论文部分内容阅读
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。