模数转换电路和对忆阻器的误差校准方法技术

本发明专利技术提供了模数转换电路和对忆阻器的误差校准方法，模数转换电路包括：忆阻神经形态模数转换器、数模转换器、减法器和采样保持电路；忆阻神经形态模数转换器用于获取模拟输入信号，并将模拟输入信号进行模数转换，得到数字信号；数模转换器用于将数字信号进行数模转换，得到模拟输出信号；采样保持电路用于将模拟输入信号进行处理，得到采样模拟电压信号；减法器用于根据采样模拟电压信号和数字信号，计算第一差值，并将第一差值作为下一级模数转换电路的输入；该方法包括：获取梯度下降策略；根据梯度下降策略更新权值，使忆阻神经形态模数转换器达到收敛；获取随机权值扰动更新策略；根据随机权值扰动更新策略使能量函数输出不同的信号。输出不同的信号。输出不同的信号。

【技术实现步骤摘要】
模数转换电路和对忆阻器的误差校准方法


[0001]本专利技术涉及集成电路
，尤其是涉及模数转换电路和对忆阻器的误差校准方法。

技术介绍

[0002]流水线模数转换器由若干级功能类似的模块组成，每个模块包括模数转换(mADC)子模块和数模转换(DAC)模块等。流水线ADC的精度与mADC子模块的信号处理精度密切相关，而mADC子模块的工作参数会影响ADC模块的信号处理精度。例如，mADC的忆阻器为保证流水线ADC的精度，需要电阻匹配精度满足设计需求。
[0003]目前，通常留有大量设计余量(例如增大电容面积)，或者通过模拟或数字方式进行电容补偿。然而，增大电容面积会增加流水线ADC的输入负载及运算放大器(OPA)负载，不仅增加流水线ADC功耗，而且显著增加采样开关、OPA等其他模块的设计难度；采用有监督式神经网络ADC需要准备特定的训练数据进行校准，因此增加了硬件存储的开销。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供模数转换电路和对忆阻器的误差校准方法，利用梯度下降策略和随机权值扰动更新策略摆脱对训练数据的依赖，实现自适应高精度的忆阻神经形态模数转换器；忆阻神经形态模数转换器兼顾高精度和低功耗的特点。
[0005]第一方面，本专利技术实施例提供了模数转换电路，包括：忆阻神经形态模数转换器、数模转换器、减法器和采样保持电路；
[0006]所述忆阻神经形态模数转换器，用于获取模拟输入信号，并将所述模拟输入信号进行模数转换，得到数字信号；
[0007]所述数模转换器，用于将所述数字信号进行数模转换，得到模拟输出信号；
[0008]所述采样保持电路，用于将所述模拟输入信号进行处理，得到采样模拟电压信号；
[0009]所述减法器，用于根据所述采样模拟电压信号和所述数字信号，计算第一差值，并将所述第一差值作为下一级模数转换电路的输入。
[0010]进一步的，所述数模转换器用于：
[0011]根据下式计算所述模拟输出信号：
[0012][0013]其中，D
out
为所述模拟输出信号，V
ref
为所述模数转换器的参考电压，D
i
为所述数字信号，N为所述模数转换器的个数，i取0～3。
[0014]进一步的，所述忆阻神经形态模数转换器包括突触单元、人工神经元和随机扰动单元，所述突触单元包括多个1T1R单元，所述1T1R单元包括第一MOS管和忆阻器；
[0015]所述第一MOS管的栅极接受选通信号，所述第一MOS管的源极接受反馈信号，所述第一MOS管的漏极与所述忆阻器的底电极相连接，所述忆阻器的顶电极与所述人工神经元
的输入端相连接。
[0016]进一步的，所述人工神经元包括反向器、比较器、电压跟随器和第二MOS管；
[0017]所述第二MOS管用于接收所述随机扰动单元输出的电压设置信号；当所述人工神经元的输出信号用于反馈时，所述电压设置信号控制所述第二MOS管断开，使所述比较器和所述电压跟随器进行工作；当所述人工神经元的输出信号不用于反馈时，所述电压设置信号控制所述第二MOS管连接，所述人工神经元的输入信号等于所述输出信号。
[0018]进一步的，所述突触单元的权值分别在低阻态和高阻态之间变化。
[0019]第二方面，本专利技术实施例提供了对忆阻器的误差校准方法，应用于如上所述的模数转换电路，所述模数转换电路包括忆阻神经形态模数转换器、数模转换器、减法器和采样保持电路；所述方法包括：
[0020]获取梯度下降策略；
[0021]根据所述梯度下降策略更新权值，使所述忆阻神经形态模数转换器达到收敛；
[0022]获取随机权值扰动更新策略；
[0023]根据所述随机权值扰动更新策略使能量函数输出不同的信号。
[0024]进一步的，所述能量函数通过以下方式获取：
[0025][0026]其中，E为所述能量函数，V
in
