[发明专利]认知信号转换器

说明书

技术领域

本发明总体上涉及模数转换器(例如，模拟信息转换器(analog-to-information converter))领域。更具体地，本发明涉及对这种转换器的操作的控制和优化。

背景技术

一般使用数字技术而不是模拟技术来实现电子设备，然而电子设备要处理的信号通常最初是模拟的(例如，无线电信号、传感器输出信号、图像采集等)。通常，数字技术越先进，越需要将模拟信号转换为适合于数字技术实现的数字信号的工作。

概念上，模数转换器(也称为ADC或A/D转换器)及其基本功能(采样和保持、量化)在本领域是众所周知的，在本文中将不进行进一步详述。

模数转换满足特定要求通常是有益的，甚至是必需的。这样的要求例如可包括准确性要求(在对于每个样本的采样速度和/或量化精度方面)和/或能耗要求。量化精度可例如包括与模拟信号样本值的量化范围和/或最大偏差。满足模数转换的所有要求通常可能是麻烦的，特别是在模数转换的实现应当相当容易并且/或者电路占用面积小的情况下更是如此。通常，如果ADC被设计成满足特定应用的要求，则其可能不适合用于另一应用中。

因此，需要使得ADC的操作能够适应特定应用的配置。

US 2011/0148682 A1公开了一种预测性模数转换器系统，其包括产生经采样的模拟输入信号的采样部以及和合并经采样的模拟输入信号与模拟预测信号以产生模拟预测误差信号的加法器部。误差模数转换器对模拟预测误差信号进行数字化。第二加法器耦合至(来自误差模数转换器的)数字误差信号输出和数字预测信号，并且生成数字输出信号。反馈部耦合至数字输出信号并且提供数字预测信号和模拟预测信号。

发明内容

应当强调，当在本说明书中使用术语“包括/包括(comprises/comprising)”时，其用于指示存在所述特征、整体、步骤或部件，但是不排除存在或添加一个或多个其他特征、整体、步骤、部件或其组。

一些实施例的目的是使得ADC的操作能够适应特定应用。

根据第一方面，这通过如下的一种认知信号转换器来实现，该认知信号转换器经由模拟信号输入端口能够连接至模拟信号源并且适于基于经由模拟信号输入端口接收的模拟输入信号产生数字输出信号。该认知信号转换器包括模数转换器和认知网络。

模数转换器适于基于模拟输入信号、采样时钟信号和处理时钟信号，通过根据采样时钟信号对模拟输入信号进行采样并且对每个模拟输入信号样本进行量化来产生数字转换信号，其中，量化过程是通过处理时钟信号来操作的。

处理时钟信号用于在对每个模拟输入信号样本进行量化时控制模数转换器的操作速度。

通过处理时钟信号操作量化过程应当被解释为模数转换器在处理时钟信号的每个时段期间执行操作。因此，处理时钟信号起到模数转换器的处理时钟的作用。

认知网络适于接收模数转换器的数字转换信号，基于所接收的数字转换信号以及模拟信号源的一个或多个特征来控制采样时钟信号和处理时钟信号中的至少一个，以及基于所接收的数字转换信号来产生数字输出信号。

模拟输入信号可例如包括以下中的任一个：流数据信号、无线电信号、传感器输出信号、心电图信号、视频信号、3D视频信号、摄影数据信号、指纹读取器信号等。

认知网络可以是控制配置。另外地或替选地，认知网络还可以是分类配置和/或预测配置。

典型的认知网络可以是适于基于当前信号部分和/或在先信号部分执行对未来信号部分的预测的功能单元(以硬件或软件或者其组合来实现)。

在一些实施例中，功能单元可以适于预测信号的下一样本。

在一些实施例中，功能单元可以适于确定信号属于多个信号类型中的哪一个并且从而预测信号的未来部分。

另外，典型的认知网络可以为适于动态地开发其预测算法的功能单元(以硬件或软件或者其组合来实现。)

例如，认知网络可以适于使多个信号彼此匹配并且将两个或更多个信号所共有的一个或多个信号特征区分。然后，这样的信号特征可用于预测算法中以确定新的信号是否与所述多个信号中的一个或多个信号为相同类型。

因此，认知网络可以是根据一些实施例的(可能为自学)预测配置。