全数字前馈AGC算法：精度优化与FPGA实现

本文主要探讨了一种基于深度学习的全数字式前馈自动增益控制（AGC）算法在人脸活体检测中的应用，特别是在抗干扰导航接收机中的应用。该研究重点在于解决数字干扰导致的动态范围过大的问题。 首先，文章在第3.1节中介绍了增益调节速度的部分。通过图3，我们可以看到当输入数据的有效位数不同（如5、8、11和14位）时，增益控制因子的初始设置为1，增益调节过程显示出即使输入数据的有效位数差异较大，只需一次增益调节就能使得输出信号达到期望的平均幅度。这表明了算法对于不同位宽输入数据的快速适应性。 接着，在第3.2节，作者深入分析了增益控制因子精度的重要性。由于输入数据的有效位数最大为14，减去符号位后，选择一个13位的除法器来计算增益控制因子。除法器输出的小数部分的保留位数直接影响了增益控制因子的精度，进而影响输出信号的平均幅度。图4比较了输入有效位数为14和5时，FPGA实现中不同小数位数除法器的结果与Matlab仿真的性能。结果显示，当输入数据的有效位数小于输出要求时，小数位数不影响输出结果；但当输入位数远大于输出需求时，增加小数位数可以更精确地调整增益，一步调节后输出接近期望值。然而，无论输入有效位数多少，最终输出信号的稳定值都会在两次调节后达到，且小数位数越多，与期望值的接近程度越高。 文章结论部分强调了全数字式前馈AGC算法的优势，相比于传统模拟或混合模拟/数字反馈AGC方法，它具有更快的增益调节速度和更高的精度。在FPGA实现中，通过实验验证了选择适当的增益控制因子精度对于优化算法性能至关重要，能够简化设计并确保快速有效的增益调节。这种算法已被成功应用于抗干扰导航接收机中，展示了其在实际应用中的实用性和有效性。 这篇论文深入研究了全数字式前馈AGC算法的设置参数及其在FPGA实现中的优化策略，尤其是在处理不同有效位数输入数据时的精度控制，这对于提高接收机动态范围和抗干扰能力具有重要意义。