ADC分类

目录

一、模数转换器的基本组成

二、ADC基本参数

2.1 分辨率

2.2 采样速率

2.3 满摆幅输入范围

三、静态参数

2.1 微分非线性(DNL)

2.2 积分非线性(INL)

四、动态参数

五、ADC主要类型

模拟数字转换器即A/D转换器(ADC),主要用于将连续传输的模拟信号转换为数字信号,便于数字系统(如中央处理器CPU、微控制器MCU等)对传输信息进行快速处理和分析。

一、模数转换器的基本组成

模拟信号首先经过经过滤波器滤除高频分量。然后经过采样保持电路将信号在时间上离散采样,它采样固定时刻的输入电压并将其保持一段时间以给后级电路进行量化及编码。量化器与编码器则将保持电压映射到一个ADC所能分辨的最小电压区间,并给出其对应的数字编码。不同的量化机制则对应不同的量化电路,这也是各ADC架构的主要不同点。

暂时无法在飞书文档外展示此内容

二、ADC基本参数

2.1 分辨率

是用于将模拟信号转化成数字信号的设备,而ADC的分辨率决定了储存多少数字信号。例如一个8位的ADC能储存的数字信号的种类是2的8次方即256种,位数越高A/D转化的精度越高。

2.2 采样速率

采样速率采样速率是两次采样(两次转换)的间隔时间的倒数,为了保证转换的正确完成,一般采样速率必须小于等于转换速率,即采样时间大于等于转换时间。

2.3 满摆幅输入范围

ADC所能转换的模拟输入信号的幅度称为改ADC的满摆幅输入范围,一般用$$V_{RF}$$表示,超过该范围的输入信号ADC将无法转换。它与分辨率一起决定了ADC所能分辨的最小电压幅度。

三、静态参数

ADC的静态参数用来描述其实际传输特性曲线与理想曲线之间的差别,主要有微分非线性(DNL)和积分非线性(INL)。

2.1 微分非线性(DNL)

微分非线性用来描述ADC的一个实际转换电平宽度与理想值(ILSB)的最大差异,一般来说,要求ADC的DNL要小于1LSB,否则会出现丢码。

2.2 积分非线性(INL)

积分非线性用来描述ADC的一个实际转换点与理想转转点之间的最大偏差。它通常是相对于码中心来测量的,通过ADC的端点画一条直线,码中心与该直线的最大偏差即为INL。一些情况下,该条直线是利用最小二乘法获得的最佳拟合直线。

四、动态参数

ADC的动态参数描述它对一定频率的正弦输入信号进行转换时的性能。这些参数主要有:信噪比、总谐波失真、信号噪声失真比、有效位数等。

参数

意义

计算公式

信噪比(SNR/dB)

输出信号功率与总噪声功率的比值

$$SNR=10lg\frac{P_S}{P_N} $$

总谐波失真(THD/dB)

输入信号各个谐波分量的功率之和与输入信号功率的比值

$$THD=10lg\frac{\displaystyle\sum_{2}^N P_D}{P_S}$$

信号噪声失真比(SNDR/dB)

输入信号功率与总的噪声和谐波功率之和的比值

$$10lg\frac{P_S}{P_N+\sum P_D}$$

有效位数(ENOB/bits)

