搜索
报告人简介
叶凡，副研究员，复旦大学微电子学院，集成芯片与系统国家重点实验室。长期从事混合信号集成电路设计研究，负责或指导了众多模数转换器设计，涵盖目前主流的各类结构。主持或参加了多项以模数转换器为核心研究内容的科研项目，包括自然科学基金、国家重大科技专项、国家科技支撑项目、国家重点研发计划等，牵头负责了“新一代宽带无线移动通信网”国家科技重大专项的ADC相关课题“5G高性能基站AD、DA转换器试验样片研发”。近五年来在T-CASI，T-VLSI和T-BioCAS等知名期刊及各类会议上发表学术论文30余篇。
报告摘要
模数转换器（Analog-Digital Converter, ADC）通过时间和幅度的量化，将模拟信号转化为数字信号，在信号采集、通信与图像处理等诸多领域有着广泛的应用。本报告将简要介绍ADC的各类代表性结构，包括并行比较型、逐次逼近型和流水线型等，并分析其主要的非理想性来源。随后本报告将讨论高性能ADC的校正方法，并介绍一种基于神经网络的ADC校正架构。该方法可以在不采用辅助ADC的前提下，仅仅基于待校正ADC自身的量化结果，借助神经网络强大的函数拟合能力，不依赖于实现ADC的工艺器件模型以及具体电路结构，对各种ADC均能进行普适且有效地校正并显著提升其性能，从而突破这一高性能ADC研究领域的核心技术问题。
视频： 摄影： 撰写： 信息员：丁宁 编辑：李盈颉
