本项目是用于验证 SAR ADC（逐次逼近型模数转换器）残差估计算法的完整动态行为级仿真框架，支持 7 种算法的多维度性能评估与对比，符合 JSSC 级学术出版标准。
| 算法 | 版本 | 描述 | PVT 鲁棒 | 参考文献 |
|---|---|---|---|---|
| MLE | v3.0 | 最大似然估计（LUT查表） | ❌ | - |
| BE | v3.0 | 贝叶斯估计（LUT查表） | ❌ | - |
| DLR | v6.0 | 动态 LSB 重复（整数追踪） | ✅ | - |
| ATA | v6.0 | 自适应追踪平均 | ✅ | Miki 2015 |
| ALA | v5.0 | 异步 LSB 平均（1-Flip） | ✅ | Zhao 2024 |
| HT-LA | v2.0 | 2-Flip 迟滞 + LUT 补偿 | ✅ | - |
| Adaptive | v2.0 | 自适应分支选择 | ✅ | - |
新增功能
- ✅ 新增假死率分析模块
run_false_freezing_analysis.m - ✅ 新增运行模式 3：假死率分析
- ✅ 新增 Fig_5：假死率随噪声变化曲线
关键修复
- ✅ 修复残差计算基准面不一致问题（DLR/ATA/HT-LA/Adaptive）
- ✅ 统一使用零均值残差
V_res_typ_LSB作为 RMS 计算基准
性能改进
- DLR 残差压缩比：0.90x → ~1.5x
- ATA 残差压缩比：0.71x → ~2.0x
关键修复：ATA 算法数学重构
- ✅ 实现论文 Eq (6) + Eq (7) 的完整两阶段重构
- ✅ 分离翻转前后的累加器
- ✅ 翻转后执行除法平均
sum_phase2 / (N-M)
关键修复：回归论文原始物理机制
- ✅ ALA 删除 erfinv，使用 Eq (11) 算术平均
- ✅ ATA 实现 DAC 持续追踪，Eq (8) 步长更新
- ✅ MLE/BE LUT 生成逻辑验证
图表渲染优化
- ✅ Y 轴缩放：
ylim([84, 93]) - ✅ 图例位置：
Location, 'SouthEast' - ✅ LaTeX 转义修复
- 动态行为建模：单极性 SAR 量化器物理映射，真实残差电压输出
- 多维度扫描：噪声范围 0.4-1.2 LSB，N_red 范围 4-24
- 严格 dBFS 归一化：符合 IEEE 规范的 FFT 频谱分析
- JSSC 级学术可视化：Times New Roman 字体、半对数坐标、PDF 归一化
- PVT 鲁棒性验证：ALA/ATA/DLR/HT-LA 不依赖先验噪声信息
SAR_ADC_Verification/
├── Code/
│ ├── Modularized_Framework/
│ │ ├── Core/
│ │ │ ├── main.m # 主运行脚本 (入口)
│ │ │ ├── config.m # 全局配置
│ │ │ ├── run_algorithm_comparison.m # 多维度对比评估 ⭐
│ │ │ ├── run_false_freezing_analysis.m # 假死率分析 ⭐ NEW
│ │ │ ├── run_monte_carlo.m # 蒙特卡洛仿真
│ │ │ └── algorithms/ # 7 个算法模块
│ │ │ ├── run_mle.m # MLE v3.0
│ │ │ ├── run_be.m # BE v3.0
│ │ │ ├── run_dlr.m # DLR v6.0
│ │ │ ├── run_ata.m # ATA v6.0
│ │ │ ├── run_ala.m # ALA v5.0
│ │ │ ├── run_htla.m # HT-LA v2.0
│ │ │ └── run_adaptive.m # Adaptive v2.0
│ │ └── Modules/ # 辅助模块
│ └── Modules/ # 辅助模块
├── Results/ # 统一输出目录 ⭐
│ ├── Fig_1_SNDR_vs_Sigma_PVT.png # PVT 鲁棒性曲线
│ ├── Fig_2_FFT_Spectrum_Comparison.png # FFT 频谱对比
│ ├── Fig_3_SNDR_vs_Nred.png # 收敛效率曲线
│ ├── Fig_4_Residual_PDF_Dynamic.png # 残差分布直方图
│ ├── Fig_5_False_Freezing_Rate.png # 假死率分析 NEW