ADC在实际工作中的有效量化精度

$$ENOB=\frac{SNDR-1.76}{6.02}$$

五、ADC主要类型

ADC不同的量化机制是决定ADC设计复杂程度以及性能的最关键因素之一,同时也是区分各ADC架构的主要依据。

架构

量化机制

主要模块电路

特点

全并行

由差分放大器产生所有转换电平

采样保持电路+预放大电路+比较器+编码电路

原理简单,速度快;但成本和功耗随精度增加指数上升

两步式

首先由粗量化电路产生高位数字编码,然后提取余量电压,供细量化电路产生其余低位编码

采样保持电路+粗量化ADC+DAC+差分放大器+细量化ADC+编码电路

硬件成本大大减少,但细量化电路依赖粗量化电路,使其速度相对较低

折叠插值

粗量化电路进行高位量化编码,同时细量化电路通过折叠插值进行低位量化编码

采样保持电路+粗量化ADC+折叠插值电路+同步编码电路

包含粗量化和细量化两部分电路,它们是并行工作的,因而ADC速度相对较快

流水线

前级电路进行高位量化编码,余量提取放大后经过采祥保持送入下一级电路进行量化编码

采样保持电路+粗量化ADC+DAC+差分放大器+细量化ADC+编码电路

多步式ADC,适用于中高速,中高精度场合

逐次逼近

先比较最高位,然后按照二进制的加权比例分别比较下面各位

采样保持电路+DAC+比较器+数字控制电路+位移寄存器

硬件成本较少,功耗低;编码串行输出,速度相对较慢

过采样

采用速度较高的时钟过采样输入信号,利用噪声整形技术抑制量化噪声

采样保持电路+差分放大器+积分器+比较器+数字滤波器

精度很高,速度相对较慢,特别适合于音频信号处理

如有侵权,联系删除 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/44622.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python 3 和 VSCode:开发者的理想组合

Python 3 和 VSCode:开发者的理想组合 Python 3 和 Visual Studio Code(VSCode)是现代软件开发中的两个重要工具。Python 3 是一种高级编程语言,以其简洁明了的语法和强大的功能而闻名。VSCode 是一款由微软开发的免费、开源的代码编辑器,它以其高效的性能和丰富的扩展而…

C语言 | Leetcode C语言题解之第227题基本计算题II

题目&#xff1a; 题解&#xff1a; int calculate(char* s) {int n strlen(s);int stk[n], top 0;char preSign ;int num 0;for (int i 0; i < n; i) {if (isdigit(s[i])) {num num * 10 (int)(s[i] - 0);}if (!isdigit(s[i]) && s[i] ! || i n - 1) {s…

禁止使用存储过程

优质博文&#xff1a;IT-BLOG-CN 灵感来源 什么是存储过程 存储过程Stored Procedure是指为了完成特定功能的SQL语句集&#xff0c;经编译后存储在数据库中&#xff0c;用户可通过指定存储过程的名字并给定参数&#xff08;如果该存储过程带有参数&#xff09;来调用执行。 …

pnpm workspace使用教程【Monorepo项目】

目录 前言一、pnpm简介特点&#xff1a;对比 二、 创建项目添加文件 pnpm-workspace.yaml目录结构pnpm workspace: 协议修改配置文件执行 安装 三、命令解析执行包命令所有包操作命令 四、实例代码 前言 前面两篇&#xff0c;我们讲了 yarn workspace 和 lerna &#xff0c; …

防火墙(ensp USG6000v)---安全策略 + 用户认证综合实验

一. 题目 1&#xff09; 拓扑 2&#xff09;要求 1. DMZ区内的服务器&#xff0c;办公区仅能在办公时间内(9:00 -- 18: 00)可以访问&#xff0c;生产区的设备全天可以访问 2.生产区不允许访问互联网&#xff0c;办公区和游客区允许访问互联网 3.办公区设备10.0.2.10不充许…

请求被中止: 未能创建 SSL/TLS 安全通道

if (this.RequestHeaders null) { this.RequestHeaders._Referer url.urlTxt; } Sharing.setTips("已发出请求"); text HTTP.GetUrlHtml(url.urlTxt, this.RequestHeaders, this.Timeout, this.cookie); if (text.IndexOf("#EXTM3U") < 0) { Sharing…

桥联亲和素-标记生物素法(BRAB)

桥联亲和素-标记生物素法&#xff08;BRAB&#xff09;是一种基于生物素与亲和素&#xff08;或链霉亲和素&#xff09;之间高亲和力特性的生物医学检测方法。以下是关于BRAB法的详细解释&#xff1a; 一、定义与原理 BRAB法&#xff0c;也称为桥联亲和素-标记生物素法&#xf…

【测试开发】--安全渗透测试

1. 安全渗透 1.1 分类 web数据库安全web应用服务器安全&#xff08;文件上传漏洞、文件包含漏洞&#xff09;web客户端安全&#xff08;XSS跨站攻击&#xff09; 2. sql注入 2.1 sql注入介绍 sql注入在安全问题中排行榜首sql注入攻击是输入参数未经过滤&#xff0c;然后直…

vscode c++可以找到声明却无法自动补全

这个问题折磨了我将近一个月&#xff0c;今天终于被解决了&#xff0c;特此记录 情景再现 事情的起因是我在学习华为的Ascend C算子&#xff0c;需要编写C代码。关于怎么下载库文件怎么编译之类的不是本文的重点&#xff0c;重点是自动补全。 我已经拿到库文件了&#xff0c…

