2017 Fiscal Year Research-status Report
| Project/Area Number |
15K06030
|
|---|
| Research Institution | Sophia University |
|---|
Principal Investigator |
和保 孝夫 上智大学, 理工学研究科, 教授 (90317511)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | アナログ/デジタル変換 / ニューラルネットワーク / 非2進 / ΔΣ変調器 / 低消費電力 / オーバーサンプリング |
|---|
| Outline of Annual Research Achievements |
人工ニューラルネットワーク（ANN）を用いたA/D変換器に関して、主に信号レベルのシミュレーションにより、高分解能化を目指した構成法を追究した。昨年度までに、1次ΔΣ変調器をニューロンとして用いたフィードフォワード型ネットワークを提案し、ANNを用いたA/D変換器としては初めてノイズシェイピング特性を実現した。さらに、オーバーサンプリング比（OSR）を高くすることで、15ビットまでの高分解能化が可能であることを示した。しかし、高OSR動作では消費電力が増加することが懸念される。
今年度は、高分解能化のための別の方法として、ニューロン数を増やした多チャネル構成に着目した。昨年度の構成法に基づき単純にチャネル数を増加させても分解能は改善できず、逆に、それが低下する事例もあった。ネットワーク内の信号伝播を詳細に解析した結果、その原因がオーバーサンプリングに起因する高周波成分にあることをつきとめた。そこで、移動平均をとることにより、実質的に信号を担う低周波成分のみをチャネル間で伝播させる方法を導入し、１チャネル増加させるごとに、分解能を1ビットずつ改善できることを明らかにした。実際、2次ΔΣ変調器をニューロンに用いた6チャネル構成では、昨年度を上回る20ビット以上の分解能が得られた。さらに、2より小さい基数を用いた非2進A/D変換器を構成し、2進構成と同等の良好な特性を得た。
今回、考案したA/D変換器の構成は従来の多ビットΔΣ型A/D変換器に類似しており、それに匹敵する分解能が得られることが分かった。従来型では、多ビットデジタル出力をアナログ値に変換して入力信号にフィードバックするためのD/A変換器が必要で、その非線形性が原因で性能が劣化するという問題点があった。これに対して、今回の構成では多ビット信号をフィードバックする必要がなく、この問題を回避できるというメリットがある。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」で述べたように、今年度は構成方法を工夫することで、昨年度の結果を上回る高分解能化が実現できる可能性を明らかにできた。また、課題名にもなっている非2進方式を取り入れた構成法の検討も進め、2進方式とほぼ同程度の分解能が実現できる見通しを得た。
これらの結果は、本研究の狙いの妥当性を示すもので、ANNを基盤とする新しいA/D変換器の実現に対して、従来より一層具体的な展望が得られたものと考えている。従来型A/D変換器でも、非2進構成が内在する冗長性を利用して、素子ミスマッチによる変換誤差を修正する手法が知られているが、本方式でもその提供可能性を示せたことは、今後の本技術の展開を考えるうえで重要な成果であると考える。
以上により、「おおむね順調」と判断した。
|
| Strategy for Future Research Activity |
非2進方式をさらに発展させ、チャネル間のミスマッチに起因する性能劣化の抑止の可能性を追求する。また、ANN特有の学習機能を組み込んだ校正手法を確立するための基礎検討を開始する。さらに、従来型A/D変換器との性能比較を進め、本A/D変換器の優位性を明確化する。これらを通じて、本A/D変換器の特徴を見極め、応用分野の明確化を図る。
また、近年、AIに関する半導体技術が急速に進展していることに鑑み、ANNに適用可能なハード/ソフトウェア技術、例えば可変重み付け素子技術（メムリスタ）やネットワーク最適化アルゴリズムなど、に関する調査と、本技術への適用可能性検討とを併行して進める。
|
