基于神经网络的模数转换电路动态误差源识别系统设计

摘要

cqvip:为提升信号识别电路的电量采集精度,实现理想状态下的电力误差校准,设计基于神经网络的模数转换电路动态误差源识别系统。以CNN神经网络作为模数转换电路的物理依赖环境,通过合理选取动态识别元件的方式,实现误差源识别系统的硬件运行环境搭建。在此基础上,将模拟电流转化成数字信号,再将其完整存储于系统数据库中,利用既定数学运算公式对已存储的数字信号进行识别精度提纯处理,实现误差源识别系统的软件运行环境搭建,联合相关硬件执行设备,完成基于神经网络的模数转换电路动态误差源识别系统设计。实际应用结果表明,在加压环境下,新型误差源识别系统的电量采集精度达到90%,单位时间内的信号识别量超过7.5×10^9TB,理想状态下信号识别电路的电力误差校准能力得到有效保障。