ADC在数字化在计量测试仪器中起关键作用,它的准确性能直接影响仪器的性能。ADC性能检验的重要方法之一就是对其响应特性进行误差分析,而分析误差的现代手段就是进行不确定度评估,特别是对其动态性能进行不确定度评估。ADC的动态性能评估是目前测试和计量领域面临的难题之一,为尝试解决该问题,本文主要完成如下工作:(1)研究了测量不确定度的基本原理,分析了不同的测量不确定评估方法特点及其应用范围,提出可以利用神经网络算法进行ADC的动态性能的测量不确定度评估;(2)构建了高速ADC的动态测试平台,并对ADC的性能测试方法进行了比较和分析,包括基于直方图的静态测试方法和基于FFT的动态测试方法,最后选择FFT测试方法对高速ADC进行动态测试;基于FFT研究了ADC的五个动态性能参数:噪声系数、信纳比、有效位、总谐波失真和无杂散动态范围,由此为ADC的动态性能的测量不确定度评估奠定基础;(3)在对高速ADC的动态测试研究过程中发现可以利用噪声信号有效地提高ADC的转换性能,从而提高ADC的转换精度和抗干扰性;在测试中也获得了ADC的最佳动态性能参数,这些参数可以作为ADC动态性能的测量不确定度评估的来源;(4)针对ADC的动态测量不确定度评定这一难点问题,提出利用人工神经网络算法对ADC进行测量不确定度评估;为此建立了基于神经网络ADC测量不确定评估的数学模型,并基于该模型应用MATLAB开发了ADC动态性能评估应用程序;(5)为验证上述模型的有效性,以ADI的AD6645-105为实例进行测量不确定度评定;为此,先应用GUM中的A类和B类对其性能参数进行测量不确定度评估,再应用基于神经网络的算法对其动态性能进行不确定度评估;之后对这两种评估方法的结果进行对比分析,得到的结论是:应用神经网络算法可以更快速而准确的对ADC的动态性能参数进行评定。