2.1 时域和频域 19 2.1.1 傅里叶变换 20 2.1.2 DFT 的周期性 21 2.1.3 快速傅里叶变换 22 2.2 采样理论 23 2.2.1 均匀采样 23 2.2.2 均匀采样的频域表示 25 2.2.3 奈奎斯特采样定理 26 2.2.4 奈奎斯特区 29 2.2.5 采样率转换 29 2.3 信号表示 37 2.3.1 频率转换 38 2.3.2 虚信号 40 2.4 信号指标和可视化 41 2.4.1 SINAD、ENOB、SNR、THD、THD + N 和 SFDR 42 2.4.2 眼图 44 2.5 SDR 的接收技术 45 2.5.1 奈奎斯特区域 47 2.5.2 定点量化 49
2.1 时域和频域 19 2.1.1 傅里叶变换 20 2.1.2 DFT 的周期性 21 2.1.3 快速傅里叶变换 22 2.2 采样理论 23 2.2.1 均匀采样 23 2.2.2 均匀采样的频域表示 25 2.2.3 奈奎斯特采样定理 26 2.2.4 奈奎斯特区 29 2.2.5 采样率转换 29 2.3 信号表示 37 2.3.1 频率转换 38 2.3.2 虚信号 40 2.4 信号指标和可视化 41 2.4.1 SINAD、ENOB、SNR、THD、THD + N 和 SFDR 42 2.4.2 眼图 44 2.5 SDR 的接收技术 45 2.5.1 奈奎斯特区域 47 2.5.2 定点量化 49
SNR = 47 dBFS,f IN 高达 250 MHz,500 MSPS ENOB 为 7.5 位,f IN 高达 250 MHz,500 MSPS(−1.0 dBFS) SFDR = 79 dBc,f IN 高达 250 MHz,500 MSPS(−1.0 dBFS) 集成输入缓冲器 出色的线性度 DNL = ±0.1 LSB 典型值 INL = ±0.1 LSB 典型值 LVDS,500 MSPS(ANSI-644 级别) 1 GHz 全功率模拟带宽 片上基准电压源,无需外部去耦 低功耗 670 mW,500 MSPS—LVDS SDR 输出 可编程(标称值)输入电压范围 1.18 V p-p 至 1.6 V p-p,1.5 V p-p 标称值 1.8 V 模拟和数字电源操作 可选输出数据格式(偏移二进制、二进制补码、格雷码) 时钟占空比稳定器 集成数据采集时钟
摘要 — 在本文中,我们介绍了一个完整的(硬件/软件)亚奈奎斯特速率(×13)宽带信号采集链,该链能够在 100 MHz – 2 的瞬时带宽内采集雷达脉冲参数。5 GHz,具有相当于 8 ENOB 数字化性能。该方法基于压缩感知(CS)的替代感知范式。硬件平台采用全集成 CS 接收器架构,称为随机调制预积分器 (RMPI),采用 Northrop Grumman 的 450 nm InP HBT 双极技术制造。软件后端由一种新颖的 CS 参数恢复算法组成,该算法无需执行全时域信号重建即可提取有关信号的信息。这种方法显著减少了检索所需信息所涉及的计算开销,这为在功率受限的实时应用中采用 CS 技术提供了一条途径。所开发的技术在由制造的 RMPI 物理测量的 CS 样本上得到验证,并给出了测量结果。详细描述了参数估计算法,并给出了物理硬件的完整描述。
摘要——随着高速、高精度、低功耗混合信号系统的出现,对精确、快速、节能的模数转换器 (ADC) 和数模转换器 (DAC) 的需求日益增长。不幸的是,随着 CMOS 技术的缩小,现代 ADC 在速度、功率和精度之间进行权衡。最近,已经提出了四位 ADC/DAC 的忆阻神经形态架构。可以使用机器学习算法实时训练此类转换器,以突破速度-功率-精度权衡,同时优化不同应用的转换性能。然而,将此类架构扩展到四位以上具有挑战性。本文提出了一种基于四位转换器流水线的可扩展模块化神经网络 ADC 架构,保留了其在应用重新配置、失配自校准、噪声容忍和功率优化方面的固有优势,同时以延迟为代价接近更高的分辨率和吞吐量。 SPICE 评估表明,8 位流水线 ADC 可实现 0.18 LSB INL、0.20 LSB DNL、7.6 ENOB 和 0.97 fJ/conv FOM。这项工作朝着实现大规模神经形态数据转换器迈出了重要一步。