逐次逼近型模数转换器的数据校准方法及装置

本发明公开了一种逐次逼近型模数转换器的数据校准方法及装置，所述方法包括以下步骤：获取理想数据集以及训练数据集；构建神经网络校准模型并基于理想数据集和训练数据集对神经网络校准模型进行训练；利用训练后的神经网络校准模型对逐次逼近型模数转换器的数据进行校准。本发明通过神经网络校准模型对非理想因素进行数据驱动校准，有效抑制了杂散信号分量并降低噪底，提升了逐次逼近型模数转换器的精度与无杂散动态范围，满足高精度应用需求，为高精度逐次逼近型模数转换器的工程化应用提供了技术保障；神经网络校准模型能够同时校正多种非理想因素，无需针对不同误差源开发特定校准算法，突破了传统方法需多算法协同的局限性。