买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于遗传算法优化的流水线模数转换器的校准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120301417B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510356937.0，技术领域涉及：H03M1/10；该发明授权一种基于遗传算法优化的流水线模数转换器的校准方法是由吴洛天;尹勇生;李嘉燊;李牡琦;李龙;邓红辉;陈红梅;孟煦设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种基于遗传算法优化的流水线模数转换器的校准方法在说明书摘要公布了：本发明公开了一种基于遗传算法优化的流水线模数转换器的校准方法，涉及模数转换器转换领域，包括：参考模数转换器、遗传算法优化模块、模糊控制器、及校准输出单元；其中，参考模数转换器与待校准模数转换器用于对同一个信号进行量化，从而得到信号量化的参考值；遗传算法优化模块用于最优化输入数据的比例系数以及构建模糊控制器的隶属度函数；模糊控制器使用最优化参数构建并根据输入数据计算得到误差补偿值；校准输出单元将待校准模数转换器的输出与误差补偿值叠加得到校准输出。

本发明授权一种基于遗传算法优化的流水线模数转换器的校准方法在权利要求书中公布了：1.一种基于遗传算法优化的流水线模数转换器的校准方法，其特征在于，应用于由参考模数转换器、遗传算法优化模块、模糊控制器及数据输出单元组成的校准系统中； 将待校准的流水线模数转换器与参考模数转换器接入同一信号源，并对同一信号源的输入信号Vin进行量化后，得到待校准的流水线模数转换器的M级量化数字码D1，D2，…，DM，M≥6，以及待校准的流水线模数转换器的实际输出值Dout1与参考模数转换器的理想输出值Dout2，从而得到待校准的流水线模数转换器与参考模数转换器的量化输出误差值Eerror＝Dout2-Dout1； 所述遗传算法优化模块以预构建的模糊控制器隶属度函数以及输入量化码的比例系数作为遗传算子，并采用校准后的误差值作为适应度函数，经过选择、交叉、变异的过程计算得到最优化算子，最后根据最优化算子搭建所需模糊控制器； 所述模糊控制器模块采用使用最优化参数构建，以流水线模数转换器的第二级至第五级量化数字码D2，D3，D4，D5分别与各自比例系数相乘再叠加的值作为模糊控制器的输入，模糊控制器根据输入推理得到误差补偿值Ecal； 校准输出单元将待校准的流水线模数转换器的实际输出值Dout1与经最优化算法构建的模糊控制器计算得到的误差补偿值Ecal叠加后，得到待校准的流水线模数转换器的校准输出值Dcal； 所述遗传算法优化模块的优化过程是按如下步骤得到： 步骤A1：以预构建的模糊控制器隶属度函数区间值以及输入量化码的比例系数作为遗传算子； 步骤A2：创建遗传算子种群，根据每个遗传算子的范围，对种群进行初始化； 步骤A3：计算初始种群中每一个个体的适应度，从而得到种群的平均适应度，再寻找适应度最优个体并将最优适应度值与最优个体保存在寄存器中； 步骤A4：使用锦标赛法选择染色体，对种群中的个体进行更新； 步骤A5：对种群中的个体算子进行交叉，得到新的个体； 步骤A6：对种群中的个体算子进行变异，得到新的个体； 步骤A7：计算经选择、交叉、变异得到新种群中的每一个个体的适应度值，再计算种群的平均适应度，同时寻找种群中的最优染色体； 步骤A8：比较种群中最优染色体与寄存器中保存的适应度值，并对寄存器的值进行更新； 步骤A9：若迭代至设定次数，执行步骤A10，否则返回步骤A4； 步骤A10：从寄存器中提取出最优个体，并根据该个体的遗传算子值构建模糊控制器； 所述步骤A1包括： A1.1：所述的输入量化码为待校准流水线模数转换器的第二级至第四级量化数字码D2，D3，D4，D5，每个量化数字码分别与对应的比例系数KD2，KD3，KD4，KD5相乘再叠加，其中KD2，KD3，KD4，KD5作为遗传算子进行最优化； A1.2：所述预构建的模糊控制器隶属度函数均为三角形隶属度函数，其中输入与输出模糊子集均为7个，分别为NB、NM、NS、ZO、PS、PM、PB；其中NB，PB模糊子集的边界确定，隶属度函数只有一个端点值需最优化，而构建NM、NS、ZO、PS、PM隶属度函数时，每一个隶属度函数均有两个边界一个中间端点值需最优化； A1.3：确定遗传算子个数，输入的隶属度函数共有1+3*5+1＝17个值需要最优化，同理，输出的隶属度函数共有1+3*3+1＝17个值需要最优化，对应比例系数值共有4个值待优化，因此遗传算子的个数共有38个； 所述步骤A2包括： A2.1：确定比例系数所对应遗传算子的范围，通过数据分析来确定每一级量化码所对应的误差权重大小设定； A2.2：确定隶属度函数所对应遗传算子的范围，根据在均匀构建的三角形隶属度函数的基础上，给予每个待优化值适当的波动范围； A2.3：根据每个遗传算子的范围，对种群进行初始化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。