【導讀】幾個關鍵的系統(tǒng)性能指標由對應于幅度和相位的正交輸入?yún)?shù)確定；兩個例子是正交調制器載波饋通和邊帶抑制。這些參數(shù)通過優(yōu)化 DC 偏移平衡以及調制器正交基帶輸入之間的振幅和相位平衡得到改善。
幾個關鍵的系統(tǒng)性能指標由對應于幅度和相位的正交輸入?yún)?shù)確定；兩個例子是正交調制器載波饋通和邊帶抑制。這些參數(shù)通過優(yōu)化 DC 偏移平衡以及調制器正交基帶輸入之間的振幅和相位平衡得到改善。
由于在給定二維空間的情況下找到這些參數(shù)的調整點并不是一項微不足道的任務，因此在本文中我將討論一種 Python 算法，用于在具有正交輸入向量的二維空間中找到調整點。該算法基于測量數(shù)據(jù)點求解相交圓的方程，并在短短四次迭代中找到點。為了舉例說明該技術，我使用了德州儀器 (TI) AFE7070集成數(shù)模轉換器 (DAC) 以及正交調制器載波饋通參數(shù)。
優(yōu)化雜散發(fā)射
通信系統(tǒng)努力將雜散發(fā)射降至。其中一些雜散發(fā)射源自正交輸入信號失配。例如，直流偏移失配和幅度/相位失衡將分別影響模擬正交調制器中的載波饋通和邊帶抑制參數(shù)。將輸入變量調整到設定點可限度地減少雜散輸出。
圖 1 將測量參數(shù)表示為從優(yōu)化點 [x0,y0] 到二維平面上的實際點的矢量的大小 (r)。參數(shù)值以單位圓[0,1]為界。0 表示完全取消或沒有信號，1 表示沒有取消或完全信號。在分貝標度中，該函數(shù)受 [-inf,0] 約束。半徑為 r 的圓代表所有可能達到相同大小的 x,y 點。
圖 1 優(yōu)化點到實際點的向量
等式 1 以簡單的形式表示函數(shù)：
(1)
常數(shù) [a0,b0] 表示系統(tǒng)相關的歸一化因子，以保持結果小于 1。從技術上講，等式 1 描述了一個橢圓，因為每個獨立變量的比例因子不需要相同。為簡化此分析，a0 等于 b0，因此曲線是真正的圓。
目標是盡快找到化測量參數(shù) (r) 的點 [x0,y0]。使用統(tǒng)計上不同的輸入?yún)?shù)有效地找到該點具有挑戰(zhàn)性。傳統(tǒng)的狩獵和啄食方法使用連續(xù)試驗來縮小到點。雖然這會產生所需的解決方案，但在收斂時間很關鍵時需要太多迭代，因此需要一種新方法。
相交圓
理想情況下，恰好三個使用相交圓的測量迭代確定點。任意輸入點 [x1,y1] 處的個測量結果定義了由半徑為 r1 的圓 A 表示的點的無限可能性。添加第二個數(shù)據(jù)點會產生另一個無限數(shù)據(jù)集，由圓 B 表示；但是，兩個圓圈的交點將解決方案縮小為兩點。第三個數(shù)據(jù)點和相應的圓 C 提供了第三條曲線，其中只有一個相互交點。該交點是點。圖 2 顯示了以終點結束的相交圓的進展。
圖 2. 相交的圓揭示了一個共同的交點
該技術恰好在三次迭代中揭示了點。第四次迭代測量點以確認和記錄結果。
圖 3 說明了一種通過使用 xy 平面中的經驗已知邊界信息來消除迭代的技術。選擇其中一個邊界點的初始點，使條曲線 (A) 為 90 度弧。通過在 x 或 y 方向上移動來選擇個圓弧上的第二個點。
圖 3. 兩次迭代解決方案
由于第二個點仍在邊界邊緣上，因此它的曲線是一個小于 180 度的圓弧。這兩條曲線的交點提供了一個點。這種方法僅在兩次迭代中就揭示了點，并通過三次迭代對其進行了確認。
逐次圓近似
解決方案取決于數(shù)學方程式的準確性。在實際測量情況下，一些假設或錯誤會影響結果。測得的信號很??；噪聲和測量公差會引入誤差。使用完美的圓而不是橢圓會帶來一些不確定性。求解多個方程所需的比例因子假設也引入了不確定性。這些錯誤和假設轉化為曲線的模糊性。
圖 4 說明了模糊曲線如何不能保證的交點；相反，它們定義了一個融合區(qū)域。
圖 4. 逐次圓相交近似
每個額外的數(shù)據(jù)點都使用上迭代的數(shù)據(jù)。連續(xù)的圓圈會聚到系統(tǒng)閾值內的解決方案區(qū)域。
測量示例
該示例使用 AFE7070 DAC 并針對載波饋通參數(shù)進行了優(yōu)化。AFE7070 是一個方便的平臺，因為 DAC 和調制器集成在一起。調制器正交輸入端的直流偏移不平衡決定了載波饋通性能。AFE7070 具有內部數(shù)字調諧功能，可控制直流偏移平衡。不需要太多；分辨率為微伏級。
該示例的 x,y 參數(shù)是整數(shù)數(shù)字步進值，用于控制正交輸入上的直流電平。設備的先前統(tǒng)計抽樣提供了輸入變量的 x、y 邊界以及計算中使用的步驟表。步驟表提供了以分貝毫瓦為單位的測量載波饋通到 delta-x（或 delta-y）因子的“轉換”。
高（或換句話說，差）測量值意味著設置偏離，需要更大的增量才能達到點。相反，較低的值意味著設定點很接近并且需要小幅修正。這點“功課”是必要的，以確保初始猜測點不會太遠，并將迭代時間減少到限度。
圖 5 顯示了在四次或更少的迭代中找到輸入變量的 Python 算法。
圖 5. Python 優(yōu)化算法
函數(shù)“Get_r”和“GetCFi”是特定于設備的測量。為簡潔起見，我省略了代碼，因為它對于演示優(yōu)化算法無關緊要。在您的應用中，這些功能與系統(tǒng)中設備參數(shù)的編程和測量有關。
結論
對于 AFE7070 DAC，在大多數(shù)情況下，該算法在三次迭代內優(yōu)化載波饋通，耗時不到 1.7 秒，主要由頻譜分析儀穩(wěn)定和掃描時間控制。以前的步驟方法需要近 20 次迭代和 20 多秒才能完成。與傳統(tǒng)方法相比，該算法的速度提高了 10 倍以上。依賴于增益和相位的正交輸入變量的其他通信系統(tǒng)參數(shù)也可以使用該算法有效地找到解決方案。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯(lián)系小編進行處理。
推薦閱讀：
DC－DC 開關穩(wěn)壓器在汽車和工業(yè)設計中的歸零
