[發(fā)明專利]一種基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法

有效

• 申請?zhí)枺?/td>: 202110991355.1
• 申請日: 2021-08-26
• 公開（公告）號: CN113691258B
• 公開（公告）日: 2023-01-24
• 發(fā)明（設(shè)計）人: 顧廷煒;顧林;張文強;李居強
• 申請（專利權(quán)）人: 中國電子科技集團公司第五十八研究所
• 主分類號: H03M1/10
• 分類號: H03M1/10;G06N3/12
• 代理公司: 無錫派爾特知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32340
• 代理人: 楊立秋

1.一種基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法，其特征在于，包括：

步驟S1：對遺傳算法的各項參數(shù)進行初始化操作，該參數(shù)包括進化代數(shù)、種群規(guī)模、交叉概率和變異概率；

步驟S2：將影響ADC動態(tài)性能參數(shù)計算的各個因素的取值向量[a₁ a₂ a₃ a₄ a₅]作為遺傳算法的染色體編碼串個體，在各個影響因素的取值范圍內(nèi)，隨機生成一定數(shù)量的個體，構(gòu)成第一代種群；

步驟S3：根據(jù)適應(yīng)度函數(shù)，計算第一代種群中各個個體的適應(yīng)度值；

步驟S4：基于輪盤選擇算法，根據(jù)各個個體的適應(yīng)度值進行選擇，適應(yīng)度值越小，ADC動態(tài)性能參數(shù)自行計算結(jié)果與標準計算結(jié)果越接近，相應(yīng)的個體被選到的概率也越大；

步驟S5：將選出的優(yōu)秀個體之間按照設(shè)定的交叉概率和變異概率進行遺傳進化，產(chǎn)生下一代種群；

步驟S6：重復(fù)步驟S3～S5，直至達到所設(shè)置的進化代數(shù)為止，最后一代種群中適應(yīng)度值最小的個體即為影響ADC動態(tài)性能參數(shù)計算的各個因素的取值向量[a₁ a₂ a₃ a₄ a₅]的最優(yōu)解；

步驟S7：根據(jù)得到的各個影響因素取值向量[a₁ a₂ a₃ a₄ a₅]的最優(yōu)解，求取ADC的動態(tài)性能參數(shù)。

2.如權(quán)利要求1所述的基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法，其特征在于，所述步驟S2中，將影響ADC動態(tài)性能參數(shù)計算的各個因素的取值向量[a₁ a₂ a₃ a₄ a₅]作為遺傳算法的染色體編碼串個體，取值向量[a₁ a₂ a₃ a₄ a₅]中包括窗函數(shù)種類a₁、基波旁瓣范圍a₂、直流分量范圍a₃、諧波次數(shù)a₄和諧波旁瓣范圍a₅。

3.如權(quán)利要求2所述的基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法，其特征在于，所述步驟S3中適應(yīng)度函數(shù)的定義為：

計算n組不同頻率的正弦波輸入信號對應(yīng)的ADC動態(tài)性能參數(shù)TI_DYNAMIC(i)＝[SNRTHD SINAD SFDR]作為標準計算結(jié)果；

在與之相同的上述n組不同頻率的正弦波輸入條件下，根據(jù)各個因素的取值向量[a₁ a₂a₃ a₄ a₅]，自行計算對應(yīng)的ADC動態(tài)性能參數(shù)DYNAMIC(i)＝[SNR THD SINAD SFDR]作為自行計算結(jié)果，將標準計算結(jié)果與自行計算結(jié)果差值的平方和開根號后的結(jié)果作為適應(yīng)度函數(shù)。

4.如權(quán)利要求3所述的基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法，其特征在于，所述步驟S7中，根據(jù)得到的各個影響因素取值向量[a₁ a₂ a₃ a₄ a₅]的最優(yōu)解，選取窗函數(shù)種類和諧波次數(shù)，并計算基波、諧波、直流分量參數(shù)的有效值，進而求取ADC的動態(tài)性能參數(shù)DYNAMIC＝[SNR THD SINAD SFDR]。

5.如權(quán)利要求4所述的基于遺傳算法的ADC動態(tài)性能參數(shù)計算方法，其特征在于，所述ADC的動態(tài)性能參數(shù)包括信噪比SNR、總諧波失真THD、信號與噪聲失真比SINAD和無雜散動態(tài)范圍SFDR。