A Novel Parallel Convolution-Self-Attention Neural Network Based Calibration Scheme for Pipelined and Pipelined-SAR ADCs
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This paper presents a novel parallel convolution-self-attention neural network (PCSANN) based calibration scheme for Pipelined and Pipelined-SAR ADCs. Combining convolution neural network (CNN) and self-attention neural network (SANN), the proposed architecture jointly calibrates various nonlinearities in ADCs as a black box, including comparator offsets, inter-stage gain error (IGE), inter-stage nonlinearity, digital-to-analog converter (DAC) errors, memory effect (ME), etc. This proposed calibration scheme is validated with a fabricated 12-bit 150MSps pipelined ADC prototype and a fabricated 12-bit 750MSps pipelined-SAR ADC prototype. Measurement results show that the spurious-free dynamic range (SFDR) of the pipelined ADC is improved by 14.17dB from 64.98dB to 79.15dB, and the pipelined-SAR ADC achieves a 7.60dB improvement in SFDR from 63.00dB to 70.60dB.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A Novel Parallel Convolution-Self-Attention Neural Network Based Calibration Scheme for Pipelined and Pipelined-SAR ADCs
- Date Crossref
- 25/05/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.