基于Hopfield神經網絡的三值增量調制（DM）與編碼研究.pdf

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