ADC噪声全面分析 -04- 有效噪声带宽简介

为什么要了解ENBW?

了解模数转换器 (ADC) 噪声可能具有挑战性,即使对于最有经验的模拟设计人员也是如此。 Delta-sigma ADC 具有量化和热噪声的组合,这取决于 ADC 的分辨率、参考电压和输出数据速率 (ODR)。 在系统级别,额外的信号链组件使噪声分析变得更加复杂,其中许多组件具有不同的噪声特性,难以进行比较。
但是,如果希望能够估计系统中的噪声,则必须了解每个组件贡献了多少噪声、一个组件的噪声如何影响另一个组件以及哪些噪声源占主导地位。 尽管这似乎是一项艰巨的任务,但您可以使用信号链的有效噪声带宽 (ENBW) 来帮助简化流程。

有效噪声带宽基础

由于 ENBW 是一个抽象概念,让我们用寒冷夜晚的门窗做个简单的类比来更容易地理解它。 为了降低能源成本并节省资金,您需要尽可能关闭所有门窗,以限制进入家中的冷空气量。 在这种情况下,您的家是系统,您的门窗是过滤器,冷空气是噪音,而 ENBW 是衡量您的开口打开(或关闭)的程度。 间隙 (ENBW) 越大,进入您家 (系统) 的冷空气 (噪音) 就越多,反之亦然,如下图所示。

image-20220726142627945

在一般信号处理术语中,滤波器的 ENBW 是理想砖墙滤波器的截止频率 fC,其噪声功率大约等于原始滤波器的噪声功率 H(f)。 将此定义与门窗类比联系起来,系统的 ENBW 相当于将每个门窗的开口宽度(可能都不同)组合成一个可定义的值,该值同样适用于所有门窗。

例如,让我们将单极低通电阻电容 (RC) 滤波器(图a)简化为理想的滤波器(图b)。 为此,请使用积分计算实际滤波器响应下的噪声功率。 该计算值是原始滤波器的 ENBW,然后成为类似的理想砖墙滤波器的截止频率 fC。

image-20220726142825973

在这种情况下,可以使用直接积分法计算单极点低通滤波器的 ENBW,也可以使用公式,它将原始 RC 滤波器的 3-dB 点与其 ENBW 相关联:
E N B W 1 – p o l e R C f i l t e r = 1.57 × f – 3 d B ENBW_{1–pole\ RC\ filter} = 1.57 × f_{–3\ dB} ENBW1–pole RC filter=1.57×f–3 dB
通过这个简单的示例,ENBW 被定义为从现实世界的滤波器响应到理想滤波器响应的转换。 但让我们讨论一下使用这种技术的动机,看看它如何帮助简化您的噪声分析计算。

为什么 ENBW 很重要?

为了理解 ENBW 为何如此重要,我们假设您想使用不带滤波的 ADC 来测量典型满量程输出可低至 10 mV 的低电平电阻桥信号。 为此,您需要在 ADC 的输入端添加一个放大器,以将您感兴趣的信号放大到 ADC 的本底噪声之上,并扩大 ADC 的动态范围。 在没有其他滤波的情况下,放大器几乎将所有噪声传递给 ADC。 在这种情况下,噪声仅受放大器带宽的限制,可能为数千赫兹或更高。
幸运的是,您还需要在放大器之后添加一个抗混叠滤波器。 该滤波器执行两个功能:首先,它限制不需要的信号折回通带; 其次,它降低信号链的 ENBW 远远超过放大器的带宽,因为公式 通常是正确的:
B W F i l t e r < < B W A M P BW_{Filter } << BW_{AMP} BWFilter<<BWAMP
下图模拟了新的 ADC 输入阶段。

image-20220726143633471

鉴于公式中的条件,您知道抗混叠滤波器限制了进入 ADC 的放大器噪声,但它去除了多少噪声? 或者,更重要的是,还有多少噪声会通过影响 ADC 和结果测量? 为了计算这一点,您需要查看放大器的噪声特性。

下图显示了具有较大 1/f(flicker)区域的放大器的电压噪声频谱密度图。 就其本身而言,该图几乎不会告诉您放大器的实际噪声贡献(以蓝绿色突出显示)。事实上,非恒定噪声密度(非斩波稳定放大器的一个常见特性)使得计算传递到 ADC 的噪声变得更具挑战性。

image-20220726143939144

要了解有多少噪声传递到 ADC,您需要计算系统的 ENBW。 一旦您确定了理想的滤波器响应,您就可以将其叠加在放大器的噪声频谱密度曲线上,如下图中的红色区域所示。

image-20220726144107570

图中的抗混叠滤波器经过设计,可提供 200Hz的ENBW,有效地充当放大器噪声的截止点。 剩下要做的就是计算这个噪声,由图 中的深灰色区域表示。当宽带噪声占主导地位时,可以使用公式来计算均方根 (RMS) 电压噪声:

如果器件具有较大的 1/f 噪声分量,类似于上图中所示的放大器,可以使用直接积分或简化公式来计算器件的噪声贡献。

在这种情况下,计算得出的传递到 ADC 的 RMS 电压噪声为 43.6 nVRMS。

什么有助于系统的 ENBW?

