《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 模擬設(shè)計(jì) > 設(shè)計(jì)應(yīng)用 > ADC輸入噪聲利弊分析
ADC輸入噪聲利弊分析
摘要: 在本文中,,我們說明了所有ADC都有一定量的折合到輸入端噪聲,。在精密、低頻測量應(yīng)用中,,以數(shù)字方式對ADC輸出數(shù)據(jù)求平均值可以降低該噪聲,,代價(jià)是采樣速率會(huì)降低并且需要額外的硬件,。該均值方法實(shí)際上可以提高ADC的分辨率,,但無法降低積分非線性誤差。
Abstract:
Key words :
  多數(shù)情況下,,輸入噪聲越低越好,,但在某些情況下,輸入噪聲實(shí)際上有助于實(shí)現(xiàn)更高的分辨率,。這似乎毫無道理,,不過繼續(xù)閱讀本指南,就會(huì)明白為什么有些噪聲是好的噪聲,。

  折合到輸入端噪聲(代碼躍遷噪聲)

  實(shí)際的ADC在許多方面與理想的ADC有偏差,。折合到輸入端的噪聲肯定不是理想情況下會(huì)出現(xiàn)的,它對ADC整體傳遞函數(shù)的影響如圖1所示,。隨著模擬輸入電壓提高,,"理想"ADC(如圖1A所示)保持恒定的輸出代碼,直至達(dá)到躍遷區(qū),,此時(shí)輸出代碼即刻跳變?yōu)橄乱粋€(gè)值,,并且保持該值,直至達(dá)到下一個(gè)躍遷區(qū),。理論上,,理想ADC的"代碼躍遷"噪聲為0,躍遷區(qū)寬度也等于0.實(shí)際的ADC具有一定量的代碼躍遷噪聲,,因此躍遷區(qū)寬度取決于折合到輸入端噪聲的量(如圖1B所示),。圖1B顯示的情況是代碼躍遷噪聲的寬度約為1個(gè)LSB(最低有效位)峰峰值。

圖1:代碼躍遷噪聲(折合到輸入端噪聲)及其對ADC傳遞函數(shù)的影響

圖1:代碼躍遷噪聲(折合到輸入端噪聲)及其對ADC傳遞函數(shù)的影響

  由于電阻噪聲和"kT/C"噪聲,,所有ADC內(nèi)部電路都會(huì)產(chǎn)生一定量的均方根(RMS)噪聲,。即使是直流輸入信號(hào),,此噪聲也存在,它是代碼躍遷噪聲存在的原因,。如今通常把代碼躍遷噪聲稱為"折合到輸入端噪聲",,而不是直接使用"代碼躍遷噪聲"這一說法。折合到輸入端噪聲通常用ADC輸入為直流值時(shí)的若干輸出樣本的直方圖來表征,。大多數(shù)高速或高分辨率ADC的輸出為一系列以直流輸入標(biāo)稱值為中心的代碼(見圖2),。為了測量其值,ADC的輸入端接地或連接到一個(gè)深度去耦的電壓源,,然后采集大量輸出樣本并將其表示為直方圖(有時(shí)也稱為"接地輸入"直方圖),。由于噪聲大致呈高斯分布,因此可以計(jì)算直方圖的標(biāo)準(zhǔn)差σ,,它對應(yīng)于有效輸入均方根噪聲,。參考文獻(xiàn)1詳細(xì)說明了如何根據(jù)直方圖數(shù)據(jù)計(jì)算σ值。該均方根噪聲雖然可以表示為以ADC滿量程輸入范圍為基準(zhǔn)的均方根電壓,,但慣例是用LSBrms來表示,。

圖2:折合到輸入端噪聲對ADC

圖2:折合到輸入端噪聲對ADC"接地輸入端"直方圖的影響(ADC具有少量DNL)

  雖然ADC固有的微分非線性(DNL)可能會(huì)導(dǎo)致其噪聲分布與理想的高斯分布有細(xì)微的偏差(圖2示例中顯示了部分DNL),但它至少大致呈高斯分布,。如果DNL比較大,,則應(yīng)計(jì)算多個(gè)不同直流輸入電壓的值,然后求平均值,。例如,,如果代碼分布具有較大且獨(dú)特的峰值和谷值,則表明ADC設(shè)計(jì)不佳,,或者更有可能的是PCB布局布線錯(cuò)誤,、接地不良、電源去耦不當(dāng)(見圖3),。當(dāng)直流輸入掃過ADC輸入電壓范圍時(shí),,如果分布寬度急劇變化,這也表明存在問題,。

