מבוא: החשיבות הגוברת של ADC Data Use

מערכות רכישת נתונים מודרניות מסתמכות על אנליסטים-to-Digital Converters (ADCs) כדי ללכוד אותות בעולם האמיתי - מתדירות רדיו גלפורים ועד מדידות פיזיולוגיות - ותרגם אותם לנתונים דיגיטליים לעיבוד.עם זאת, פלט ADC גולמי הוא לעתים קרובות מגופת על ידי רעש, עיוות, עיוות, חדות של מכשירים הנדסיים וטווח דינמי יותר.

מידע על ADC Data Use

(ADC Data Tool) הוא מדד של האופן שבו ניתן לשחזר אותות מדגימים, לנתח או להשתמש בהם לקבלת החלטות.גורמים שמטמים את התועלת כוללים רעש קוונטי, רעש תרמי, ג'ייטר, לא לינאריות, ומגבלות רוחב פס. גישות מסורתיות לשיפור התועלת ממוקדת בשימוש במרידות רזולוציה גבוהה יותר או העלאת אחוזי דגימה, אך פתרונות אלה באים עם עלויות מסחר תלולות, גודל, Fmetric, ולא כוללים שיפור חישובי של חומרה:0.

  • [01:0] מספר ביטים (ENOBIR) [1]: ההחלטה האמיתית לאחר עריכת קוד מקור לרעש ועיוות.
  • (ב) [15] , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) , דינמיקה חופשית ללא תשלום (SFDR): 1:1 טווח דינמי שניתן לנזונות גדולים.
  • (ב) שיעור ה-NLP:0(Bandwidth Utilization: ⁇ 1) אחוז אזור ה-Nequist הנושא מידע משמעותי.

על ידי יישום DSP מתקדם, מהנדסים יכולים לשפר את המדדים האלה ללא שינוי חומרה בסיסית, ביעילות לסחוט ביצועים נוספים מתוך ארכיטקטורות ADC קיימות.

טכניקות DSP Core עבור מקסימיזציה של ADC Data Service

ה-DSP הבאים מכסה את הטכניקות ה-DSP המשפיעות ביותר כיום על מנת לשפר את הערך של נתוני ADC.כל טכניקה מתייחסת למגבלה מסוימת של תהליך ההמרה.

oversampling and Decimation

Oversampling פירושו דגימה אות אנלוגי בקצב הרבה פעמים גבוה יותר מאשר תדירות Nyquist. זה להפיץ רעש קוונטי על פני רוחב פס רחב יותר, ביעילות להפחית את צפיפותו בתדירות של עניין. AFLT:0decimation במיוחד להיות מתווה באופן קיצוני על ידי ירידה חדה של 4 קומות, ואז ירידה של אותות על פני ירידה גבוהה יותר של ירידה משמעותית על ידי ירידה משמעותית של ארבע רמות נמוכות של ירידה של ירידה.

פילטר ל- Noise and Interference Rejection

מסננים קבועים לא יכולים להתמודד בצורה אופטימלית עם סביבות רעש של זמן, כגון אלה שנמצאו בתקשורת סלולרית או ניטור תעשייתי.פילטרים הסתגלות לעדכן את האפקטיביות שלהם על בסיס אות נגזרת מהקלט והפניה הרצויה סוגים כוללים (FLT:0Least Mean Squares (LMS) LT:1 ו-F:2Recursive Leastsive (RLS: ריבועs: LT) כולל יישומים:

  • (ב) ,0) ,(א) ,(א) ,(ב) ,(ב) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) , פקד רעש חזק (FLT:1) בטלפונים ובבתי רכב.
  • (ב) ,0) , דחקת השוויון ב-1 (במ"ר) במכ"ם ובמקלטי רדיו.

מכיוון שסינון מותאם פועל בזמן אמת, הוא יכול לעקוב אחר דפוסי התערבות משתנים ללא תיקון ידני, אשר מגדיל ישירות את טווח דינמי של נתוני ADC.

