基于极大似然估计的ADC测试算法的改进与实现

发布时间：2017-04-11 00:50

  本文关键词：基于极大似然估计的ADC测试算法的改进与实现，由笔耕文化传播整理发布。

【摘要】：近年来,模数转换器(analog-to-digital converter, ADC)已经成为现代先进电子设备或电子系统中不可或缺的组成部分。随着ADC的分辨率不断提高,现有的标准测试方法实施过程越来越困难。基于极大似然估计的ADC测试算法是正弦拟合算法的一种拓展,具有更高的测试精度,同时可以获取更多的ADC性能参数,但是该算法所需的测试时间过长,限制了该算法在实际测试中的应用。本文开展基于极大似然估计的ADC测速算法的研究与改进,重点改进该算法因求解似然方程的计算量巨大而带来的测试时间过长的问题,从而提高该算法的实用性。该算法主要包含两部分：初值的获取及似然方程的求解。本论文对初值求取方法的要求是计算量少、不需要重复采样以及具备一定精度。根据这一要求本文经过仿真比较选取一种三谱线插值DFT算法估算输入正弦激励的频率值,该方法对噪声环境以及非相干采样条件具有良好的适应性,在仿真环境下能够取得相对误差为10-6数量级的估算精度；输入正弦激励的振幅、相位及偏置的初始值通过标准IEEE测试标准1241中定义的三参数正弦拟合算法确定,该拟合过程快速且绝对收敛；转换电平的初始值范围以每个数字码对应的差分非线性(DNL)给定。最后本文采用粒子群算法求解似然函数的极值,并对标准的粒子群算法中加速粒子的值做出了改进,使其能够在高维数、多峰值的情况下取得较好的收敛精度和收敛速度。利用MATLAB软件作为算法实现平台,采取并行计算的方式提高运算效率。在本文的改进算法的基础上,通过MATLAB软件进行一系列仿真,以8比特ADC芯片MAX1195作为待测器件,设计测试电路,搭建测试平台,共同验证算法的有效性。测试结果表明：本文中的改进算法,迭代次数约为1500～1700次,而采取差分进化算法的传统极大似然估计法,所需的迭代次数约为3000～3500次。以上两种算法单次迭代所耗时间相当,故可以用迭代次数来对比二者的测试时间,对比二者的迭代次数可知,本文的改进算法的测试时间减少了50%以上；本文的改进算法测试所得信纳比为46.79dB,有效位数为7.48,精度与传统极大似然估计法相当。
【关键词】：模数转换器 动态参数测试 极大似然估计 多目标非线性优化 有效位数
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN792;O212.1
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 课题背景与意义11-12
• 1.2 国内外研究现状12-13
• 1.3 研究内容及设计指标13-14
• 1.3.1 研究内容13-14
• 1.3.2 设计指标14
• 1.4 论文组织14-17
• 第二章 ADC测试基础17-37
• 2.1 模数转换器基本原理17-19
• 2.2 ADC的性能参数简介19-25
• 2.2.1 静态参数19-22
• 2.2.2 动态参数22-25
• 2.3 ADC测试方法25-28
• 2.4 弦拟合算法28
• 2.5 基于极大似然估计的ADC测试算法28-35
• 2.5.1 算法原理29-31
• 2.5.2 似然方程的求解算法31-32
• 2.5.3 噪声模型32-35
• 2.6 本章小结35-37
• 第三章 基于极大似然估计的ADC测试算法的改进37-51
• 3.1 改进测试方法的基础37-38
• 3.2 初值获取38-43
• 3.2.1 转换电平38
• 3.2.2 输入正弦信号的频率38-42
• 3.2.3 输入正弦信号的其余参数的估算42-43
• 3.3 似然方程求解43-48
• 3.3.1 PSO算法原理43-44
• 3.3.2 PSO算法参数设置的改进及验证44-47
• 3.3.3 MATLAB并行计算47-48
• 3.4 本章小结48-51
• 第四章 ADC测试验证与结果分析51-63
• 4.1 基于极大似然估计的ADC测试方法的仿真51-55
• 4.1.1 MALAB并行计算代码的编写51-52
• 4.1.2 频率估计52
• 4.1.3 似然方程求解52-54
• 4.1.4 仿真结果分析54-55
• 4.2 测试电路设计55-58
• 4.2.1 电源模块设计55-56
• 4.2.2 时钟信号电路设计56-57
• 4.2.3 ADC的驱动电路设计57
• 4.2.4 接口电路设计57-58
• 4.3 测试系统实现及测试结果58-59
• 4.3.1 MAX1195测试系统结构58
• 4.3.2 测试的基本流程58-59
• 4.4 实验验证与结果分析59-61
• 4.5 本章小结61-63
• 第五章 总结与展望63-64
• 5.1 总结63
• 5.2 不足之处与展望63-64
• 参考文献64-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 冯玉英,赵胜利;完全极大似然估计与分步极大似然估计[J];曲阜师范大学学报(自然科学版);2004年04期

