实现动态信号传感宽范围精确A/D转换的自动增益控制技术外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

外文翻译

实现动态信号传感宽范围精确A/D转换的自动增益控制技术

摘要：电压采集范围和分辨率之间存在一个权衡关系，而反馈控制的性能取决于分辨率。运动控制中的许多信号随范围变化迅速，因此饱和避免和高分辨率数据采集是挑战之一。本研究提出了一种可提供宽量程和高分辨率A /D转换的多重放大技术。在FPGA上开发了高频工作电路和快速处理器，并设计了信号处理模块。实验结果表明了该模块的有效性。

关键词：测量，自动增益控制，系统与信息，系统集成，工业应用

1 引言

传感器系统广泛应用于社会和工业领域，发挥着测量、监测、故障检测等多种作用。近年来，利用存储数据的基于数据的控制技术与机器学习技术相结合，引起了人们的广泛关注。随着互联网技术的广泛传播和快速发展，导致了行业和系统管理结构的变化，传感过程将发挥许多重要的作用。这种先感知后共享的过程是工业4.0等框架的一部分，对传感器系统的进一步需求将随着这个快速发展的框架[1]、[2]而出现。

传感器系统是反馈控制系统最重要的组成部分之一，因为控制性能取决于传感器的性能。具体地说，反馈控制的带宽、控制的精度以及对外部环境的适应性由传感性能[3]、[4]决定。带宽是一个重要的指标，因为反馈控制器很容易被控制环路[5]中的相位滞后破坏，因此需要宽带控制的人机界面应该有一个快速传感单元[6]。反之，构造反馈控制器的精度也很重要。在许多情况下，控制器需要传感器输出的微分值，因此降噪也很重要。因此，模拟/数字（A/D)转换器（ADC)的性能在控制设计中非常重要。在这里，要适当地使用这些设备，需要注意许多问题。图1显示了输入1khz正弦波时具有不同增益的放大器的输出。由于输入到ADC的小信号容易受到量化噪声的影响，即使是具有delta-sigma型高性能ADC的电路，ADC的热源和参考电压的波动也是一个严重的问题。另一方面，大信号可能包括超量程ADC。数据采集时的饱和会导致反馈控制的不稳定，因此需要避免。因此，需要在空间分辨率和安全性之间进行权衡。此外，我们还可以找到时间分辨率和空间分辨率之间的权衡，即。而高速adc的[7]精度较低。然而，目前只有很少的研究报道克服这些权衡。在这种情况下，在精密测量中出现了反馈控制的需求，电子工业领域和处理交直流信号的精密测量或运动控制领域对高速、高精度的传感提出了强烈的要求。虽然delta-sigma adc或双斜率adc是经典的强大工具，但由于其采样速率慢，很难满足新兴需求。同样，时间交错型ADC[8]也得到了广泛的研究，它具有较好的时间分辨率，但不能解决饱和效应，需要保守的设计。子量程型ADC[9]具有良好的空间分辨率，提高了数据采集的分辨率，并可使用宽范围输入，但由于第一级ADC和DAC的性能决定了该技术的基本性能，设计难度较大。由于其他仪器的噪声，很难提高ADC和DAC的有效比特数。为了获得高性能，需要为集成电路付出大量成本，并在基板布线方面付出大量努力。此外，高速运行的宽带delta-sigma adc正在出现，并获得了高分辨率。然而，他们应该被驱使

图1并联放大器的输出

通过非常快的信号，需要一个指定的ADC驱动器和完善的电路板布线。然后，引入它们实际上是困难的，因为它需要很大的成本的零件和板设计。用简单的电路板设计和廉价的集成电路设计电路板对于提高电路板的通用性具有重要意义。为了克服这一问题，在[10]中提出了一种结合快速逐次逼近（SAR) ADC和可编程增益放大器（PGA)的系统。尽管有许多滤波方法，基本的滤波性能取决于噪声的数量，可以在卡尔曼滤波问题的Riccati方程[11]，[12]中看到。因此，硬件方法可以是一个很好的解决方案。该系统有一个自动增益控制器（AGC)，该控制器包括一个线性预测器和一个针对增益切换条件的滞后带，在动态范围内显示了良好的效果。然而，在实现难度和对环境的适应性方面存在问题。研究表明，系统的性能取决于增益切换算法和切换条件。本文将AGC系统扩展到宽频带信号处理。

然后，本文设计了一种在降低实现成本的同时处理陡峭信号的AGC系统。传统的方法采用线性预测和简单的迟滞比较器来控制放大器增益，不利于高频信号的处理。作为提出的模块的支柱，预测滤波器设计和抖振避免模块的设计方法被描述。显著的优点是设计过程是定量的，设计的过滤器的特性很容易确定。这些优点提供了开关条件设计的简单性和侵略性。然后，在现场可编程门阵列（FPGA)上设计了一个特定的计算电路，同时修改了计算过程。