חלונות ו- Spectral Leakage Mitigation

כאשר מבצעים ניתוח פורייה על מדגם באורך סופי של נתונים ADC, דליפות ספקטרלית מתרחשת אם האות אינו מחזורי באופן מושלם בחלון התצפית.חלונות פונקציות - כגון Hann, Blackman-Harris, וקיסר - לעתים קרובות הנתונים על ידי המעטפה בצורת אשר מפחיתה את הפסקת האשרה הנכונה בשוליים.

Sigma-Delta Modulation ו Noise Shaping

( ⁇ ) ADCs הם מחלקה של ממירים oversampling המעצבים רעש קוונטית הרחק מהלהקה בעלת אות נמוך ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

תיקון דיגיטלי של ADC Non-Idealities

לא ADC מושלם; לא לינאריות, תזמון פגמים (בקיצור ADCs), לצבור שגיאות, וטעויות התחלה כל תועלת נתונים מדרגת נתונים.DSP עכשיו כולל FLT:0 דיגיטלית רקע קלורציה (FLT:1), אשר כל הזמן מעריך ומפצה את הפגמים האלה.

אותות גילוח וספאסל Recovery

חישה קומפרסית (CS) היא פרדיגמה מהפכנית שבה האות האנלוגי מדגימה בקצב הרבה מתחת לתדירות Nyquist על ידי מינוף ספרסיות בתחום כלשהו (למשל, Fourier, Wavelet) A DSP חוסם אז פותר מערכת תחת שנקבעה של משוואות כדי לשחזר את האות המלא. בעוד עדיין נפוץ יותר בהקשרים מחקר, CS כבר מוחל בהצלחה: A DSP חוסם לאחר מכן:

  • (ב) ,0) הדמיה רפואית (MRI)FLT:1 , צמצום זמן הסריקה תוך שמירה על איכות התמונה.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) ,IGN חיישנים NodestureFLT:1 - הורדת צריכת החשמל על ידי צמצום קצב הדגימה.

השימוש בנתונים ADC במערכות CS נמדד לא על ידי ספירת דגימה גולמית, אלא על ידי היכולת לשחזר במדויק את המידע הבסיסי, לעתים קרובות outperforming המסורתית Nquit מבוסס רכישה עבור אותות ספאריים.

שילוב למידת מכונות ב DSP עבור ADCs

למידת מכונה (ML) הפכה כלי חיוני עבור DSP מתקדם במקום להסתמך על מודלים מתמטיים מפורשים, אלגוריתמי ML יכולים ללמוד תכונות אותות מורכבות מהנתונים אימון ולאחר מכן ליישם אותם בזמן אמת כדי לשפר את הפלטים ADC.

הכחשת Autoencoders ו-Nural ניקוי

מכשיר אוטומטי מרתיע הוא רשת עצבית המוכשרת לשחזר אות נקי מהתבוננות רועשת.כאשר מאומנת על נתוני ADC נציג, רשת כזו יכולה לדכא ביעילות רעש קוונטי, רעש תרמי ואפילו עיוות הרמוני.טכניקה זו היא חזקה במיוחד ביישומים שבהם תכונות רעש הן קבועות או לאט משתנות.

גילוי אוטומטי ב-Industri Sensor Arrays

בתחזוקה חיזויית ופיקוח בריאות מבני, מאות או אלפי ערוצים ADC מייצרים זרמי נתונים מסיביים.מודלים של ML (למשל, SVMs, autoencoders מסוג אחד) יכולים ללמוד את התבנית הרגילה של אותות ונומנמנים דגל הנגרמים על ידי כישלונות ניתוק, במקום אחסון ולהעביר את כל הנתונים של ADC גולמי, מערכות יכולות לשדר רק את התכונות או את אינדיקטורת, להפחית באופן דרסטי של אחסון רוחב הפס, תוך שמירה על דרישות האחסון המקורי של אמצעי האחסון.