2 何春;方积乾;;极大似然估计和拟极大似然估计模拟之比较[J];广东工业大学学报;2006年01期

3 范大茵;极大似然估计某些问题的讨论[J];工科数学;1986年03期

4 张荷观;;林木直径分布的研究——Ⅱ.极大似然估计[J];八一农学院学报;1988年04期

5 彭军还;和极大似然估计──一种新的估计准则[J];桂林冶金地质学院学报;1994年04期

6 宋卫星;非正则位置参数模型中的拟极大似然估计[J];应用数学学报;2002年01期

7 杨莉军,赵贤淑;极大似然估计的归纳法讲解[J];北京印刷学院学报;2002年04期

8 何春,方积乾;多维平均处理效应极大似然估计的模拟研究[J];广东工业大学学报;2004年04期

9 邹小云;;极大似然估计的性质探讨[J];湖北职业技术学院学报;2007年02期

10 王艳玲;张应山;;左椭球分布的极大似然估计[J];河南师范大学学报(自然科学版);2008年04期

中国重要会议论文全文数据库 前7条

1 蔡旭;方伟武;;基于极大似然估计的分子序列修正Kimura双参数距离[A];中国运筹学会第七届学术交流会论文集（中卷）[C];2004年

2 王璐;刘忠;黄波;;纯距离目标运动状态的极大似然估计及迭代算法[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

3 宋立新;鲁大伟;付增梁;;TARCH(q)模型参数的极大似然估计[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

4 周铁军;魏阳;;一种基于极大似然估计的弹道解算方法研究[A];2013年（第五届）西部光子学学术会议论文集[C];2013年

5 韦进;刘子维;郝洪涛;申重阳;李辉;;超导重力观测噪声水平的极大似然估计[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年

6 刘芳芳;李桂芳;王园园;杨雯逸;徐晓岭;;单参数易变通分布的统计分析[A];技术融合创新·可靠服务企业·安全产品制胜——2013年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第五次全体委员大会论文集[C];2013年

7 董智红;王X;魏子翔;孙昕;;伽利略搜救信号FOA和TOA联合精估算法设计[A];第八届全国信息获取与处理学术会议论文集[C];2010年

中国博士学位论文全文数据库 前1条

1 陈玉蓉;不完全信息比例风险模型极大似然估计的极限理论[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 齐春香;基于Bootstra方法的三参数Loistic模型能力参数极大似然估计的准确性研究[D];东北师范大学;2015年

2 顾会敏;一类三参数广义Logistic分布的统计推断问题研究[D];贵州民族大学;2015年

3 李聪玲;在优良的排序集抽样下广义贝努利分布中参数的极大似然估计[D];华中师范大学;2016年

4 杨冉冉;三参数Ⅰ型广义Logistic分布的参数估计[D];北京工业大学;2016年

5 杨伟光;基于极大似然估计的ADC测试算法的改进与实现[D];东南大学;2016年

6 胡姿岚;有关极大似然估计若干问题的研究[D];安徽大学;2006年

7 郑扬;随机快慢系统中参数的极大似然估计[D];南京大学;2014年

8 李海红;随机互惠系统持久性及其参数的极大似然估计[D];东北师范大学;2007年

9 段宝娜;排序集抽样下有先验信息的极大似然估计[D];华中师范大学;2013年

10 于佳佳;具有随机扰动的食饵—捕食者系统及其参数的极大似然估计[D];东北师范大学;2006年

  本文关键词：基于极大似然估计的ADC测试算法的改进与实现，由笔耕文化传播整理发布。

，

本文编号：297920