一种基于神经网络的负反馈自动增益控制电路及方法技术

本发明专利技术公开了一种基于神经网络的负反馈自动增益控制电路及方法，旨在解决现有技术中自动增益控制电路因温度、电路自身偏差等带来的增益不准确出现偏差的问题；本申请的神经网络的输入学习样本包括整个电路的输入电压Vin、峰值检测器所输出的检测电压Vp和低通滤波器所输出的第一控制电压Vc，更好地模拟了AGC内部各个模块的电路偏差或者温度变化带来的工作偏差，从而产生更加精确的参考电压更准确地控制了增益的大小，实现了高精度的增益控制；本申请适用于增益控制电路相关领域。

【技术实现步骤摘要】
一种基于神经网络的负反馈自动增益控制电路及方法
本专利技术涉及射频自动增益控制电路领域，具体涉及一种基于神经网络的负反馈自动增益控制电路。
技术介绍
接收机的动态范围DR，是接收机能够接收检测到的信号功率最小可检测信号到接收机输入1-dB压缩点的功率变化，是接收机最重要的性能指标之一。通常一般接收机都具有60～80dB的动态范围，现代接收机对动态范围提出了严格的要求，一般都在100dB以上。接收机动态范围的大小与自动增益控制有很大的关系。为了最终能够解调天线接收到的信号，需要自动增益控制电路(AGC)将天线接收到的不同功率的信号放大到基带模数转换器(ADC)和解调器量化和解调所需的最优功率，从而为解调器提供最优的信噪比，以达到最低的误码率。由于解调器是数字电路，一般来说自动增益控制电路会将接收到的信号放大到ADC的最佳输入功率。接收机接受到来自天线的信号因为环境的因素功率会有很大的差异。接收机离天线近的时候，接收到的信号功率大，接收机为了防止后级电路饱和，会使用比较小的增益。当接收机离天线比较远的时候，接收到的信号在空间中衰减比较严重，信号功率就比较小，接收机为了后级解调电路能有很高的信噪比，需要有比较大的增益来将其放大。现有的自动增益控制一般至少三个部分，是一个直流电压负反馈系统。一个可变增益的中频放大器，是整个自动增益控制最核心的部分，用于提供不同的增益需求，它的精度决定了自动增益控制的准确度，因为自动增益控制是整个接收机的最后一级，它的线性度很重要，而可变增益放大器是决定自动增益控制线性度的重要模块，将不同幅度大小的信号放大到后级电路所需的大小。可变增益中频放大器分为模拟可变增益放大器和数字可变增益放大器，模拟可变增益放大器(VGA)的增益可以连续变化，数字可变增益放大器又称为可编程增益放大器(PGA)，采用数字的方法控制增益的变化，它的增益不能连续变化，有最小步长，但它的线性和带宽性能要比VGA好。一个能量检测电路(RSSI)及其能量量化的模数转换器(SAR-ADC)，用于检测输入信号的能量，根据输入信号的能量大小来产生一个电压信号，与参考电压进行计算产生可变增益放大器的控制电压。一个低通环路滤波器，一般是Gm_C有源滤波器，用于滤除控制电压的干扰信号。一般的AGC电路实现如图2所示，数字自动增益控制只需将其中VGA用PGA代替。神经网络是一项以生物大脑的结构和功能为基础，以网络节点模仿大脑的神经细胞，以网络连接权模仿大脑的激励电平的技术，能有效的处理问题的非线性、模糊性和不确定关系。在传统的计算机中，我们告诉计算机要做什么，将大问题分解成许多小的，精确定义的任务，计算机可以很容易的执行。相比之下，在神经网络中，我们不告诉计算机如何解决我们的问题。相反，它从观察数据中学习，找出自己解决问题的方案。神经网络相应的有全连接神经网络也叫多层感知机(MLP)。除多层感知机之外还有卷积神经网络(CNN)和循环神经网络(RNN)。RNN引入了定向循环，可以处理那些输入之间前后关联的问题。
技术实现思路
