[发明专利]一种基于机器学习的双通道模数转换器子转换器间时间误差校正方法

权利要求书

1.一种基于机器学习的双通道模数转换器子转换器间时间误差校正方法，其特征在于，

步骤一：将模数转换器的总输出经过斩波，然后通过希尔伯特滤波器，得到与斩波信号相位相差90°的信号，然后此信号和原始的模数转换器输出信号相乘，则可以得到一个和误差紧密相关的反馈信号成分，提取相应的误差成分得到误差信号；

步骤二：将误差信号注入反馈回路中，根据泰勒展开式相关计算得出相应的采样器间采样时间的偏差；

步骤三：将由于多采集器间时间误差导致的信号的偏差加入到原始采集信号中，对误差进行校正，完成数据的恢复。

2.根据权利要求1所述的一种基于机器学习的双通道模数转换器子转换器间时间误差校正方法，其特征在于，步骤一中提取误差相关信号过程为：根据傅里叶变换的相关性质，任何信号都可以分解为多个三角函数信号的线性组合，所以假设输入信号是正弦信号

x(t)＝cos(ωt+θ)(1)

其中，ω表示输入信号的角频率，θ表示输入信号的初相，t代表时间，则含有时间误差的双通道模拟数字转换器的输出可以表示为

y[n]=cos(ωt+θ)|t=nT+Δt2(-1)nΔt2---(2)]]>

其中，Δt表示采样器间的时间失配误差，

所以y[n]可以表示为：

y[n]=cos{ω[nT+Δt2-(-1)nΔt2]+θ}---(3)]]>

根据cos函数的和差化积公式，

y[n]=cos[ω(nT+Δt2)+θ]cos[(-1)nωΔt2]+sin[ω(nT+Δt2)+θ]sin[(-1)nωΔt2]---(4)]]>

由于cos函数是偶函数，而sin函数为奇函数，所以有

y[n]=cos[ω(nT+Δt2)+θ]cos[ωΔt2]+sin[ω(nT+Δt2)+θ]sin[ωΔt2]cos(nπ)---(5)]]>

而根据sin函数的和差化积公式，有

y[n]=cos[ωΔt2]cos[ω(nT+Δt2)+θ]+sin[ωΔt2]sin[ω(nT+Δt2)+ωsnT2+θ]---(6)]]>

其中，ω_s代表采集系统的角频率，

然后对y[n]进行斩波处理，通过希尔伯特滤波器进行相位90度的移动，得到

yh[n]=cos[ωΔt2]sin[(ωs2-ω)nT-ωΔT2-θ]-sin[ωΔt2]cos[ω(nT+Δt2)+θ]---(7)]]>

把已经得到的y[n]和y_h[n]相乘，得到y_m[n]，

在y_m[n]信号中，有一个近似直流，或是说低频信号与转换器通道间时间误差紧密相关：

ϵ‾=-sin(ωΔt2)cos(ωΔt2)---(8)]]>

将此信号提取出来，其累加可近似看作转换器间失配误差。

3.根据权利要求1所述的一种基于机器学习的双通道模数转换器子转换器间时间误差校正方法，其特征在于，采用有监督机器学习方法进行理想信号的恢复，具体为：

根据泰勒一阶展开式

y_m[n]＝x_m[n]+Δt_mx'_m[n](9)

若将等号左边认为是原始信号，右边认为是有误差信号和误差反馈的和，采用微分滤波器来求得x'_m[n]，在收敛的过程中，采用信号的累加用来代替学习过程中的Δt，此时有

ϵ‾=-12sin[ω(Δt+δ^t)]---(10)]]>

当则意味着学习达到要求，可以准确恢复多通道模数转换器采集的信号。