[发明专利]基于DAC的DNL统计模型特征的欺骗干扰识别方法

摘要

本发明公开了一种基于DAC的DNL统计模型特征的欺骗干扰识别，包括以下步骤：第一步：根据DNL的定义，得出的数学表达式；第二步：确定DNL进一步表达式；第三步：根据实际输入信号，将DNL改写；第四步：以第三步得到的建立干扰检测模型；第五步：以欧式距离法或似然函数法对第四步的问题进行识别。本发明以DNL为基础对DAC的非线性特性进行数学统计建模，并提取了特征向量。在欺骗干扰识别中，可以以为特征，识别欺骗干扰，该方法运算简单，识别效果好。

主权项

基于DAC的DNL统计模型特征的欺骗干扰识别方法，其特征在于该方法包括以下步骤：第一步：根据差分非线性的定义，确定DNL_k的数学表达式为$\begin{array}{c}{\mathrm{DNL}}_k=\frac{I_{{\mathrm{out}}_k}-I_{{\mathrm{out}}_{(k-1)}}-I_{\mathrm{lsb}}}{I_{\mathrm{lsb}}}\\ =\frac{\sqrt{n}\·{\mathrm{\σ}}_u\·[\mathrm{BB}\left(\frac{k}{n}\right)-\mathrm{BB}\left(\frac{k-1}{n}\right)]}{I_{\mathrm{lsb}}}\end{array}---\left(1\right)$式中，表示对应输入码k时的DAC输出电流，表示对应输入码k‑1时的DAC输出电流，n表示DAC的编码位数，I_lsb表示最低有效位输出，σ_u是内部电流源的方差，BB(t)表示布朗桥随机过程；第二步：利用和Karhunen‑Loeve展开，布朗桥随机过程展开为$\mathrm{BB}\left(t\right)=\underset{J\→\∞}{\lim }\underset{j=1}{\overset{J}{\mathrm{\Σ}}}\frac{{\text{\Λ}}_j}{\mathrm{\πj}}\sqrt{2}\sin (\mathrm{\π}\·j\·t),$则DNL_k进一步表示成${\mathrm{DNL}}_k=\underset{J\→\∞}{\lim }\underset{j=1}{\overset{J}{\mathrm{\Σ}}}\frac{{\mathrm{\Λ}}_j}{\mathrm{\πj}}\sqrt{2n}\left(\frac{{\mathrm{\σ}}_u}{\stackrel{\‾}{I_u}}\right)[\sin (\mathrm{\π}\·j\·\frac{k}{n})-\sin (\mathrm{\π}\·j\·\frac{k-1}{n})]---\left(2\right)$式中，是理论上的单位电流源，Λ_j是独立同分布的随机变量，且服从第三步：实际输入信号为x，且长度为M，即x＝[x(0),x(1),…,x(M‑1)]，则DNL_x表示为DNL_x＝P_DNLh   (3)$h={\left[\begin{array}{ccc}\frac{{\mathrm{\Λ}}_1}{\mathrm{\π}\·1}& ...& \frac{{\mathrm{\Λ}}_J}{\mathrm{\π}\·J}\end{array}\right]}^T---\left(5\right)$第四步：接收机根据接收信号y，以第三步得到的h作为特征向量进行检测识别并建立欺骗干扰的检测问题，为$\left\{\begin{array}{c}{H}_0:y=P_{\mathrm{DNL}}{h}_1+v\\ H_1:y=P_{\mathrm{DNL}}{h}_2+v\end{array}\right.---\left(6\right)$其中，H₀表示接收机接收的信号为真实信号；H₁表示为接收机接收的为欺骗干扰；第五步：用以下似然检测法或欧式距离法对第四步提出的问题进行检测识别；所述似然检测法具体是：假定模型参数向量h₁与h₂已经提取得到，则似然比函数为式中，是条件概率密度函数，其表达式为$p_{{y|h}_i,P_{\mathrm{DNL}}}\left(y\right|h_i,P_{\mathrm{DNL}})=\frac{1}{{\left(\sqrt{2\mathrm{\π}}{{\mathrm{\σ}}_i}^2\right)}^M}\exp \{-\frac{{(y-P_{\mathrm{DNL}}{h}_i)}^H(y-P_{\mathrm{DNL}}{h}_i)}{2{{\mathrm{\σ}}_i}^2}\}---\left(8\right)$则判决函数可以简化为所述欧式距离法具体是：比较接收信号的特征向量与已知特征向量间的欧式距离大小，判决准则为其中h为实际接收的信号的特征向量。