波旁瓣范围、直流分量范围、谐波次数、谐波旁瓣范围等因素的最优取值进行求解,实现了对各个影响因素取值的固化,克服了现有ADC动态性能参数计算方法在对上述影响因素取值进行选取时,缺乏统一的指导标准,导致计算结果不一致的问题。因此,本发明可以有效提高ADC动态性能参数计算结果的稳定性和准确性。(The invention discloses an ADC dynamic performance parameter calculation method based on a genetic algorithm, and belongs to the field of ADC testing. The calculation method solves the optimal values of the factors such as the window function type, the fundamental wave side lobe range, the direct current component range, the harmonic frequency, the harmonic side lobe range and the like which influence the calculation of the dynamic performance parameters of the ADC through a genetic algorithm, realizes the solidification of the values of all the influencing factors, and solves the problem that the calculation result is inconsistent because the existing calculation method of the dynamic performance parameters of the ADC lacks a uniform guide standard when the values of the influencing factors are selected. Therefore, the method can effectively improve the stability and the accuracy of the calculation result of the dynamic performance parameters of the ADC.)
技术领域
本发明涉及ADC测试技术领域，特别涉及一种基于遗传算法的ADC 动态性能参数计算方法。
背景技术
随着集成电路技术的突飞猛进，数据采集和信号处理技术也得到了长足的发展。日常生活中的温度、压力、加速度、声波等信号，都属于模拟量；为了便于处理，需要进一步将其转换为信号处理系统能够识别的数字量形式。在数据采集和信号处理系统中，ADC(Analog-to-Digital Converter，模数转换器)是承担模拟量向数字量转换的关键部件，在汽车电子、无线通讯、国防军工等诸多行业扮演者重要的角色，这对ADC的性能也提出了更高的要求。
用于表征ADC性能的参数通常可分为静态特性参数和动态特性参数两类。静态性能参数主要包括分辨率、偏置误差、增益误差等，其测试手段成熟，计算方法简单，但是无法完整准确地反映ADC的性能；动态性能参数主要包括信噪比(signal to noise ratio，SNR)、总谐波失真(total harmonic distortion，THD)、信号与噪声失真比(signal tonoise and distortion，SINAD)、无杂散动态范围(spurious-free dynamic range，SFDR)等，其更能真实反映ADC的性能。因此，准确计算ADC的动态性能参数对于ADC的研究和应用具有重要的意义。