机器学习笔记之监督学习

基本概念 用于训练模型的数据集称为&#xff1a;训练集 成本函数/代价函数&#xff1a;指示模型的运行情况&#xff0c;用于衡量训练数据与该直线的拟合程度。将预测值和目标值做差&#xff0c;该差值也被称为“损失值”。 例如我们需要计算平均的平方误差来衡量 成本函数/…

uniapp适配解决方法

uni-app的专属强大自适应单位upx&#xff0c;rpx&#xff0c;不能动态赋值解决办法… uni-app 使用 upx 作为默认尺寸单位&#xff0c; upx 是相对于基准宽度的单位&#xff0c;可以根据屏幕宽度进行自适应。uni-app 规定屏幕基准宽度750upx。 开发者可以通过设计稿基准宽度计…

无人机之飞行规划与管理篇

无人机飞行规划与管理是确保无人机安全、高效且符合法规的运行的关键步骤。这一过程包括了对飞行任务的详细安排、航线的设定以及风险的评估和管理。下面简述这一过程的主要环节&#xff1a; 一、飞行目的和任务确定 在规划之初&#xff0c;必须明确无人机的飞行目的&#xf…

STM32微控制器在无人机控制中的应用与实践(内附资料)

摘要 无人机技术正迅速发展&#xff0c;STM32微控制器因其高性能和灵活性&#xff0c;成为无人机控制系统的首选平台之一。本文将探讨STM32微控制器在无人机控制中的应用&#xff0c;包括飞行控制、传感器集成、数据通信等方面&#xff0c;同时提供实践代码示例。 1. 无人机控…

微软Win11 24H2七月更新补丁KB5040435发布!附下载

系统之家于7月10日发出最新报道&#xff0c;微软为Win11用户发布了24H2版本七月的最新更新补丁KB5040435。用户升级系统后&#xff0c;会发现版本号升至 26100.1150。此次更新针对远程身份验证拨入用户服务(RADIUS)协议与 MD5冲突等问题进行修复。接下来跟随小编看看此次更新的…

centos安装数据库同步工具sqoop并导入数据,导出数据,添加定时任务

目录 1.安装jdk 1.1上传jdk安装包到/opt目录下并解压 1.2解压 1.3配置环境变量 2.安装hadoop 2.1.下载hadoop 2.2.解压hadoop 2.3配置环境变量 3.安装sqoop 3.1下载 3.2解压 3.3下载依赖包并复制到指定位置 3.3.1下载commons-lang-2.6-bin.tar.gz 3.3.2将mysql-c…

如何在Spring Boot中集成Hibernate

如何在Spring Boot中集成Hibernate 大家好&#xff0c;我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编&#xff0c;也是冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01;今天我们将探讨如何在Spring Boot项目中集成Hibernate。Hibernate是一个广泛…

ComfyUI+MuseV+MuseTalk图片数字人

电脑配置 GPU12G&#xff0c;如果自己电脑配置不够&#xff0c;选择云gpu&#xff0c;我就是用的这个&#xff0c;自己电脑太老配置跟不上 环境&#xff1a; Python 3.11.8 torch 2.2.1 cuda_12.1 资源提供&#xff1a; 链接&#xff1a;https://pan.baidu.com/s/1_idZbF…

Python requests爬虫

Python的requests库是一个强大且易于使用的HTTP库&#xff0c;用于发送HTTP请求和处理响应。它是Python中最受欢迎的网络爬虫框架之一&#xff0c;被广泛用于从网页中提取数据、爬取网站和进行API调用。 使用requests库&#xff0c;你可以轻松地发送各种HTTP请求&#xff0c;包…

YOLOv10改进 | 损失函数篇 | SlideLoss、FocalLoss、VFLoss分类损失函数助力细节涨点(全网最全)

一、本文介绍 本文给大家带来的是分类损失 SlideLoss、VFLoss、FocalLoss损失函数&#xff0c;我们之前看那的那些IoU都是边界框回归损失&#xff0c;和本文的修改内容并不冲突&#xff0c;所以大家可以知道损失函数分为两种一种是分类损失另一种是边界框回归损失&#xff0c;…

DPDK源码分析之(1)libmbuf模块补充

DPDK源码分析之(1)libmbuf模块补充 Author&#xff1a;OnceDay Date&#xff1a;2024年7月2日 漫漫长路&#xff0c;有人对你笑过嘛… 全系列文档可参考专栏&#xff1a;源码分析_Once-Day的博客-CSDN博客 参考文档&#xff1a; DPDK downloadGetting Started Guide for L…