│ └── Report_SAR_Comparison_*.txt # 详细分析报告
├── References/ # 参考文献
├── archive/ # 归档旧代码
├── README.md # 本文档
└── CHANGELOG.md # 变更日志
- MATLAB R2024a 或更高版本
- 信号处理工具箱（用于 FFT 分析）
% 进入项目目录
cd 'SAR_ADC_Verification/Code/Modularized_Framework/Core'
% 运行主脚本
main在 main.m 中设置 RUN_MODE：
| RUN_MODE | 功能 | 输出 |
|---|---|---|
| 1 | 完整验证框架 | 完整仿真报告 |
| 2 | 多维度算法对比评估 | Fig_1~4 + 报告 |
| 3 | 假死率分析 | Fig_5 + 数据 |
RUN_MODE = 2; % 算法对比评估（默认）多维度算法对比评估主函数。
功能：
- 噪声扫描（0.4-1.2 LSB）
- N_red 扫描（4-24）
- SNDR、残差压缩、收敛效率分析
输出：
Fig_1~4：JSSC 级学术图表Report_SAR_Comparison_*.txt：详细分析报告
假死率分析函数。
功能：
- 对比 1-Flip (ALA) 和 2-Flip (HT-LA) 的假死率
- 噪声扫描（0.4-2.0 LSB）
- 50,000 样本蒙特卡洛仿真
参数：
| 参数 | 默认值 | 描述 |
|---|---|---|
N_pts |
50000 | 蒙特卡洛样本数 |
N_red |
20 | 冗余周期数 |
sigma_range |
0.4-2.0 LSB | 噪声扫描范围 |
freeze_threshold |
1.0 LSB | 假死判定阈值 |
输出：
Fig_5_False_Freezing_Rate.png：假死率曲线Data_False_Freezing_Results.mat：分析数据
所有算法函数具有统一接口：
[est, pwr_switch, k_final, freeze_res] = run_xxx(V_res, N_red, sig_th, ...)| 输出参数 | 描述 |
|---|---|
est |
残差估计值 (LSB) |
pwr_switch |
DAC 切换次数（功耗指示） |
k_final |
比较器输出 1 的次数 |
freeze_res |
冻结时的残差电压 |
| 文件 | 描述 |
|---|---|
Fig_1_SNDR_vs_Sigma_PVT.png |
PVT 鲁棒性：SNDR vs 比较器噪声 |
Fig_2_FFT_Spectrum_Comparison.png |
FFT 频谱对比（7 种算法） |
Fig_3_SNDR_vs_Nred.png |
收敛效率：SNDR vs 冗余周期数 |
Fig_4_Residual_PDF_Dynamic.png |
残差分布直方图 |
Fig_5_False_Freezing_Rate.png |
假死率分析曲线 |
Report_SAR_Comparison_*.txt |
详细分析报告 |
Data_*.mat |
MATLAB 数据文件 |
| 问题 | 状态 | 描述 |
|---|---|---|
| DLR 整数精度限制 | 已知 | DLR 输出整数，无法达到亚 LSB 精度 |
| ATA 平均期间残差变化 | 已知 | 论文指出的固有缺陷，建议使用 ALA |
- Zhao et al., "A 16-bit 1-MS/s SAR ADC with asynchronous LSB averaging achieving 95.1-dB SNDR and 98.1-dB DR", IEEE JSSC, 2024
- Miki et al., "Adaptive Tracking Average for SAR ADC", 2015
- Huang et al., "A 5-MS/s 16-bit low-noise and low-power split sampling SAR ADC with eased driving burden", 2025
- Chen et al., "A 0.7-V 0.6-μW 100-kS/s Low-Power SAR ADC With Statistical Estimation-Based Noise Reduction", 2017
- 当前版本: v5.0.0
- 更新日期: 2026-03-04
- 维护者: AI Assistant
MIT License