ADC动态性能参数的测试手段和计算方法为：首先，通过信号发生器在ADC的前端输入某一频率和幅值的正弦波信号；然后，通过FPGA对 ADC采集到的信号进行传输和存储；接着，通过MATLAB对FPGA内部存储的数据进行进制转换和快速傅里叶变换(Fast FourierTransform，FFT)；最后，在频域内进行频谱分析，计算ADC的动态性能参数。在对ADC输出信号进行频谱分析时，由于受到非相干采样、信号截断、外围电路噪声等因素的影响，频域上不可避免的会存在频谱泄露现象，导致无法直接根据ADC动态性能参数的定义，即根据基波、谐波等相关参数的幅值进行计算，而需要计算其有效值。在计算基波、谐波、直流分量等参数的有效值时，涉及到窗函数种类、基波旁瓣范围、直流分量范围、谐波次数、谐波旁瓣范围等多种影响因素的选取问题，而现有文献在对上述影响因素进行选取时，缺乏统一的指导标准，导致最终的计算结果各异。因此，如何合理确定上述各个影响因素的取值，并准确计算ADC的动态性能参数是目前亟需解决的关键技术问题。
发明内容
本发明的目的在于提供一种基于遗传算法的ADC动态性能参数计算方法，以对影响ADC动态性能参数计算的各个因素的取值进行合理选取。
为解决上述技术问题，本发明提供了一种基于遗传算法的ADC动态性能参数计算方法，包括：
步骤S1：对遗传算法的各项参数进行初始化操作，该参数包括进化代数、种群规模、交叉概率和变异概率；
步骤S2：将影响ADC动态性能参数计算的各个因素的取值向量 [a1 a2 a3 a4 a5]作为遗传算法的染色体编码串个体，在各个影响因素的取值范围内，随机生成一定数量的个体，构成第一代种群；
步骤S3：根据适应度函数，计算第一代种群中各个个体的适应度值；
步骤S4：基于轮盘选择算法，根据各个个体的适应度值进行选择，适应度值越小，ADC动态性能参数自行计算结果与标准计算结果越接近，相应的个体被选到的概率也越大；
步骤S5：将选出的优秀个体之间按照设定的交叉概率和变异概率进行遗传进化，产生下一代种群；
步骤S6：重复步骤S3～S5，直至达到所设置的进化代数为止，最后一代种群中适应度值最小的个体即为影响ADC动态性能参数计算的各个因素的取值向量[a1 a2 a3 a4 a5]的最优解；
步骤S7：根据得到的各个影响因素取值向量[a1 a2 a3 a4 a5]的最优解，求取ADC的动态性能参数。
可选的，所述步骤S2中，将影响ADC动态性能参数计算的各个因素的取值向量[a1a2 a3 a4 a5]作为遗传算法的染色体编码串个体，取值向量 [a1 a2 a3 a4 a5]中包括窗函数种类a1、基波旁瓣范围a2、直流分量范围a3、谐波次数a4和谐波旁瓣范围a5。
可选的，所述步骤S3中适应度函数的定义为：
计算n组不同频率的正弦波输入信号对应的ADC动态性能参数 TI_DYNAMIC(i)＝[SNR THD SINAD SFDR]作为标准计算结果；
在与之相同的上述n组不同频率的正弦波输入条件下，根据各个因素的取值向量[a1 a2 a3 a4 a5]，自行计算对应的ADC动态性能参数 DYNAMIC(i)＝[SNR THD SINAD SFDR]作为自行计算结果，将标准计算结果与自行计算结果差值的平方和开根号后的结果作为适应度函数。
可选的，所述步骤S7中，根据得到的各个影响因素取值向量 [a1 a2 a3 a4 a5]的最优解，选取窗函数种类和谐波次数，并计算基波、谐波、直流分量参数的有效值，进而求取ADC的动态性能参数 DYNAMIC＝[SNR THD SINAD SFDR]。
可选的，所述ADC的动态性能参数包括信噪比SNR、总谐波失真THD、信号与噪声失真比SINAD和无杂散动态范围SFDR。
在本发明提供的基于遗传算法的ADC动态性能参数计算方法中，通过遗传算法对影响ADC动态性能参数计算的窗函数种类、基波旁瓣范围、直流分量范围、谐波次数、谐波旁瓣范围等因素的最优取值进行求解，实现了对各个影响因素取值的固化，克服了现有ADC动态性能参数计算方法在对上述影响因素取值进行选取时，缺乏统一的指导标准，导致计算结果不一致的问题。因此，本发明可以有效提高ADC动态性能参数计算结果的稳定性和准确性。
附图说明
图1是本发明提供的遗传算法的ADC动态性能参数计算方法流程示意图；
图2是基于TI公司Analog Engineers Calculator软件的5MHz频率正弦波输入信号对应的ADC动态性能参数计算结果示意图；
图3是基于TI公司Analog Engineers Calculator软件的20MHz频率正弦波输入信号对应的ADC动态性能参数计算结果示意图；
图4是基于TI公司Analog Engineers Calculator软件的40MHz频率正弦波输入信号对应的ADC动态性能参数计算结果示意图；
