仪器仪表学报

作者：王煜森，张益，梅思涛，王言立，赵贻玖

单位：王煜森,电子科技大学(深圳)高等研究院成都611731,,张益,电子科技大学自动化工程学院成都611731,,梅思涛,电子科技大学自动化工程学院成都611731,,王言立,电子科技大学自动化工程学院成都611731,,赵贻玖,1.电子科技大学(深圳)高等研究院成都611731； 2.电子科技大学自动化工程学院成都611731,yijiuzhao@uestc.edu.cn,

关键词：模数转换器;人工神经网络;非线性误差;失配误差;频率特征;数字后校正

基金：四川省自然科学基金面上项目(2024NSFSC0469)资助

模数转换器（ADC）的性能决定了采集系统的性能优劣，随着采集系统采样率和采样带宽的提升，ADC的非线性误差相较于线性误差具有更大的危害。针对频率相关的ADC非线性误差，提出了一种基于人工神经网络（ANN）校正的方法，对ADC采样数据进行数字后校正处理。该方法首先对ADC所采集的单音正弦信号进行频谱分析去除其中包含的非线性谐波失真，并以该结果作为参考真值，从频域角度对神经网络进行训练。所提方法以采集信号频谱的幅度信息作为神经网络的训练对象，将相位信息保留并在校正后对输出的幅度结果进行补偿，随后将幅度校正结果与保留的相位信息重构为复数频谱，并进行逆傅里叶变换以恢复时域信号。在实验验证中，以时间交织（TI）ADC系统为应用场景，将时间交织采样架构子ADC间的多种失配误差与子ADC的非线性误差一同校正。采用多组不同频率的单音正弦信号，按照频率分层抽样与时间分段采样相结合的策略进行数据划分与神经网络训练，并针对多音信号的校正进行了神经网络泛化性能验证，验证所提校正方法在ADC校正应用中的普适性。在一个4通道的20GSPS采样率的TIADC硬件平台对神经网络的ADC校正性能进行了验证，所提方法保证了多音信号可以维持正确相位关系，且系统无杂散动态范围提升了36dB。

来源：2026年第2期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第2期