圖3:設(shè)計(jì)不佳的ADC和/或布局布線,、接地、去耦不當(dāng)?shù)慕拥剌斎攵酥狈綀D

圖3:設(shè)計(jì)不佳的ADC和/或布局布線,、接地,、去耦不當(dāng)?shù)慕拥剌斎攵酥狈綀D

  無噪聲(無閃爍)代碼分辨率

  ADC的無噪聲代碼分辨率是指這樣一個(gè)位數(shù),如果超過該位數(shù),,則無法明確無誤地解析各個(gè)代碼,,原因是存在所有ADC都具有的有效輸入噪聲(或折合到輸入端噪聲),如上文所述,。該噪聲可以表示為均方根量,,單位通常是LSBrms.乘以系數(shù)6.6可以將均方根噪聲轉(zhuǎn)換為峰峰值噪聲(用"LSB峰峰值"表示),。N位ADC的總范圍為2NLSB.因此,無噪聲采樣總數(shù)等于:

  對無噪聲采樣數(shù)求以2為底的對數(shù)可以得到無噪聲代碼分辨率:

  無噪聲代碼分辨率規(guī)格一般與高分辨率-型測量ADC相關(guān),,通常是采樣速率,、數(shù)字濾波器帶寬和可編程增益放大器(PGA)增益的函數(shù)。圖4所示為從-型測量ADCAD7730獲得的一個(gè)典型數(shù)據(jù)表,。

圖4:Σ-Δ型ADC AD7730的無噪聲代碼分辨率

圖4:Σ-Δ型ADCAD7730的無噪聲代碼分辨率

  注意,,當(dāng)輸出數(shù)據(jù)速率為50Hz、輸入范圍為±10mV時(shí),,無噪聲代碼分辨率為16.5位(80,,000無噪聲采樣)。這些條件下的建立時(shí)間為460ms,,因此該ADC是精密電子秤應(yīng)用的理想之選,。對于適合精密測量應(yīng)用的高分辨率-型ADC,大部分?jǐn)?shù)據(jù)手冊都提供了類似的數(shù)據(jù),。

  有時(shí)候會(huì)利用滿量程范圍與均方根輸入噪聲(而非峰峰值噪聲)的比值來計(jì)算分辨率,,該分辨率稱為"有效分辨率".注意:在相同條件下,有效分辨率比無噪聲代碼分辨率高log2(6.6),,約2.7位,。

  有些制造商更愿意規(guī)定有效分辨率,,而不是無噪聲代碼分辨率,,因?yàn)榍罢叩奈粩?shù)較高。用戶應(yīng)仔細(xì)檢查數(shù)據(jù)手冊,,弄清它到底指定哪一種分辨率,。

  通過數(shù)字均值法提高ADC分辨率并降低噪聲

  折合到輸入端噪聲的影響可以通過數(shù)字均值方法降低。假設(shè)一個(gè)16位ADC具有15位無噪聲分辨率,,采樣速率為100kSPS.對于每個(gè)輸出樣本,,如果對兩個(gè)樣本進(jìn)行平均,則有效采樣速率降至50kSPS,,SNR提高3dB,,無噪聲位數(shù)提高到15.5位。如果對四個(gè)樣本進(jìn)行平均,,則采樣速率降至25kSPS,,SNR提高6dB,無噪聲位數(shù)提高到16位,。

  事實(shí)上,,如果對16個(gè)樣本進(jìn)行平均,則輸出采樣速率降至6.25kSPS,,SNR再提高6dB,,無噪聲位數(shù)提高到17位,。為了利用額外的"分辨率",均值算法必須在較大的有效位數(shù)上執(zhí)行,。

  均值過程還有助于消除ADC傳遞函數(shù)的DNL誤差,,這可以通過下面的簡單例子來說明:假設(shè)ADC在量化電平"k"處有一個(gè)失碼,雖然代碼"k"由于DNL誤差較大而丟失,,但兩個(gè)相鄰代碼k–1和k+1的平均值等于k.