פרופיל דיגיטלי עבור Power Amplifiers

תחנות בסיס אלחוטיות משתמשות בהגדרה דיגיטלית (DPD) כדי לינארית את כוח הגדלה.ה- ADC מדגימה את הפלט המגבר, ו-DSP/ML חוסמת את הפונקציה העברת הניתוק ההפוך כדי לפצות על אי-לינאריות.DPD מתקדם המבוססת על יעילות של PH:0Volterra (FLT:1 או FLT:2neuralrated רשתות 3DLC) יכול לשפר באופן ישיר את הפחת של מערכת ההפעלה של מערכת ההפעלה של IOL.

השפעות ספציפיות של ADC Data Service

הטכניקות שתוארו לעיל הובילו לשיפורים ניכרים על פני תחומים רבים.

תקשורת ורדיו מבוסס תוכנה

תקני ה-Wi-Fi המודרניים דורשים ליניאריות גבוהה ורוחב רוחב פס מיידי רחב.שימוש ב-Oversampling, רעש עיצוב, ו calibration דיגיטלית, ADCs בתחנות הבסיס עכשיו להשיג ENOB > 14 ביטים ב 1 GSPS בשילוב עם סינון אדפטי, זה מאפשר רדיו אחד לטפל להקות תדר מרובים במקביל.

טיפול רפואי

במערכות כמו סורקי CT, אולטרסאונד ו-MRI, נתוני ADC קובעים ישירות את איכות התמונה.Oversampling ו decimation העלו את טווח דינמי של חזית אולטרסאונד ליותר מ -100 dB, ומאפשרות הדמיה בו זמנית של רקמות עמוקות ומבנים ליד שדה. Noise-design ⁇ ADCs עכשיו סטנדרטיים בחיישנים ⁇ d MRI באיכות גבוהה, בעוד למידה מבוססת דימומים של דגימות נמוכות של סרטן, ללא חשיפה של דיכאון, 000 נתונים מ-FDC, 000, 000, 000 רזולוציה נמוכה, 000.

עיבוד אודיו וספורטי

מערכות אודיו צרכניות ומקצועיות נהנים ישירות ממעליות ו-Sigma-delta Modulation כדי להשיג טווחים דינמיים מעל 120 dB. DSP מבצע משימות נוספות כמו סינון צלב דיגיטלי, תיקון חדר וטווח דינמי. סינון הסתגלות מבטל משוב בסיוע שמיעה ומדכא רעש רקע ברמקולים חכמים.

חקירה מדעית וקיצוניות

מערכות רדאר, מכ"ם מזג אוויר ועד ל- Auto LIDAR, דורשות תועלת גבוהה מאוד של נתונים ADC כי מטרות קבורות לעתים קרובות clutter. מתקדם הדופק-Doppler עיבוד משתמש ב- Windowing, פילטר קלטרי, ו-CFAR (דירוג אזעקה כוזבת) כדי לחלץ מטרות משמעותיות.compressive ensing כבר בשימוש מכ"ם מואץ כדי להפחית את מספר התדירות, תוך שמירה על מהירות דיגיטלית של בדיקות ספקטרום (DF) ובדיקה מדויקת של אמצעי בקרה (DDCF) היא כעת, בתנאי שבדקת של אמצעי בקרה סטנדרטית של אמצעי בקרה סטנדרטית של אמצעי בקרה (DSDF) ספקטרום מדויק של אמצעי בקרה).

שיקולים ומעשים

בעוד DSP מציע יתרונות עצומים, יישום טכניקות אלה בפועל דורשות שינויים קפדניים.

שקיפות ומציאות-Time Constraints

אלגוריתמים רבים, במיוחד מסננים מתאימים ולמידה של מכונה, מציגים עיכוב עיבוד.עבור מערכות בקרה סגורות-לופ (למשל, מגברי חשמל, מניעים מוטוריים), למהירויות יש למזער.

