[发明专利]二进制电荷重分配型逐次逼近模数转换器的预测量化方法在审

专利信息
申请号: 201710188810.8 申请日: 2017-03-27
公开(公告)号: CN106992781A 公开(公告)日: 2017-07-28
发明(设计)人: 李靖;彭霞;王岑;张中;宁宁 申请(专利权)人: 电子科技大学
主分类号: H03M1/00 分类号: H03M1/00;H03M1/38;A61B5/04
代理公司: 成都点睛专利代理事务所(普通合伙)51232 代理人: 葛启函
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 二进制 荷重 分配 逐次 逼近 转换器 预测 量化 方法
【说明书】:

技术领域

本发明属于模拟数字转换技术领域,尤其涉及一种模数转换器预测技术及其在生物医疗信号特征参数提取中的应用。

背景技术

现实生活中的模拟信号往往具有长时间小幅度波动,周期性变化,不同波段、峰值点与谷值点区分明显的特点,如生物电信号、传感器检测信号等。在频谱上,这类信号的中低频分量往往很大。传统逐次逼近模数转换器的MSB-First算法是先进行比较,再给出预测区间,并通过不断缩小预测区间的范围,从而得到最后的量化结果。其缺点是即使前后两次采样的信号幅度变化很小,但每次量化都必须通过逐次比较来缩小预测区间,带来了不必要的比较和切换。

而针对ECG、EEG等生物医疗信号检测,有文献提出的从最低位开始向最高位量化(LSB-First)算法是先进行最小区间预测,再比较判断,通过不断变换预测区间范围,从而得到正确的预测范围,接下来的则与MSB-First算法一致。对于低频分量很大的信号,LSB-First算法可提供很好的区间预测能力,最大限度地降低了量化次数。但它存在的一个缺陷是,对于信号较高频部分量化功耗较大,最大比较次数可达到2N+1次,限制了其速度,且功耗显著提升,其中N为模数转换器的位数。

综合两者的优点,本专利提出了一种新的量化区间预测技术,有效地抑制了MSB-First算法在低频信号输入下的功耗浪费,并回避了LSB-First算法在高频信号输入下,需要不断切换预测区间的繁琐操作,从而可提供较好的区间预测能力和低功耗设计。

发明内容

针对上述现有两种算法存在的问题或不足,为了降低系统对信号的中低频部分的量化功耗,本发明提供一种基于二进制电荷重分配型逐次逼近模数转换器的量化区间预测技术,利用前一次的量化结果先提供一个预测区间,再进行比较判断,从而很好地预测了下一次的编码,最大限度地降低了数模转换器模块的切换频率及比较器的比较次数,实现低功耗设计。

本发明的技术方案为:

二进制电荷重分配型逐次逼近模数转换器的预测量化方法,基于一个二进制电荷重分配型逐次逼近模数转换器;

该二进制电荷重分配型逐次逼近模数转换器包括:数字模拟转换器模块DAC、比较器模块、SAR逻辑控制电路模块和预测判断控制电路模块,

数字模拟转换器模块DAC由至少一组基于共模电压Vcm复位的电容阵列组成,数字模拟转换器模块DAC的控制端接SAR逻辑控制电路模块和预测判断控制电路模块的输出端;对每组电容阵列中的所有量化电容进行编号,记为Ci,i为1至N-1中任意整数,C1为最高位电容,其中N为该二进制电荷重分配型逐次逼近模数转换器的位数,每组电容阵列中含有一冗余电容CR位于第P位与第P+1位之间,且1≤P≤N-1,该冗余电容CR的电容值与第P位电容的电容值相等;

比较器模块输出比较结果至SAR逻辑控制电路模块和预测判断控制电路模块,预测判断控制电路模块的输出端连接SAR逻辑控制电路模块,SAR逻辑控制电路模块输出该二进制电荷重分配型逐次逼近模数转换器的数字信号;

该预测量化方法包括以下步骤:

步骤一:根据输入信号频谱分析确定预测区间的大小,从而确定冗余电容CR的位置,即确定P的值;

步骤二:初始化量化的预测码字Dpre(C1:CP)=0_0_……_0,其中0的位数为P;

步骤三:整个二进制电荷重分配型逐次逼近模数转换器电路上电复位,所述数字模拟转换器模块DAC对输入信号进行采样,采样时数字模拟转换器模块DAC的所有电容下极板接输入信号,数字模拟转换器模块DAC的输出端接共模电压Vcm=0.5Vref,其中Vref为该二进制电荷重分配型逐次逼近模数转换器的参考电压;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710188810.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top