本专利技术的目的在于：针对现有技术中自动增益控制电路因温度、电路自身偏差等带来的增益不准确出现偏差的问题，本专利技术提供了一种基于人工神经网络的负反馈自动增益控制电路及方法。本专利技术采用的技术方案如下：一种基于神经网络的负反馈自动增益控制电路,包括自动增益控制模块、神经网络模块；所述自动增益控制模块包括可变增益放大器、峰值检测器、低通滤波器和对数放大器；所述可变增益放大器，接收输入电压Vin；所述峰值检测器，接收可变增益放大器所发送的输出电压Vout；所述对数放大器，接收峰值检测器所输出的检测电压Vp；所述神经网络模块，接收输入电压Vin、峰值检测器所输出的检测电压Vp和低通滤波器所输出的第一控制电压Vc并训练输出参考电压Vref；所述低通滤波器，接收神经网络模块所输出的参考电压Vref和对数放大器所输出的对数放大电压V1之间的差值电压并对差值电压进行滤波处理得到第二控制电压Vc1；所述可变增益放大器，接收低通滤波器所输出用于反馈调节输入电压Vin的第二控制电压Vc1并输出满足预设精度的输出电压Vout。具体地，所述低通滤波器采用Gm_C有源滤波器。具体地，所述神经网络模块采用CNN模块、FNN模块、RNN模块或LSTM模块。更进一步地，神经网络模块采用RNN模块或LSTM模块；所述神经网络模块通过模数转换器采集输入电压Vin和第一控制电压Vc。更进一步地，还包括电压采集模块，电压采集模块包括模数转换器、二选一选择寄存器、第一寄存器和第二寄存器；所述模数转换器，采集输入电压Vin和第一控制电压Vc；所述二选一选择寄存器，用于分配输入电压Vin和第一控制电压Vc的网络权重，连接数模转换器且还通过第一寄存器和第二寄存器连接神经网络模块。更进一步地，所述神经网络模块采用CNN模块或FNN模块。本申请还提供了一种基于神经网络的负反馈自动增益控制方法，包括以下步骤：步骤1：设置具有输入电压Vin和输出电压Vout的自动增益控制主干路，并设置用于反馈调节自动增益控制且具有神经网络的反馈回路；步骤2：采集自动增益控制主干路的输入电压Vin、输出电压Vout和反馈回路的电压参数作为神经网络训练样本，将神经网络训练样本输入到神经网络，持续训练得到满足预设精度的参考电压Vref；所述步骤2的具体步骤为：步骤2.1：采集训练样本采集在不同的输入电压Vin情况下，将未经调节的输出电压Vout以及峰值检测器所输出增强的检测电压Vp、第一控制电压Vc、输入电压Vin作为人工神经网络的输入训练样本，参考电压Vref作为输出，直到输出电压Vout在不同的输入电压Vin下与输出目标达到设定精度，记录数据，记下权重值，得到样本Y；步骤2.2：神经网络的学习进行神经网络模型和网络权重值的初始化，初始化人工神经网络神经元个数为3个，训练样本为Y；输入工作时候的输入电压Vin，根据神经网络算法和训练样本神经网络产生输出，然后与预期目标输出进行比较，如果神经网络输出的误差大于预期目标输出的误差，则修改网络权重值，重新进行输出，直到网络输出与预期目标输出的误差达到预期精度，保存人工神经网络的网络模型、神经元个数和网络权重值，训练结束得到参考电压Vref。步骤3：利用步骤2中的参考电压Vref反馈调节自动增益控制主干路的输入电压Vin获得满足预设精度的输出电压Vout；具体地，所述步骤3的具体步骤为：步骤3.1：获得步骤2中的参考电压Vref与对数放大器所输出的对数放大电压V1的差值，即差值电压；步骤3.2：差值电压经过低通滤波器处理后获得第二控制电压Vc1，利用第二控制电压Vc1反馈调节自动增益控制主干路的输入电压Vin获得满足预设精度的输出电压Vout。具体神经网络的训练过程为：(1)采集训练样本采集在不同的输入电压Vin情况下，将未经调节的输出电压Vout以及峰值检测器所输出的检测电压Vp、第一控制电压Vc、输入电压Vin作为人工神经网络的输入训练样本，参考电压Vref作为输出，直到输出电压Vout在不同的输入电压Vin下与输出目标达到设定精度，记录数据，记下权重值，得到样本Y；(2)神经网络的学习进行神经网络模型和网络权重值的初始化，初始化人工神经网本文档来自技高网...

