

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、摘要隨著多媒體技術的發(fā)展,模數(shù)轉換、數(shù)模轉換已經成為一個不可缺少的環(huán)節(jié)。論文從提高信息編碼攜帶的信息量和減少電路功耗兩個角度出發(fā),以多值編碼轉換電路結構為研究內容,提出了多值增量調制和基于神經網絡的AD轉換器,降低了功耗,提高了信息密度.首先,基于二值增量調制的原理及其實現(xiàn)電路的拓撲結構,提出了三值增量調制的原理及其實現(xiàn)的拓撲結構,比較二者的功耗和量化噪聲發(fā)現(xiàn),三值增量調制有著更低的功耗和更小的量化噪聲,且增強了對緩變信號的調制能力。其
2、次,考慮到AID轉換器是調制系統(tǒng)核心,從具有廣泛應用背景的基于二值的逐次比較法AID轉換器分析入手,考慮到三值編碼比二值編碼攜帶更多的信息量,分析了基于兩個比較器的三值A1)轉換器設計電路,得出了開關信號理論對數(shù)字電路設計的指導作用。針對集成電路以低功耗和減小芯片面積為目的的設計原則,提出了應用具有“窗口”比較特性的AD轉換器的輸入輸出特性,設計了一種新的三值編碼AID轉換器電路,減少了電路中比較器的數(shù)目,簡化了電路結構。最后,基于神經
3、網絡的學習特性,其信號有較強的自適應,由于Hopfield神經網絡和AD轉換器具有非常相似的電路結構,考慮把Hopfield神經網絡運用于AID轉換電路中。同時,通過對基于Hopfield神經網絡的二值AID轉換器的分析,發(fā)現(xiàn)了Hopfield神經網絡存在局部極小值的局限性,并會對編碼轉換精度產生影響。為了克服這個缺陷,以逐次逼近式的AD轉換器的算法和開關信號理論為依據(jù),分析使用前向神經網絡模型的二值AD轉換器的分析,并將算法推廣到三值
4、,提出了使用前向神經網絡模型的三值AD轉換器,克服了局部極小點的缺陷,提高了編碼轉換精度,減少了轉換時間。HopfieldnetworkisappliedonthecircuitofADconverter.Batadisadvantageexistsin比elocalminimumofthebinarylogicADconverterusingHopleldnetworkanditwilldorecedethecodingprecisi
5、on.Inordertoovercomeitbasingon比esuccessiveapproximationADconverterandtheswitchsignaltheorystudyofthebinarylogicAMconverterusingaheadnetworksisanalyzedandappliedthearithmeticintheternarylogicandputforwardtheternarylogicAD
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 簡單增量調制
- 基于DSP的語音編碼中的模糊增量調制算法的實現(xiàn).pdf
- Hopfield神經網絡的改進及其應用——基于Hopfield神經網絡的脫機手寫數(shù)字識別.pdf
- 基于Hopfield神經網絡的盲均衡.pdf
- 增量調制的文獻綜述[文獻綜述]
- 復值Hopfield神經網絡盲檢測MPSK信號.pdf
- 基于Hopfield神經網絡的盲算法研究.pdf
- Hopfield神經網絡擴展的分析與研究.pdf
- 基于Hopfield神經網絡控制系統(tǒng)的研究.pdf
- 基于Hopfield神經網絡的HSDPA調度算法研究.pdf
- 基于Hopfield神經網絡的謠言認知模型研究.pdf
- 基于hopfield神經網絡的噪聲字母識別
- 基于Hopfield神經網絡的混沌建模與性能分析.pdf
- 基于混沌Hopfield型神經網絡的盲算法研究.pdf
- 簡單△m增量調制器設計
- Hopfield神經網絡的加速算法研究.pdf
- 基于Hopfield神經網絡分次諧波檢測方法的研究.pdf
- Hopfield神經網絡盲均衡算法的研究.pdf
- 基于離散Hopfield神經網絡盲均衡新算法的研究.pdf
- 增量機器學習算法研究——基于模糊神經網絡的增量學習.pdf
評論
0/150
提交評論