并行采样与动态重构教程.docVIP

研究内容 多通道并行采集技术 多通道采样方法主要是从时域出发，以多个低速的采样序列重构出高速的采样序列。在M个通道的时域采样系统中，用M个采样通道，在不同的时间序列下，分别对输入信号进行采样，要求所有通道的采样周期相同，任何相邻的两个采样通道的采样时间间隔严格相等，此时，允许每个通道的采样频率低于信号的两倍带宽，但每个通道采样频率的M倍要高于信号的两倍带宽。将M个采样通道所得到的采样点序列按照采样时间的先后顺序进行串行存储输出，输出序列即为输入信号的无失真采样序列。 FPGA动态重构技术 FPGA动态可重构技术，就是要对基于SRAM编程技术FPGA的全部或部分逻辑资源实现在系统的动态的功能变换。对于时序变化的 数字逻辑系统，其时序逻辑的发生不是通过调用芯片内不同区域、不 同逻辑资源来组合而成，而可通过对具有专门缓存逻辑资源的FPGA，进行局部的和全局的芯片逻辑的动态重构(或称修改)而快速实现。 动态可重构FPGA内部逻辑块和内连线的改变，可以通过读取不同的 SRAM bit数据来直接实现这样的逻辑重建，时间往往在纳秒量级，有助于实现FPGA系统逻辑功能的动态重构。 关键技术[] 高速分时时钟控制与数据分相存储技术 高采样率必然要求高速的采样时钟与之匹配。采样时钟相位延迟是采用分时并行采样技术的系统实现高采样率的关键所在，需要对高频采样时钟做到精确地相位延迟。 模拟信号经过ADC采集输出的数据速率较高，不能实现实时处理，需要将高速数据先缓存起来。基于深存储技术，可以采用FIFO高速缓存与DDR2深存储的双重存储架构。 基于联合子空间理论的信号数据动态重构技术 如果信号类型是稀疏信号，其在某一时刻仅占用其全部带宽中有限频带，若依然采用传统的周期非均匀采样方法实现重构，则采样效率较低。有学者指出具有稀疏特性的信号在重构时可以扔掉大部分的参数而不会造成损失，其常见的重构算法有多测量向量模式，最小L1范数，正交匹配追踪等，这些算法主要是针对数值进行压缩重构 把压缩重构的思想运用到周期非均匀采样中，可以有效的解决模拟盲稀疏信号的采样与重构。首先建立信号在周期非均匀的采样模型，利用联合子空间理论[]将采样与重构转换为向量运算，借助多测量( MMV) 模式把无限模型( IMV)转换为有限向量( FMV) 的形式，并以此得出信号的稀疏特性，然后使用插值器把欠采样得到的序列插值重构成Nyquist 采样序列。该方法在不影响对信号完整重构的前提下，减少了采样通道的数量，节省了系统资源，提高了采样效率。 研究方案 并行交替型ADC(Time-Interleaved ADC，TIADC)是一种实现超高速的数据采集的有效方法，然而通道失配误差如偏置误差、增益误差和时间相位误差严重降低了系统的信噪比。 这里有两种误差估算方法，盲适应的估算方法和基于拟合的估算方法，前者相对比较复杂，要求输入信号是带限的，估算精度相对不是很高，后者相对简单，要求输入信号是正弦信号，估算精度可以很高。 并行交替ADC系统通道间的失配误差可以通过对输出数据建立一种损耗函数（(Loss function），然后通过对损耗函数的最小化来得到，这种方法被称为盲适应(Blind Adaptive)估算方法。这里损耗函数由瑞典人Elbomsson给出[][]。 并行交替通道间的失配误差参数也可以通过拟合的方法得到，具体就是给并行交替ADC系统输入一正弦波，然后并行交替ADC系统M个通道的ADC分别采集N个数据点y0[n]，y1[n]，y2[n]，y3[n]， y4[n]，yM-1[n]，n=0，1，2…M-1这里单通道的采样率为f1=1/T1=1/(MTs)然后对这M组数据分别进行正弦波的拟合。 几种误差修正方法 对并行交替型ADC系统，偏置误差和增益误差的修正比较简单。偏置误差对于系统相当于产生的加性噪声，可使用累加单元可以进行补偿。增益误差对于系统相当于附加的乘性噪声，可使用乘法单元可以进行补偿，实现校正。关于时间相位的修正比较困难，这里有几种常用的时间相位误差的修正方法:基于插值的修正方法，基于分数延迟滤波器的修正方法，基于多速率滤波器组的修正方法，自适应非均匀综合校准法。 基于插值的修正方法 这里在Papoulis广义采样展开式基础上，给出基于插值方法周期非均匀采样信号的重构，重构的是均匀采样后的数字信号，这种方法可直接用于修正并行交替型ADC时间相位误差，该方法对并行交替型ADC系统的时间相位误差的修正非常有效，但该方法的计算量很大。 仿真结果与分析 这里仿真四个通道的并行交替型ADC系统，其中每个ADC的采样率为250Msps，即整个系统的等效采样率为1Gsps，仿真在Matlab中进行ADC用理想的ADC替代,即只考虑ADC的量化噪声，这里把输出信号量化为12位，这四个通道引