כוח ותקציב

הגדלת מורכבות העיבוד הדיגיטלי מעלה את צריכת החשמל.במכשירי IoT המופעלים על ידי סוללות, מסננים ליניאריים פשוטים עשויים להיות מועדפים למודלי ML ראשיים גבוהים.מעצבים חייבים למדוד את השיפור של ADC Dataתועלת נגד העלות האנרגטית של האנרגיה.לעתים קרובות גישה היברידית - באמצעות טכניקות מבוססות חומרה coarse ו DSP דקירה - פוגע איזון אופטימלי.

Algorithm Robustness ו- Training Data

מודלים של למידת מכונות הם רק טוב כמו נתוני האימון שלהם.אם סביבת הבדיקה שונה באופן משמעותי ממערך הנתונים של האימון, ביצועים מרתיעים יכולים לזלזל.אימון קבוע או עיבוד דומיין (באמצעות למידה העברה) עשוי להיות נדרש.

פילטרים דיגיטליים Arithmetic and Finite Word-Length Effects

כל DSP פועל על נתונים קבועים או צפים עם דיוק מוגבל. שגיאות עגול, קוונטיזציה יעילה, וזרימה יתר יכול להפיג את השימוש בנתונים מאוד ספק DSP נועד לשפר. High-resolution ADC נתונים (למשל, 24 ביטים) דורש כי המעבד לפחות 32 סיביות פנימי סיבולת כדי להימנע מלהכניס יותר רעש מאשר ADC עצמו.

הנחיות עתידיות ב-DSP עבור ADC Data Service

התחום ממשיך להתפתח במהירות.כמה מגמות מתעוררות יעצבו את הדור הבא של עיבוד אותות עבור ADCs.

מחשוב נוירומורפילי ו- Event- Based ADCs

מעבדי Neuromorphic לחקות ארכיטקטורות עצביות ביולוגיות, עיבוד אירועים עתיריים ולא זרמי דגימות צפופים. בשילוב עם ADCs מבוסס אירוע כי רק תפוק נתונים כאשר האות משתנה מעבר לסף, השילוב יכול להפחית באופן דרמטי את צריכת החשמל.DSP במקרה זה הופך לעניין של עיבוד מבוסס על ספייק, אשר עדיין במחקר מוקדם אבל מבטיח שיפור גודל יעילות אנרגיה עבור יישומים כמו cochlear ו-res תמיד חיישנים.

קובצי DSP

במקום לצלצל יד, סינון ואבני השוויון, החוקרים בודקים רשתות עצביות מקצה לקצה שממפה ישירות מדגימות ADC גולמיות לפלט הרצוי (למשל, סמלים מדמומים או אובייקטים מסווגים) גישה זו יכולה לייעל את שרשרת העיבוד כולה, תוך שהיא עשויה להתעלות על שיטות מסורתיות בתרחישים מאתגרים כגון תרחישים רב-פתים או רעש לא-גאוסי).

רדיו קוגניטיבי ו- Spectrum Sharing

רשתות אלחוטיות עתידיות ידרושות ADCs שיכולות לנסח מגוון רחב של ספקטרום תוך שימוש ב-DSP כדי להקצות באופן דינמי משאבי עיבוד.רדיו קוגניטיביים יחושו את הסביבה האלקטרומגנטית ויתאים את מסננים ואת שיעורי הדהמה על זבוב.זה ידרוש מאוד מחדש DSP מאיצים שיכולים להתחקק בין מצבי-מעלה, לא מסנן, להיות מנגן - ללא דוכנים נתונים.

מסקנה

השימוש בנתונים ADC כבר לא מוגבל על ידי חומרה ממיר לבדו.הקדמה בעיבוד אותות דיגיטליים - החל ממידע על-ידי גירוי קלאסי וסינון מותאם לידע מכונה וחישה דחיסה - סיפקו מהנדסים עם כלים חזקים כדי לחלץ מידע נקי יותר, עשיר יותר, ועוד פעולה יותר מכל דגימה.