天天看點

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

ADC學習(2)——頻譜性能名額

參考:Boris Murmann Stanford University
           

文章目錄

  • ADC學習(2)——頻譜性能名額
    • 一. 頻譜名額
    • 二. 離散傅裡葉變換基礎
    • 三. 信噪比(SNR)
    • 四. 信噪失真比(SNDR)
    • 五. 有效位數(ENOB)
    • 六. 動态範圍(DR)
    • 七. 無雜散動态範圍(SFDR)
    • 八. 總諧波失真(THD)
    • 九. 互調失真(IMD)
    • 十. 多音功率比(MTPR)
    • 十一. 有效分辨率帶寬(ERBW)
    • 十二. 積分非線性(INL)與諧波失真(HD)的關系
    • 十三. 差分非線性(DNL)導緻信噪比(SNR)下降

一. 頻譜名額

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

二. 離散傅裡葉變換基礎

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

DFT是對采樣的N個離散樣本做離散傅裡葉變換,産生N個離散頻譜點。

離散頻譜中最後一個點,也就是第N個點代表采樣頻率 f s f_s fs​,相鄰兩頻譜點間隔為 f s N \frac{f_s}{N} Nfs​​,是以相同采樣頻率下,采樣時間越長,采樣點數越多,那麼頻率分辨率就越高。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

歸一化DFT(FFT)的Matlab代碼如上所示,輸入信号頻率 f x f_x fx​為100,采樣頻率 f s f_s fs​為1000,采 N = 100 N=100 N=100個點。

輸入的被采樣的離散信号為 x x x,經FFT後的離散的第一奈奎斯特區間頻譜為 s s s,這裡DFT的頻譜是用譜密度定義的,即它的幅值表示的是機關帶寬的幅值。而N點實數DFT以後,将産生 N / 2 + 1 N/2+1 N/2+1個頻率點,頻譜帶寬是 N / 2 N/2 N/2,每個頻率點占的帶寬是 2 / N 2/N 2/N,是以每個頻率的實際幅值需要用DFT後的幅值乘以 2 / N 2/N 2/N。 然後再除以全量程FS作為相對幅值進行歸一化。最後繪制出第一奈奎斯特區間的DFT歸一化頻譜圖。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額
ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

離散傅立葉變換計算其輸入的周期性重複的信号頻譜,包含非整數個正弦波周期的序列在其周期性重複中具有不連續性,這會導緻高頻分量分散在頻譜中。這就是頻譜洩漏,解決的方法是確定輸入信号的周期為整數或通過加窗來消除。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

解決頻譜洩漏的一個方法是,采樣剛好滿足輸入信号周期整數倍的信号點數, 那麼需要滿足如下公式:

T x ∗ c y c l e = T s ∗ N , f x = f s ∗ c y c l e N T_x*cycle=T_s*N,f_x=\frac{f_s*cycle}{N} Tx​∗cycle=Ts​∗N,fx​=Nfs​∗cycle​

其中cycle是任意正整數。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

解決頻譜洩漏的另一個方法是,使用窗函數,通過對時域樣本加窗來減小頻譜洩漏。 時域與窗函數相乘,頻域進行卷積。下圖是一種窗函數,漢甯窗:

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額
ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

三. 信噪比(SNR)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

信号-量化噪聲比(SQNR)對于輸入為滿量程正弦信号,可大緻寫為 S Q N R = 6.02 ∗ N + 1.76 [ d B ] SQNR = 6.02*N+1.76 [dB] SQNR=6.02∗N+1.76[dB]

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

FFT噪底計算與FFT的點數有關,FFT點數越多,噪底越小。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

在保證頻譜不洩露的情況下,采樣點數N與采樣輸入信号的周期倍數cycles互為質數(GCD(N,cycles)=1),就可以避免周期的量化噪聲,使量化噪聲更加随機。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

信噪比(SNR)中總噪聲功率包含量化噪聲和電子噪聲,但不包括直流分量,信号分量與非線性帶來的諧波分量。

四. 信噪失真比(SNDR)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

與SNR不同的是,SNDR的噪聲失真功率包括了諧波分量,但仍不包括直流與信号分量。SNDR與有效位數之間有換算關系:

E N O B = S N D R ( d B ) − 1.76 d B 6.02 d B ENOB=\frac{SNDR(dB)-1.76dB}{6.02dB} ENOB=6.02dBSNDR(dB)−1.76dB​

五. 有效位數(ENOB)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

由于電子噪聲等非理想因素的存在,真實的ADC有效位數會下降,用ENOB來衡量,通過SNDR來計算ENOB。ENOB越接近理想ADC位數,功耗會越大,是以良好能效的經驗法則為: E N O B < B − 1 ENOB<B-1 ENOB<B−1。

六. 動态範圍(DR)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

動态範圍是最小可探測信号功率到最大功率間的功率範圍。

七. 無雜散動态範圍(SFDR)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

無雜散動态範圍定義為信号功率與最大雜散間的功率範圍。

八. 總諧波失真(THD)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

總諧波失真是信号失真比的倒數,失真功率包含了2次到7次的諧波分量。通過增加FFT的點數可以降低底噪,讓諧波分量不被噪聲淹沒。高次諧波分量通過混疊對稱至第一奈奎斯特區間,進而可能出現在任意頻率上。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

九. 互調失真(IMD)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

由于非線性系統導緻的互調失真通常在多信道通信系統中很重要,三階乘積通常難以濾除。

十. 多音功率比(MTPR)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

十一. 有效分辨率帶寬(ERBW)

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

ERBW定義為轉換器的SNDR下降3dB(相當于ENOB的0.5-bit損失)時的輸入頻率。

十二. 積分非線性(INL)與諧波失真(HD)的關系

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

ADC的INL經常呈二次或三次曲線,可以将其視為一個二次或三次的非線性系統,這導緻了諧波失真的産生。是以諧波失真與積分非線性之間有關聯。

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

諧波失真與積分非線性之間換算的經驗公式為:

H D ≈ − 20 l o g ( 2 B I N L ) HD≈-20log(\frac{2^B}{INL}) HD≈−20log(INL2B​)

H D 3 ≈ − 20 l o g ( 4 3 3 2 B I N L m a x ) HD_3≈-20log(\frac{4}{3\sqrt{3}}\frac{2^B}{INL_{max}}) HD3​≈−20log(33

​4​INLmax​2B​)

十三. 差分非線性(DNL)導緻信噪比(SNR)下降

ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額
ADC學習(2)——頻譜性能名額ADC學習(2)——頻譜性能名額

許多數位中的非零DNL很容易造成幾分貝的信噪比損失。

繼續閱讀