图5是在遗传算法迭代计算过程中最优个体的适应度曲线示意图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种基于遗传算法的 ADC动态性能参数计算方法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
实施例一
本发明提供了一种基于遗传算法的ADC动态性能参数计算方法，其结构如图1所示，包括以下步骤：
S1：对遗传算法的各项参数进行初始化操作，将进化代数(即迭代次数)设置为200，种群规模(即个体数量)设置为50，交叉概率设置为0.3，变异概设置为0.1；
S2：将影响ADC动态性能参数计算的各个因素的取值向量 [a1 a2 a3 a4 a5]作为遗传算法的染色体编码串个体，其中a1表示如表1所示的窗函数种类、a2表示基波旁瓣范围、a3表示直流分量范围、a4表示谐波次数、a5表示谐波旁瓣范围，其取值范围分别为a1∈[1,9]、a2∈[1,10]、 a3∈[10,100]、a4∈[6,11]、a5∈[1,10]，在各个影响因素的取值范围内，随机生成50个个体，构成第一代种群；
表1 ADC动态性能参数计算涉及到的窗函数种类
S3：根据适应度函数，计算各个个体的适应度值，适应度函数定义为：首先，通过TI公司的Analog Engineers Calculator软件计算5MHz、20MHz 和40MHz这3组不同频率的正弦波输入信号对应的ADC动态性能参数 TI_DYNAMIC(1)＝[52.78 -53.32 50.04 56.71]、TI_DYNAMIC(2)＝[54.22 -44.39 43.96 44.98]、 TI_DYNAMIC(3)＝[53.05 -43.53 43.0744.06]作为标准计算结果，如图2～图4所示，其次，在与之相同的上述3组不同频率的正弦波输入条件下，根据某个个体中各个影响因素的取值向量[2 5 38 11 8]，自行计算对应的ADC动态性能参数DYNAMIC(1)＝[52.39 -53.76 50.01 57.48]、DYNAMIC(2)＝[54.25 -44.37 43.94 44.50]、 DYNAMIC(3)＝[52.83 -43.55 43.07 43.87]作为自行计算结果，将标准计算结果与自行计算结果差值的平方和开根号后的结果作为适应度函数，该个体的适应度计算结果为0.0214；
S4：基于轮盘选择算法，根据各个个体的适应度值进行选择，适应度值越小，说明ADC动态性能参数自行计算结果与标准计算结果越接近，相应的个体被选到的概率也越大，第一代种群中各个个体的适应度值及其被选到的概率表2所示；
表2第一代种群中各个个体的适应度值及其被选到的概率
S5：将选出的优秀个体之间按照设定的交叉概率0.3和变异概率0.1进行遗传进化，即可产生下一代种群；
S6：重复步骤S3～S5，直到达到所设置的进化代数(迭代次数)200 为止，在遗传算法迭代计算过程中最优个体的适应度曲线如图5所示，由图5可知，随着迭代次数的增加，最优个体的适应度值逐渐较小，并最终趋于稳定，最后一代种群中适应度值最小的个体[4 495 11 10]即为影响ADC 动态性能参数计算的各个因素的取值向量[a1 a2 a3 a4 a5]的最优解，其适应度值为0.0045；
S7：根据得到的各个影响因素取值向量的最优解，可以求取ADC的信噪比、总谐波失真、信号与噪声失真比和无杂散动态范围等动态性能参数 DYNAMIC＝[SNR THD SINADSFDR]。
为了验证本发明提出的基于遗传算法的ADC动态性能参数计算方法的准确性，分别通过TI公司的Analog Engineers Calculator软件和本发明提出的计算方法对10MHz和30MHz这两组不同频率的正弦波输入信号对应的ADC动态性能参数进行计算，两种不同方法的计算对比结果如表3所示；
表3两种不同方法的ADC动态性能参数计算对比结果
根据对比结果可知，两种不同方法计算得到的ADC动态性能参数之间的最大误差百分比不超过0.18％，这说明本发明提出的计算方法具有较高的稳定性和准确性，可以为ADC动态性能参数计算问题提供一种借鉴思路和指导方法。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种四通道时间交织结构的ADC及其工作原理