  因此,,可以利用該技術(shù)來有效提高ADC的動(dòng)態(tài)范圍,代價(jià)是整體輸出采樣速率降低并且需要額外的數(shù)字硬件,。不過應(yīng)注意,,均值并不能校正ADC固有的積分非線性。

  現(xiàn)在考慮這樣一種情況:ADC的折合到輸入端噪聲非常低,,直方圖總是顯示一個(gè)明確的代碼,,對于這種ADC,數(shù)字均值有何作用呢?答案很簡單--沒有作用!無論對多少樣本進(jìn)行平均,,答案始終相同,。但只要將足夠大的噪聲增加到輸入信號(hào)中,使得直方圖中有一個(gè)以上的代碼,,那么均值方法又會(huì)發(fā)揮效用,。因此,少量噪聲可能是好事情(至少對于均值方法而言),,但輸入端存在的噪聲越高,,為實(shí)現(xiàn)相同分辨率所需的均值樣本數(shù)越多。

  切勿將有效位數(shù)(ENOB)與有效分辨率或無噪聲代碼分辨率混為一談

  由于這些術(shù)語名稱相似,,"有效位數(shù)"和"有效分辨率"常被誤認(rèn)為是一回事,,事實(shí)并非如此。

  有效位數(shù)(ENOB)來自對ADC輸出的FFT分析,,條件是用一個(gè)滿量程正弦波輸入信號(hào)激勵(lì)A(yù)DC.計(jì)算所有噪聲和失真項(xiàng)的和方根(RSS)值,,信號(hào)對噪聲和失真的比值定義為信納比SINAD或S/(N+D)。理想N位ADC的理論SNR為:

  將計(jì)算所得的SINAD值替換等式5中的SNR,,并求解N,,便得到ENOB:

  用于計(jì)算SINAD和ENOB的噪聲和失真不僅包括折合到輸入端噪聲,而且包括量化噪聲和失真項(xiàng),。SINAD和ENOB用于衡量ADC的動(dòng)態(tài)性能,,有效分辨率和無噪聲代碼分辨率則用于衡量ADC在無量化噪聲的直流輸入條件下的噪聲。

  利用噪聲擾動(dòng)提高ADC無雜散動(dòng)態(tài)范圍

  對于高速ADC,,若要最大程度地提高SFDR,,存在兩個(gè)基本限制:第一是前端放大器和采樣保持電路產(chǎn)生的失真;第二是ADC編碼器部分的實(shí)際傳遞函數(shù)的非線性所導(dǎo)致的失真。

  提高SFDR的關(guān)鍵是盡可能降低以上兩種非線性。

  要顯著降低ADC前端引起的固有失真,,在ADC外部著力是徒勞的,。然而,ADC編碼器傳遞函數(shù)的微分非線性可以通過適當(dāng)利用擾動(dòng)(即外部噪聲,,與ADC的模擬輸入信號(hào)相加)來降低,。

  在一定的條件下,擾動(dòng)可以改善ADC的SFDR(參考文獻(xiàn)2-5),。例如,,即使在理想ADC中,量化噪聲與輸入信號(hào)也有某種相關(guān)性,,這會(huì)降低ADC的SFDR,,特別是當(dāng)輸入信號(hào)恰好為采樣頻率的約數(shù)時(shí)。將寬帶噪聲(幅度約為LSBrms)與輸入信號(hào)相加往往會(huì)使量化噪聲隨機(jī)化,,從而降低其影響(見圖5A),。然而,在大多數(shù)系統(tǒng)中,,信號(hào)之上有足夠的噪聲,,因此無需額外添加擾動(dòng)噪聲。ADC的折合到輸入端噪聲也可能足以產(chǎn)生同樣的效果,。將寬帶均方根噪聲電平提高約1LSB以上會(huì)成比例地降低ADCSNR,,且性能不會(huì)有進(jìn)一步的提高。

