一种基于人工智能的Sigma-Delta调制器非线性误差协同校准方法

本发明公开了一种基于人工智能的Sigma‑Delta调制器非线性误差协同校准方法，包括以下步骤；步骤1：建立实际调制器和参考理想调制器；步骤2：将同一输入信号输入到实际调制器和理想调制器中，获取样本数据集；步骤3：构建Sigma‑Delta调制器校准方案；步骤4：构建卷积神经网络模型；步骤5：输入样本数据集训练卷积神经网络模型，获得训练完成的神经网络校准模型；步骤6：将训练好的卷积神经网络模型应用到校准后的Sigma‑Delta调制器中，Sigma‑Delta调制器输出经过卷积神经网络模型校准输出校准后的数字码，对其做FFT仿真得到校准后的Sigma‑Delta调制器性能并于校准前的性能进行比对。本发明能够同时校准优化多个误差，该方法大大降低了Sigma‑Delta调制器校准难度，提高了调制器性能。