機械学習を用いたADC線形性のデジタル補正手法の検討

カテゴリ: 研究会(論文単位)

論文No: ECT23066

グループ名: 【C】電子・情報・システム部門 電子回路研究会

発行日: 2023/12/05

タイトル(英語): Machine Learning-Based Digital Calibration Technique for ADC Linearity Improvement

著者名: 田中 耀山(東京都市大学),傘 昊(東京都市大学)

著者名(英語): Yohzan Tanaka(Tokyo City University),Hao San(Tokyo City University)

キーワード: ＡＤＣデジタル補正|ＡＤＣ線形性|ＡＤＣ線形性デジタル補正|多目的最適化|ADC Digital-Calibration|ADC linearity|ADC Linearity Digital-Calibration|Multi-objective optimization

要約(日本語): 本発表では、ADC線形性を向上できるADC出力各ビットの重みの推定手法を提案する。ADCの実測データに対し提案手法による線形性補正を行った結果、推定した重みでADC線形性の向上を実現できた。今後はこの推定結果を機械学習に必要な教師データとして与えることで、あらゆるADCアーキテクチャに適用できるニューラルネットワークを用いたデジタル補正の実現の実現が期待できる。

要約(英語): This paper introduces a method for estimating the weight assigned to each output bit of an Analog-to-Digital Converter (ADC) to enhance its linearity. Experimental results demonstrate that applying these estimated weights improves ADC linearity. Future work aims to use these estimation results as training data for machine learning algorithms, with the goal of developing a neural network-based digital correction technique applicable to various ADC architectures.

本誌: 2023年12月8日電子回路研究会

本誌掲載ページ: 19-24 p

原稿種別: 日本語

PDFファイルサイズ: 1,528 Kバイト