  還有其它一些方案,,都使用更大數(shù)量的擾動(dòng)噪聲,,使ADC的傳遞函數(shù)隨機(jī)化。圖5B還顯示了一個(gè)由驅(qū)動(dòng)DAC的偽隨機(jī)數(shù)發(fā)生器組成的擾動(dòng)噪聲源,,此信號(hào)從ADC輸入信號(hào)中減去后,,以數(shù)字方式增加到ADC輸出中,,從而不會(huì)導(dǎo)致SNR性能顯著下降,。這種技術(shù)本身有一個(gè)缺點(diǎn),即隨著擾動(dòng)信號(hào)的幅度增大,,允許的輸入信號(hào)擺幅會(huì)減小,。之所以需要減小信號(hào)幅度,是為了防止過驅(qū)ADC.應(yīng)當(dāng)注意,,這種方案不能顯著改善ADC前端產(chǎn)生的失真,,只能改善ADC編碼器傳遞函數(shù)的非線性所引起的失真。

圖5:利用擾動(dòng)使ADC傳遞函數(shù)隨機(jī)化

圖5:利用擾動(dòng)使ADC傳遞函數(shù)隨機(jī)化

  還有一種方法更容易實(shí)現(xiàn),,尤其是在寬帶接收機(jī)中,,即注入信號(hào)目標(biāo)頻帶以外的一個(gè)窄帶擾動(dòng)信號(hào),如圖6所示,。一般來說,,信號(hào)成分不會(huì)位于接近DC的頻率范圍,,因此該低頻區(qū)常用于這種擾動(dòng)信號(hào)。擾動(dòng)信號(hào)可能還位于略低于fs/2的地方,。相對于信號(hào)帶寬,,擾動(dòng)信號(hào)僅占用很小的帶寬(數(shù)百kHz帶寬通常即足夠),因此SNR性能不會(huì)像在寬帶擾動(dòng)下那樣顯著下降,。

圖6:注入帶外擾動(dòng)以改善ADC SFDR

 

圖6:注入帶外擾動(dòng)以改善ADCSFDR

  分級(jí)流水線式ADC,,例如圖7所示的14位105MSPSADCAD6645,在ADC范圍內(nèi)的特定代碼躍遷點(diǎn)有非常小的差分非線性誤差,。AD6645由一個(gè)5位ADC1,、一個(gè)5位ADC2和一個(gè)6位ADC3組成。嚴(yán)重的DNL誤差僅出現(xiàn)在ADC1躍遷點(diǎn),,第二級(jí)和第三級(jí)ADC的DNL誤差非常小,。ADC1有25=32個(gè)相關(guān)的決策點(diǎn),每隔68.75mV(29=512LSB)出現(xiàn)一個(gè)(2.2V滿量程輸入范圍),。圖8以夸張形式顯示了這些非線性誤差,。

圖7:14位105 MSPS ADC AD6645簡化框圖

 

圖7:14位105MSPSADCAD6645簡化框圖

圖8:AD6645分級(jí)點(diǎn)DNL誤差(夸張顯示)

 

圖8:AD6645分級(jí)點(diǎn)DNL誤差(夸張顯示)

  對于最高約為200MHz的模擬輸入,AD6645前端產(chǎn)生的失真成分與編碼器產(chǎn)生的失真相比可忽略不計(jì),。這就是說,,AD6645傳遞函數(shù)的靜態(tài)非線性是SFDR性能的主要限制。

  目標(biāo)是選擇適當(dāng)?shù)膸鈹_動(dòng)量,,使得這些微小DNL誤差的影響在ADC整個(gè)輸入范圍內(nèi)隨機(jī)化,,從而降低平均DNL誤差。這可以通過實(shí)驗(yàn)方法確定,,覆蓋大約兩個(gè)ADC1躍遷區(qū)的峰峰值擾動(dòng)噪聲對DNL的改善最佳,。更高的噪聲量不會(huì)明顯改善DNL.兩個(gè)ADC1躍遷區(qū)覆蓋1024LSB峰峰值,或者大約155LSBrms(峰峰值高斯噪聲除以6.6即得到均方根值),。

  圖9中的第一幅圖顯示一小部分輸入信號(hào)范圍內(nèi)的無擾動(dòng)DNL.水平軸經(jīng)過放大,,以顯示兩個(gè)相距68.75mV(512LSB)的分級(jí)點(diǎn)。第二幅圖顯示增加155LSBrms擾動(dòng)后的DNL,,該擾動(dòng)量相當(dāng)于大約–20.6dBm.請注意,,DNL得到顯著改善。

