一种基于神经网络的流水线模数转换器后台校准方法

专利主权项内容

1.一种基于神经网络的流水线模数转换器后台校准方法，其特征在于，所述方法包括：S1、将待校准的流水线ADC和sigma-delta ADC接入同一个模拟信号源，构建神经网络并初始化后设置目标值，将待校准的流水线ADC的输出的数字信号作为训练集输入所述神经网络；S2、所述神经网络输出训练集的结果，将所述神经网络输出的结果与所述sigma-deltaADC输出的结果作为损失函数的元素，所述损失函数计算损失值，将所述损失值与所述目标值进行比较，在所述损失值高于所述目标值的情况下进入训练模式，利用训练优化算法调整所述神经网络的权值，迭代优化神经网络；S3、在所述损失值小于等于所述目标值的情况下，神经网络完成训练，神经网络退出训练模式并进入输出模式，将所述神经网络的输出结果作为流水线ADC的输出。