为所述模拟输入信号，D
out
为所述模拟输出信号。
[0027]进一步的，根据所述随机权值扰动更新策略使能量函数输出不同的信号，包括：
[0028]根据所述模拟输入信号和所述模拟输出信号，计算第二差值；
[0029]当所述第二差值大于门限值时，输出随机扰动脉冲信号；
[0030]当所述第二差值小于所述门限值时，输出反馈信号；其中，所述反馈信号为人工神经元的输出信号。
[0031]第三方面，本专利技术实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
[0032]第四方面，本专利技术实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如上所述的方法。
[0033]本专利技术实施例提供了模数转换电路和对忆阻器的误差校准方法，模数转换电路包括：忆阻神经形态模数转换器、数模转换器、减法器和采样保持电路；忆阻神经形态模数转换器用于获取模拟输入信号，并将模拟输入信号进行模数转换，得到数字信号；数模转换器用于将数字信号进行数模转换，得到模拟输出信号；采样保持电路用于将模拟输入信号进行处理，得到采样模拟电压信号；减法器用于根据采样模拟电压信号和数字信号，计算第一差值，并将第一差值作为下一级模数转换电路的输入；该方法包括：获取梯度下降策略；根据梯度下降策略更新权值，使忆阻神经形态模数转换器达到收敛；获取随机权值扰动更新策略；根据随机权值扰动更新策略使能量函数输出不同的信号；利用梯度下降策略和随机权值扰动更新策略摆脱对训练数据的依赖，实现自适应高精度的忆阻神经形态模数转换器；忆阻神经形态模数转换器兼顾高精度和低功耗的特点。
[0034]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变
得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0035]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0036]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术实施例一提供的多级模数转换电路示意图；
[0038]图2为本专利技术实施例一提供的忆阻神经形态模数转换器的结构示意图；
[0039]图3为本专利技术实施例一提供的突触单元的结构示意图；
[0040]图4为本专利技术实施例一提供的人工神经元的结构示意图；
[0041]图5为本专利技术实施例二提供的对忆阻器的误差校准方法流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模数转换电路，其特征在于，包括：忆阻神经形态模数转换器、数模转换器、减法器和采样保持电路；所述忆阻神经形态模数转换器，用于获取模拟输入信号，并将所述模拟输入信号进行模数转换，得到数字信号；所述数模转换器，用于将所述数字信号进行数模转换，得到模拟输出信号；所述采样保持电路，用于将所述模拟输入信号进行处理，得到采样模拟电压信号；所述减法器，用于根据所述采样模拟电压信号和所述数字信号，计算第一差值，并将所述第一差值作为下一级模数转换电路的输入。2.根据权利要求1所述的模数转换电路，其特征在于，所述数模转换器用于：根据下式计算所述模拟输出信号：其中，D
out
为所述模拟输出信号，V
ref
为所述模数转换器的参考电压，D
i
为所述数字信号，N为所述模数转换器的个数，i取0～3。3.根据权利要求1所述的模数转换电路，其特征在于，所述忆阻神经形态模数转换器包括突触单元、人工神经元和随机扰动单元，所述突触单元包括多个1T1R单元，所述1T1R单元包括第一MOS管和忆阻器；所述第一MOS管的栅极接受选通信号，所述第一MOS管的源极接受反馈信号，所述第一MOS管的漏极与所述忆阻器的底电极相连接，所述忆阻器的顶电极与所述人工神经元的输入端相连接。4.权利要求3所述的模数转换电路，其特征在于，所述人工神经元包括反向器、比较器、电压跟随器和第二MOS管；所述第二MOS管用于接收所述随机扰动单元输出的电压设置信号；当所述人工神经元的输出信号用于反馈时，所述电压设置信号控制所述第二MOS管断开，使所述比较器和所述电压跟随器进行工作；当所述人工神经元...

【专利技术属性】
技术研发人员：王义楠，李智炜，李清江，王伟贺，刘海军，徐晖，傅星智，邓铭鑫，刁节涛，刘森，宋兵，陈长林，于红旗，王玺，步凯，王伟，王琴，孙振源，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：