无限采样中滞回的惊人益处：理论、算法与实验

无限采样框架（USF）最近被引入以克服传统数字采集系统中的传感器饱和瓶颈。其核心在于，USF 通过将连续时间信号转换为折叠的低动态范围（LDR）模采样，实现高动态范围（HDR）信号重建。随后通过对折叠样本进行算法展开完成 HDR 重建。然而在硬件中，实现理想的模折叠需要仔细的校准、模拟设计和高精度。在理论与实践的交汇处，本文探索了一种计算采样策略，通过一种新颖的、具有数学保证的恢复方法来补偿并放宽严格的硬件要求。我们的起点是 USF 的广义模型。该广义化除了模阈值外，还依赖于两个新参数来建模滞回和折叠瞬态。滞回解释了复位阈值与折叠时刻幅度位移之间的不匹配，我们将复位实现中的连续过渡期称为折叠瞬态。这两种效应均由我们的硬件实验所驱动，并且也出现在先前的特定领域应用中。我们证明滞回效应对 USF 是有益的，并利用它在我们的广义 USF 模型背景下推导出首个恢复保证。此外，我们展示了所提出的恢复方法如何直接推广至较低采样率的情况。我们的理论工作得到了硬件实验的证实，这些实验基于一个由现成电子元件构成的、支持滞回的模数转换器（ADC）测试平台。因此，通过利用硬件与算法的协同，本文实现了一个端到端的 HDR 采样流水线，允许更灵活的硬件实现。