【技术保护点】
1.一种基于神经网络的负反馈自动增益控制电路,其特征在于，包括自动增益控制模块、神经网络模块；所述自动增益控制模块包括可变增益放大器、峰值检测器、低通滤波器和对数放大器；所述可变增益放大器，接收输入电压Vin；所述峰值检测器，接收可变增益放大器所发送的输出电压Vout；所述对数放大器，接收峰值检测器所输出的检测电压Vp；所述神经网络模块，接收输入电压Vin、峰值检测器所输出的检测电压Vp和低通滤波器所输出的第一控制电压Vc并训练输出参考电压Vref；所述低通滤波器，接收神经网络模块所输出的参考电压Vref和对数放大器所输出的对数放大电压V1之间的差值电压并对差值电压进行滤波处理得到第二控制电压Vc1；所述可变增益放大器，接收低通滤波器所输出用于反馈调节输入电压Vin的第二控制电压Vc1并输出满足预设精度的输出电压Vout。

【技术特征摘要】
1.一种基于神经网络的负反馈自动增益控制电路,其特征在于，包括自动增益控制模块、神经网络模块；所述自动增益控制模块包括可变增益放大器、峰值检测器、低通滤波器和对数放大器；所述可变增益放大器，接收输入电压Vin；所述峰值检测器，接收可变增益放大器所发送的输出电压Vout；所述对数放大器，接收峰值检测器所输出的检测电压Vp；所述神经网络模块，接收输入电压Vin、峰值检测器所输出的检测电压Vp和低通滤波器所输出的第一控制电压Vc并训练输出参考电压Vref；所述低通滤波器，接收神经网络模块所输出的参考电压Vref和对数放大器所输出的对数放大电压V1之间的差值电压并对差值电压进行滤波处理得到第二控制电压Vc1；所述可变增益放大器，接收低通滤波器所输出用于反馈调节输入电压Vin的第二控制电压Vc1并输出满足预设精度的输出电压Vout。2.如权利要求1所述的一种基于神经网络的负反馈自动增益控制电路,其特征在于，所述低通滤波器采用Gm_C有源滤波器。3.如权利要求1所述的一种基于神经网络的负反馈自动增益控制电路，其特征在于，所述神经网络模块采用CNN模块、FNN模块、RNN模块或LSTM模块。4.如权利要求3所述的一种基于神经网络的负反馈自动增益控制电路，其特征在于，神经网络模块采用RNN模块或LSTM模块；所述神经网络模块通过模数转换器采集输入电压Vin和第一控制电压Vc。5.如权利要求3所述的一种基于神经网络的负反馈自动增益控制电路，其特征在于，还包括电压采集模块，电压采集模块包括模数转换器、二选一选择寄存器、第一寄存器和第二寄存器；所述模数转换器，采集输入电压Vin和第一控制电压Vc；所述二选一选择寄存器，用于分配输入电压Vin和第一控制电压Vc的网络权重，连接数模转换器且还通过第一寄存器和第二寄存器连接神经网络模块。6.如权利要求5所述的一种基于神经网络的负反馈自动增益控制电路，其特征在于，所述神经网络模块采用CNN模块或FNN模块。7.一种基于神经网络的...

【专利技术属性】
技术研发人员：史峥宇，程和，肖潇，王雯，唐佇，
申请(专利权)人：成都市深思创芯科技有限公司，
类型：发明
国别省市：四川,51