|
- UID
- 1029342
- 性别
- 男
|
如何才能使 A/D 转换器实现最高性能呢？明显的答案就是采用良好的设计和板面布局，除此之外，我们还可采用其他技术获得性能提升。我们实际上可采用一些简单的技术来推动 A/D 转换器性能，使之优于规范的要求。为了实现这一点，我们应了解 A/D 转换器误差的来源和类型。
本文的目的是解释 A/D 转换器最常见的误差源，并介绍进行上述误差补偿的方法。某些误差补偿的方法理解和实施起来都比较容易，而有些方法则不那么显浅易懂。如果采用方法得当的话，上述方法可大幅提高系统整体性能。
我们不妨先来看看理想的 A/D 转换器应该是什么样的，了解哪些类型的误差会阻碍我们获得最佳性能。简而言之，理想的 A/D 转换器会为我们提供几乎理想的数据。我说几乎是理想的，是因为即便理想的 A/D 转换器也存在量化误差，但我们不妨以后再讨论这一点。我们希望提高 A/D 转换器的性能，所以我们不妨先来看看市场上分辨率最高的 A/D 转换器，即 24 位 A/D 转换器。
理想的 24 位 A/D 转换器可提供 24 位可用数据。这种 A/D 转换器可为给定输入提供相同代码或转换结果的输出，同样也受到量化的限制。例如，如果我们对输入范围为 5.0V 的理想的 24 位 A/D 转换器采用刚好 2.5V 的固定模拟信号，那么我们从 A/D 转换器所得的唯一代码就是8,388,608--标度值 (scale value) 的一半。如果我们对非理想转换器采用相同电压的话，那么输出代码不会固定为一半大小值，它实际上会给出不同的输出，是否稳定并不确定，这是由转换器的不理想特性造成的。不理想的 A/D 转换器会造成量化误差、偏移和增益误差以及非线性。此外，噪声和漂移也会导致测量误差。
即便是理想的 A/D 转换器也会发生量化误差。量化误差指数字化模拟输入信号时产生的误差。举例来说，输入范围为 5V，那么每个代码反映约 298 nV (5V/2^24) 的分辨率。如果我们开始时采用 0V 模拟输入电压，然后再逐步增加模拟输入电压，那么代码会保持零不变，直至达到 149 nV 或 ? LSB 左右进行第一个代码转换。因此，即便采用理想的 A/D 转换器，我们仍会遇到 +/- ? LSB 的量化误差。之所以如此，是因为模拟输入信号在 0V 到 149 nV 之间可取一个无限数值，但数字代码只能为有限数值，理想情况下仅为 0。
我们常常一并考虑偏移误差和增益误差。偏移误差是指对 A/D 转换器采用零伏差动输入时实际代码与理想代码之间的差异。增益误差是指从负满量程转为正满量程输入时实际斜率与理想斜率之差。偏移和增益误差通常是 A/D 转换器中主要的误差源。
非线性包括整数非线性 (INL) 和差动非线性 (DNL)。整数非线性指出的是输出代码与理想输出之间差异的大小，而偏移和增益误差已得到校正。在满量程端点 (full-scale endpoint) 处取一理想线，一般来说，经测量得到的 INL 既为到这一理想线的最大偏差。差动非线性是指代码值如何随模拟输入的变化而变化。就模拟输入电压的升高情况而言，代码可能增加、不变或减少。根据模拟输入增量的多少，代码应该保持不变或者增加。如果出现这种情况的话，那么 ADC 就是单调性的。如果 ADC 跳过一个输出代码，那么此代码称之为缺失代码。如果代码输出减少，那么我们就说 ADC 为非单调性。通过查看柱状图，我们可以得知是否存在缺失码，以及关系代码宽度的大小等。如果分配正常而无缺失码，那么这就表明代码宽度一致。 噪声是随时间变化的随机输出代码，与偏移、增益和线性误差无关。即便我们已经很好地校正了A/D 转换器的所有其他误差来源，我们仍会发现由于噪音的缘故出现输出代码变化。
漂移是指在给定输入的情况下输出代码随时间或温度的变化而进行的变化。如果我们采用固定的模拟电压，然后给设备加热或去热，输出代码就会随着温度而进行偏移。根据设备特性的不同，在给定的抽样中漂移可能向相同方向发展，也可能呈随机性。
尽管难以对所有误差来源进行可视化，不过我们可通过芯片级设计技术或数据处理技术来解决这些误差来源。在我们详细了解如何补偿误差源之前，不妨先来了解一下A/D架构。在分辨率大于16位时，我们广泛采用 Δ-Σ 架构。Δ-Σ 架构采用重复采样技术来实现高分辨率数字输出。图 1 给出了简化的 Δ-ΣA/D 转换器结构图。A/D 的主要组件是调制器和滤波器。调制器作为反馈环路环路工作，其目标是将差动信号误差驱动为零。我们通过微差测量模拟输入信号和反馈DAC信号来实现这一目的。Δ-Σ 架构中的Δ(delta) 因此得名。上述二者之差或信号误差结合或合计到下一级。Δ-Σ 架构中的西格玛由此而来。将总误差与参照信号相比较，从而相应地设置比较器的输出。如果误差项为正值，则反馈 DAC 输出升高，以尝试减小差动误差项。如果误差项为负值，那么反馈DAC 输出则降低，以尝试减小差动误差项。比较器 1 和 0 的密度与模拟输入电压成正比。
