电平偏移神经编码模数转换器
新兴技术
2018-01-03 v1
摘要
本文提出了一种基于Hopfield神经网络架构的模数转换器（ADC）实现新方法。Hopfield神经ADC（NADC）是一种递归神经网络，能有效解决诸如模数转换之类的简单优化问题。所提出设计的核心思想是：使用多个2位Hopfield NADC并行作为量化器，其中送入每个后续2位Hopfield ADC模块的模拟输入信号先经过电压电平偏移器，随后通过神经网络编码器以消除量化误差。在传统的基于Hopfield NADC的设计中，增加位数可能需要对网络参数（尤其是数字输出工作区）进行适当缩放。此外，传统Hopfield NADC分辨率的提高会产生随位数增加而增大的数字误差。所提出的设计在位数与量化电平数上均可扩展，并能使数字输出码的量值维持在可控的工作电压范围内。
引用
@article{arxiv.1801.00448,
title = {Level-Shifted Neural Encoded Analog-to-Digital Converter},
author = {Aigerim Tankimanova and Akshay Kumar Maan and Alex Pappachen James},
journal= {arXiv preprint arXiv:1801.00448},
year = {2018}
}