Nyquist采样定理是连接模拟信号和数字信号的桥梁。随着信息处理技术的不断发展,信号的带宽越来越大,这对传统数模转换器(Analog to Digital Converter,ADC)产生了巨大挑战。以压缩感知(Compressed Sensing,CS)理论为基础的模拟信息转换...
详细信息
Nyquist采样定理是连接模拟信号和数字信号的桥梁。随着信息处理技术的不断发展,信号的带宽越来越大,这对传统数模转换器(Analog to Digital Converter,ADC)产生了巨大挑战。以压缩感知(Compressed Sensing,CS)理论为基础的模拟信息转换器(Analog-to-Information Converter,AIC)能够以远低于Nyquist采样速率采集信号,可以有效降低信息采集设备的功耗和采集冗余。在智能采集终端、工业物联网等领域,AIC具有实际应用前景。
在传统的AIC设计中对于信号的采集往往是以频域稀疏信号为基础,但并不是所有的信号都具有频域稀疏性,如自然信号中的心电信号、雷达信号、语音信号等在傅里叶变换或小波变换时呈现出渐进稀疏特性。近年来,为解决自然信号的压缩采样问题,研究学者提出以信号能量分布不均特性代替信号稀疏性的思想,来实现对模拟信号的压缩采样。但该方法局限于信号重构算法部分,缺少信号能量评价指标导致信号在压缩采样过程中容易产生冗余和额外功耗的问题。
本文针对能量分布不均信号在压缩采样中存在采集冗余问题,以PWM-AIC架构为基础,结合信息熵理论和能量最大化思想,提出了基于能量最大化的PWM-AIC设计方法。首先,以PWM(Pulse Wide Modulation,PWM)自然采样作为模拟信号采样和编码的一种方式。其次,考虑到采集信号的能量分布情况,提出了基于功率谱熵搜索策略优化算法。该算法以功率谱熵作为衡量信号能量分布的指标,在算法循环迭代的过程中尽可能地减少采集到能量较低且无关的特征属性,通过适当干预TDC(Time to Digital Converter,TDC)工作的时钟频率来提高压缩比和降低系统功耗。最后,通过搭建相应的硬件系统实物平台来验证该优化设计的可行性。实验测试信号以心电信号为例,测试结果表明,该设计方法能够在压缩比为4的情况下重构信噪比可达38.91d B重构精度为0.36%,在采样心电信号的同时减少了80%的TDC内部时钟动态翻转,从而有效降低功耗。在构建AIC实物电路设计时,本文采用Xilinx FPGA平台对AIC系统进行实物设计。FPGA电路设计结构以混合延迟矩阵的方式,并采用多个TDC模块对PWM脉冲信号进行并行测量。由于该系统集成于FPGA芯片内部大大提高了系统稳定性和集成度,降低了系统成本且对于脉冲宽度的测量分辨率可达皮秒级,极大满足目前对高频信号的采集测量需求。
暂无评论