上述架构非常适用于高分辨率应用，因此我们不妨看看上述架构中各种类型的误差源是如何暴露出来的。 我们可通过采用噪声整形技术使Δ-Σ架构中的量化误差达到最小。噪声整形技术不会减小或消除量化噪声；它只是将量化噪声推向更高频率、使之不再影响有关频率（低频）而已。因此，就量化噪声而言，Δ-Σ架构的设计可以将量化噪声的影响降至最低。
Δ-Σ架构中存在偏移和增益误差，这与任何其他数据转换器的情况一样。此外，正是因为与任何其他数据转换器的情况一样，因而我们也可以通过简单的校准技术将上述误差最小化。为了进行偏移校准，我们采用 0V 或非常小的信号并读取输出代码。如果结果为正，那么转换器就存在正偏移误差，我们从结果中减去偏移值；如果结果为负，那么转换器就存在负偏移误差，我们就向结果加上偏移值。
我们通过对A/D转换器施加满量程或近于满量程的信号并测量输出代码来实现增益校准。偏移校准在增益校准之前进行。如果作图显示A/D转换器的所有输出代码的话，我们看到增益误差与理想输出代码斜率产生偏离，因此增益修正只不过是调整这条线的斜率而已。
INL存在于Δ-Σ架构中，就像任何其他数据转换器一样。但是，我们可以通过后处理数据对它进行补偿。从理论上说，INL 可以逐个代码地进行校准，但这是不实际的，因此通常我们选择一些数据点来校正 INL。我们通过对表进行线性化来完成上述工作。
DNL通常对Δ-Σ架构而言不是问题。就其特性而言，反馈环路中1位DAC输出是线性的，因此架构不调整也能获得优异的DNL性能。
任何电子设备都存在噪声，无法消除，但我们可以讨论采用何种方法来减小这种误差源。
任何电子设备都存在温度漂移，无法消除，不过，如果可以预计漂移的话，那么我们就能通过线性化表来补偿其影响。我们可通过温度监测来实现上述目的。此外，我们还能很准确地确定漂移对系统性能的限制。 因此，总而言之：我们可通过噪声整形技术来控制Δ-Σ架构中的量化误差，通过校准来最小化偏移和增益误差，采用线性化来改善 INL，而 DNL 则几乎不存在，噪声可最小化，而漂移则可纠正，其影响也可以估计。
最小化噪声要比偏移和增益校准复杂一些。电子电路中有许多噪声源：热噪声、1/f 闪烁噪声和突发噪声。在最小化噪声方面，噪声类型非常重要。热噪声从本质上说是高斯型的，因此我们可采用特定技术来最小化其影响。闪烁噪声和突发噪声从本质上说是非高斯型的，因此上述技术对处理这种噪声源没有效力。
我们在评估噪声前，不妨先来看看噪声与分辨率之间的关系。噪声和分辨率相互关联，彼此定义。噪声可定义为输出代码与理想代码间的随机偏差。通常噪声的表现形式是伏特、代码、数量或PPM，而分辨率单位通常为位数或 dB。为了说明这一点，我们不妨假设理想的 24 位 A/D 转换器具有5V模拟输入范围。显然，分辨率为24位，因为这是理想情况。如果我们用 dB 来反映分辨率的话，那么分辨率就是6.02 * N dB（这里的 N 是位数），即 144.5 dB。我们通常称这种定义为信噪比。如果我们用代码来表示噪声，那么噪声就是一个代码。如果我们用计数来表示噪声，那么它就是 16,777,216 次计数。如果我们用伏特来表示噪声，那么它就是 (1/16,777,216) * 5V，即 298 毫微伏。如果我们用 PPM 来表达噪声，那么它就是 1/16,777,216 PPM，即 0.06 PPM。
这提出了另一个问题，非理想A/D转换器的分辨率如何定义？"有效位数"(ENOB) 和/或"有效分辨率"等术语通常用于定义A/D转换器的可用分辨率，如果考虑到设备的噪声限制的话。为了有助于理解分辨率和"有效分辨率"或ENOB之间的区别，我们不妨先看一下理想的12位A/D转换器。理想的12位A/D转换器有4,096个代码，也就是说分辨率为244 PPM。如果将模拟输入转换为数字值时我们强制给转换器结果增加12位分辨率，那么我们就可以说我们获得了24位分辨率的A/D转换器。实际上只有12位有用。上面的例子可能并不像您想像的那么极端。例如，市场上实际销售的A/D转换器就号称是24位A/D。在大约 25 Hz 的数据输出速率时，其噪声约 0.4 PPM，就其本身而言是相当不错的。但是，0.4 PPM的噪声意味着只有大约21.3位的有效分辨率。谁动了我们的24位分辨率？此外，如果您提高采样率，那么噪声可能会超过 600 PPM，这就使其甚至比 12 位 A/D 还糟糕！ |
|