工业上的主要目标是反馈控制或监控系统，其感官系统应具有较高的动态范围。然后，目标带宽几乎是500hz。该系统需要比高分辨率adc更少的转换时间和比流水线adc更低的成本。一个理念是在节约成本的同时实现实用性。当然，本系统也可以应用于多种类型的adc作为辅助放大器。在实验中，本文采用的加速度传感器是工业上常用的一种宽带传感器。

2 系统架构

本节展示了系统的架构，包括一个辅助电路和FPGA。在解释架构之前，本文介绍了要处理的问题。让我们假设下面的系统。

其中A、B、x、u、v分别为系统矩阵、输入矩阵、状态向量、输入向量和过程噪声向量。为了利用传感器观察x的状态，将放大器和adc的动态加入到观察方程中。

z y g w呢1，和w2 表示放大的状态向量，观测的状态向量，放大器的增益向量，和观测噪声分别穿透放大器和adc。将上式变换为

式（4)表示w2 可以通过适当地放大来减小，而w1 均匀地叠加在观察到的状态向量上，不管放大器增益。如图1所示1 小于w2，本文旨在降低w2．在经典设计中，固定增益放大器的选择考虑了传感器输出的最大振幅。因此，当传感器输出在不同范围内发生变化时，数据采集的分辨率不可避免地降低。这个问题使得控制器设计保守。解决方案之一是嵌入复数电路，包括前置放大器和adc。然而，该技术需要大规模的电路，成本较高。此外，它具有较低的可扩展性。多路复用器（MUX)实际上是一个减少部件数量的好工具，但同时切换需要很多时间来解决。因此，它没有足够的可扩展性，对高频域的数据采集造成干扰。然后，设计了一种结合AGC系统的PGA单路数据采集系统。所设计系统的功能框图如图2所示。由于这种结构没有通道切换，它缩短了处理时间。然而，这种结构本身会导致数据采样的下采样，因为ADC应该等待计算过程的结束和PGA的解决。为了抑制下采样，在FPGA上实现了计算电路。在第4节讨论AGC系统的贡献和下采样造成的损害时，讨论了理论有效性。计算电路的主要作用是（i)预测传感器输出，以避免超量程；(ii)提取高频信号的包络线，以避免过度切换。提供这些功能的控制器的设计方法见第3节。

3 控制器设计

由于预测和增益控制都需要在一个周期内完成，因此本研究需要一个快速处理单元。为了实现计算的加速，本文在FPGA上实现了特定应用的算法电路。控制系统的框图如图3所示，其中N和P表示ADC的位数和PGA的可设置增益。该AGC系统由（1)预测滤波器，(2)增益控制器和滞后比较器组成。

图2系统架构

图3控制系统框图

先进先出（FIFO)缓冲器，以及（3)具有避免故障的增益转换器。(1)预测滤波器用于预测ADC的饱和度。(2)增益控制器根据情况改变PGA的增益。(3)增益变换器考虑到PGA的增益变化，在FPGA上设置内部转换增益和PGA的实际增益。这可以很容易地通过准备一个延迟缓冲器来实现，以存储PGA的过去增益。然后在这一部分描述了预测滤波器和增益控制器的设计方法，并在实验部分确认了增益变换器的必要性。虽然该控制结构具有增益自适应反馈环，但该系统的目的不是通过采样技术（如delta; - sigma;调制器[13]，[14])来降低噪声。该控制系统采用双精度浮点数，保证了计算的高动态范围。

3.1预测滤波器

为了避免A/D转换时的饱和，本文设计了预测滤波器。一阶近似滤波器表示为

设计在这里，上标circ;表示预测值和x、y、n、Ts 分别为获取的状态值、避免饱和的预测值、步长和采样时间。该滤波器在n步后提供一个预测值，可以通过因子n被视为一个抽取的预测滤波器。这个因子决定了相位超前的程度，从而决定了避免饱和的能力。虽然采集到的信号含有噪声，但x[k]不应该被滤波，因为滤波器会延迟信号并使预测器不可用。另一方面，应设计成在微分时不产生大的噪声。因此，只对微分器安装低通滤波器。利用一阶低通滤波器，预测器（5)在频域可以表示为

