模拟-信息转换器智能容错技术与结构研究

Analog-to-information Converter（AIC) has been proven to be one of the most promising method for dealing with the contradiction between precision and speed in the data acquisition systems. However, the quality of signal reconstruction via AIC deeply depends on the RIP feature of the measurement matrix which is sensible to the environment noise. Focused on AIC with MWC structure, the key target of this project is to tackle the problem of environment noise with the help of smart fault-tolerant method based on the DSP. We are planning to solve the following key issues: (1)Nonlinear system modeling with paticle filter method, new blind estimation method to quickly and accurately extract environment error in the AIC system ; (2) The inverse control approach under the minimum relative entropy principle for the nonlinear systems, the adaptive and real-time smart fault-tolerant signal reconstruction algorithm; (3) The design of smart fault-tolerant controller with both the low complexity of the implementation and hign measurement bandwidth based on the neural network computation model; (4) validation of the proposed method and structure based on high-speed data acquisition instrument.

模拟信息转换器(Analog-to-information Converter， AIC)是突破当前数据采集系统中速率-精度矛盾的最具潜力的方法之一。然而，AIC重构信号效果依赖于测量矩阵的RIP特性，而RIP特性易受环境噪声破坏。针对MWC结构的AIC采集系统，基于数字信号处理实现环境噪声智能容错是本项目要解决的关键问题，拟展开如下创新性研究：(1)拟引入粒子滤波的非线性系统建模，研究新的盲估计方法，快速、准确地提取宽带AIC系统环境误差; (2)拟研究最小相对熵非线性系统的逆控制方法，设计具有自适应能力和高实时性智能容错采样信号综合重构算法; (3)基于神经网络计算模型，设计智能容错控制器，降低智能容错实施的复杂性，提高系统的测量带宽，满足宽带信号的测试需要; (4)基于高速数据采集仪器，完成本项目研究方法的工程化验证。

鉴于传统数据采集系统对采样频率的高度依赖，加之西方国家对我国高端ADC芯片的出口管制，本项目旨在研究具有良好容错特性的高品质压缩采样系统。研究内容聚焦在使用同步控制和鲁棒自适应滤波方法设计具有高品质容错特性的MWC型模拟信息转换系统。在误差控制方面，我们开发出一套基于脉冲控制方式的误差同步控制策略，该误差控制方法在电力系统容错处理和模拟信息转换系统容错控制中，获得了验证，效果良好。在实时误差控制方面，我们探索得到了一系列利用鲁棒自适应滤波进行误差钳制的算法。实测证明，利用我们发现的新核函数构造出的鲁棒自适应滤波器，可以有效实现对脉冲噪声、高斯噪声及混合噪声的控制。通过建立面向对象的子空间并集信号模型，我们发现了采样数据与采样率之间的非线性关系，并借助该关系成功实现了对信号重构中非线性效应的压制。本项目研究成果推进了压缩采样系统落地实用化进程，推进了数据采集这一信息科学的基础学术问题和工业界的结合，为突破瓶颈，实现我国自主高可靠高品质信息获取技术及实现，发挥一定作用。