圖9:無擾動(dòng)和有擾動(dòng)的AD6645 DNL

圖9:無擾動(dòng)和有擾動(dòng)的AD6645DNL

  擾動(dòng)噪聲可以通過多種方式產(chǎn)生,??梢允褂迷肼?font class="f14">二極管,但簡單地放大器寬帶雙極性運(yùn)放的輸入電壓噪聲是更經(jīng)濟(jì)的解決方案,,這種方法已在參考文獻(xiàn)3,、4、5中詳細(xì)說明,在此恕不贅述,。

  利用帶外擾動(dòng)獲得的SFDR大幅改善結(jié)果如圖10的深(1,,048,576點(diǎn))FFT所示,,其中AD6645以80MSPS的速率對一個(gè)–35dBm,、30.5MHz信號(hào)進(jìn)行采樣。請注意,,無擾動(dòng)時(shí)SFDR約為92dBFS,,有擾動(dòng)時(shí)約為108dBFS,提高幅度達(dá)16dB,!

圖10:無擾動(dòng)和有擾動(dòng)的AD6645 FFT圖

 

圖10:無擾動(dòng)和有擾動(dòng)的AD6645FFT圖

  AD6645ADC由ADI公司于2000年推出,,直到最近,它仍是代表SFDR極致性能的產(chǎn)品,。自從推出該器件后,,工藝技術(shù)和電路設(shè)計(jì)兩方面的進(jìn)步推動(dòng)ADC向更高性能發(fā)展,例如AD9444(14位,、80MSPS),、AD9445(14位、105/125MSPS)和AD9446(16位,、80/100MSPS),,這些ADC具有非常高的SFDR(對于70MHz滿量程輸入信號(hào),典型值大于90dBc)和低DNL,。

  在一定的輸入信號(hào)條件下,,增加適當(dāng)?shù)膸鈹_動(dòng)信號(hào)同樣可以改善SFDR性能。

圖11顯示了有擾動(dòng)和無擾動(dòng)下的AD9444(14位,、80MSPS)FFT.在這些輸入條件下,,添加擾動(dòng)使SFDR提高25dB。所示數(shù)據(jù)是利用ADIsimADC程序和AD9444模型獲得,。

圖11:14位,、80MSPS ADC AD9444,fs = 80MSPS,fin = 30.5MHz,信號(hào)幅度 = –40dBFS

 

圖11:14位、80MSPS ADC AD9444,,fs=80MSPS,,fin=30.5MHz,信號(hào)幅度=–40dBFS

  雖然圖10和圖11所示的結(jié)果相當(dāng)驚人,,但不應(yīng)認(rèn)為,增加帶外噪聲擾動(dòng)一定就會(huì)改善ADC的SFDR,,或者在所有條件下都適用,。正如之前提到的,擾動(dòng)無法改善ADC前端電路的線性度。即使是近乎理想的前端,,擾動(dòng)的效果也將高度依賴于輸入信號(hào)的幅度和擾動(dòng)信號(hào)本身的幅度,。例如,當(dāng)信號(hào)接近ADC的滿量程輸入范圍時(shí),,傳遞函數(shù)的積分非線性可能會(huì)成為確定SFDR的限制因素,,擾動(dòng)將沒有助益。務(wù)必認(rèn)真研究數(shù)據(jù)手冊,,某些情況下,,其中可能給出了有擾動(dòng)和無擾動(dòng)的數(shù)據(jù)以及幅度和帶寬建議。擾動(dòng)可能是更新一代中頻采樣ADC的內(nèi)置特性,。

  結(jié)束語

  在本文中,,我們說明了所有ADC都有一定量的折合到輸入端噪聲。在精密,、低頻測量應(yīng)用中,,以數(shù)字方式對ADC輸出數(shù)據(jù)求平均值可以降低該噪聲,代價(jià)是采樣速率會(huì)降低并且需要額外的硬件,。該均值方法實(shí)際上可以提高ADC的分辨率,,但無法降低積分非線性誤差。



 

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。