其中s和gpd 分别为拉普拉斯算子和低通滤波器截止频率。利用双线性变换，导出了离散时间IIR滤波器。

需要注意的是，所提出的预测滤波器可以用非常少的算术单元实现。在这里，本文展示了滤波器作为预测器的能力。图4显示了步长n和时间超前滤波器e的波德图sTS，它是一个理想的预测器。这里，本文设参数为Ts = 50 mu;s和gpd = 3000 Hz。该截止频率足以达到AGC的目标带宽，是一个可行的实现值，在以上采样时间内噪声不会放大太多。由于相位滞后，由滤波器和孔径效应，相位预测滤波器的特性在高频域会恶化。这些结果表明，低步长滤波器是不够的预测器。在高频域增加增益不是问题，因为它可以避免饱和，但较大的步长会降低预测的可靠性，并使控制设计保守。在检查增益和相位特性时，应设计步长。一个显著的优点是计算次数少。该特性处理速度快，擅长高频信号处理。此外，通过设置滤波器的系数，可对预测步长进行编程。如上所述，在高频域中的一步预测是没有用的，确保设计自由度是重要的。此外，设计的滤波器的特性很容易通过波德图检查，并可以定量评估。

图4预测滤波器的波德图

在这里，本文展示了所实现的预测滤波器相对于传统方法[10]的优势。传统研究采用线性预测方法。该方法的一个显著缺点是设计困难，特别是在对系统进行预先测量时，难以确定回归变量的个数和选择被试模型一个简单的线性预测方法假设系统可以建模为一个自回

归外生（ARX)模型，如

这里是A B u w z Ai, b j (i = 1，hellip;， n, j = 1，hellip;， m)分别是输出回归量、输入回归量、输入量、白噪声、移位算子和回归量的系数。通过递推最小二乘法（RLS)得到回归参数的最优系数。RLS的一种算法如下：

E，lambda;，P分别为估计误差，遗忘因子，协方差矩阵。RLS方法有一些与估计性能相关的注意事项：

(1)为了求解RLS中的矩阵方程，需要保证输入的持续激励。(2)采样时间和回归量需要预先调优。(3)当噪声通过移动平均滤波器影响系统或噪声被另一个系统着色时，称为自回归－移动平均外生（AR- MAX)模型或自回归－自回归外生（ARARX)模型，不能直接应用RLS。

ARX模型被称为全极模型，其表达能力并不高。不可忽略的问题是抽样时间和回归量。因为回归的数量决定了零和极点的数量，所以应该谨慎设计。如果有冗余的回归量，就会出现伪极点零抵消。另外，由于离散化，模型所要精确表达的带宽取决于采样时间。考虑到难度，我们准备了一个连续时域上有两极且不为零的plant simulator，如下所示：

在改变回归量和采样时间的同时，对被识别模型的频率响应进行检查。图5和图6显示了系统识别结果ob－通过注入一个由一个18阶基元多项式在伽罗瓦域上生成的m序列来得到。由于m序列的初始时间序列在所有的仿真中都是固定的，因此具有通用性。输出回归量和输入回归量的数字是2和1或7和1。采样时间设置为10ms、1ms、100us。值得注意的是，即使模拟器和模型之间的零和极点的数量是匹配的，模型的共振频率也会随着采样时间的变化而变化。这意味着模型的性能取决于采样时间，使用线性预测需要对时间序列进行适当的抽取。在未知环境中使用该系统是困难的，因为这样的设置需要预先识别。另一方面，当零、极点数与模型不匹配时，会出现较大的相位滞后。相位滞后几乎等于时间延迟，使预测困难。此外，计算成本高。

图5 RLS系统识别（1)

图6 RLS系统识别（2)

与该方法相比，该方法通过调整预测步长数，较容易实现相位滞后补偿。如前所述，该特征对于处理高频信号是有效的，因为高频域的一步预测并不总是有用的。此外，所设计的滤波器可用于任何系统，而线性预测只能应用于AR模型。因此，所设计的预测滤波器具有较好的通用性。

3.2增益控制器

设计了增益控制器来调节PGA的增益。PGA的增益由外部逻辑信号控制，该控制块的作用是输出正确的逻辑信号。在这里，由于开关操作会导致轻微的失真，应避免过度开关。传统的方法[10]只使用了一个滞后比较器，但我们发现它在高频输入时导致了很大的增益变化。为了满足这一条件，在该控制器上实现了一个滞后和一个附加的FIR滤波器；通过抖振避免滤波器对控制逻辑信号进行更新.

其中Lisin;[0,p] (p：可设定收益的个数)，GPGAr w和xs 表示增益地址，由L控制的PGA的增益，为抖振避免滤波器的设计参数，PGA输出的预测输入值和放大传感器输出，等于ADC的输入。数字格式X bY表示y的X位二进制，定义L为L的增加，L的减少决定G的变化PGA．该值被转换成二进制码，并作为决定增益的命令传递给PGA。常数Vth 、Vthminus;为包括迟滞量在内的开关条件的阈值。这些设计参数和r决定了在A/D转换时避免饱

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[590838]，资料为PDF文档或Word文档，PDF文档可免费转换为Word