通过这个简单的放大器/抗混叠滤波器分析,我无意中定义了两个有助于确定信号链 ENBW 的源。 但是,任何设计中都可以存在多个过滤源,并且每个设计中至少存在一些过滤。 即使是不包含传统滤波的印刷电路板 (PCB) 也具有走线阻抗和并联走线电容。 这些寄生效应可能会产生一个无意的 RC 滤波器,尽管它具有非常大的带宽,因此对整体 ENBW 的影响很小。

下图突出显示了典型数据采集 (DAQ) 系统中最常见的滤波来源:电磁干扰 (EMI) 滤波器等外部滤波器、放大器的带宽、抗混叠滤波器、delta-sigma ADC 的数字滤波器和/或任何后置滤波器 - 在 MCU 或现场可编程门阵列中以数字方式创建的处理滤波器。 需要注意的是,并非所有这些滤波源都出现在每个信号链中。 例如,许多基于 delta-sigma 的 DAQ 系统不需要后处理滤波器,因为这些 ADC 内部集成了滤波器。

image-20220726144839705

如果您的信号链有多个滤波器组件,您必须通过组合信号链中的所有下游滤波器来计算每个组件的 ENBW。 例如,要计算上图中放大器的噪声贡献,您必须将放大器的带宽与抗混叠滤波器、ADC 的数字滤波器和任何后处理滤波器相结合。 但是,您可以忽略 EMI 滤波器。

幸运的是,即使一个电路有多个滤波源,某些滤波器类型通常对整体 ENBW 的影响比其他类型更大。 因此,您可能只需要计算该组件的 ENBW 并忽略其他过滤源。 例如,在较低的输出数据速率 (ODR) 下,Δ-Σ ADC 的数字滤波器通常提供信号链中最窄的带宽,因此支配了系统的 ENBW。 相反,如果您要使用更快的 ODR 和非常宽的输入信号带宽,抗混叠滤波器通常会限制系统的 ENBW。

小结

  1. ENBW 表示给定通用滤波器的理想滤波器的截止频率 H(f)。
  2. 必须确定系统中每个噪声源的 ENBW。
  3. 要计算每个噪声源的 ENBW,请结合系统中的所有下游滤波器。
  4. ENBW 有助于确定每个组件进入系统的噪声量。
  5. ENBW 通常由具有最小截止频率的滤波器主导,该滤波器通常是抗混叠滤波器或数字滤波器,尤其是对于精密 deltasigma ADC。

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/web/73128.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

STM32单片机uCOS-Ⅲ系统10 内存管理

目录 一、内存管理的基本概念 二、内存管理的运作机制 三、内存管理的应用场景 四、内存管理函数接口讲解 1、内存池创建函数 OSMemCreate() 2、内存申请函数 OSMemGet() 3、内存释放函数 OSMemPut() 五、实现 一、内存管理的基本概念 在计算系统中&#xff0c;变量、中…

考研课程安排(自用)

文章目录 408数据结构&#xff08;王道&#xff09;计算机组成原理&#xff08;王道&#xff09;操作系统&#xff08;王道&#xff09;计算机网络&#xff08;湖科大版&#xff09; 数学一高等数学&#xff08;微积分&#xff09;线性代数和概率论 408 数据结构&#xff08;王…

ultraiso制作u盘启动

UltraISO制作U盘启动盘的方法 UltraISO是一款功能强大的工具&#xff0c;可以帮助用户将ISO镜像文件写入U盘&#xff0c;从而制作成可启动的系统安装盘。以下是详细的步骤和注意事项&#xff1a; 1. ‌准备工作‌ ‌硬件准备‌&#xff1a;一个容量至少为8GB的U盘&#xff0…

C语言-发布订阅模式详解与实践

文章目录 C语言发布订阅模式详解与实践1. 什么是发布订阅模式&#xff1f;2. 为什么需要发布订阅模式&#xff1f;3. 实际应用场景4. 代码实现4.1 UML 关系图4.2 头文件 (pubsub.h)4.3 实现文件 (pubsub.c)4.4 使用示例 (main.c) 5. 代码分析5.1 关键设计点5.2 实现特点 6. 编译…

蓝桥杯2023年第十四届省赛真题-异或和之差

题目来自DOTCPP&#xff1a; 思路&#xff1a; 什么是异或和&#xff1f; ①题目要求我们选择两个不相交的子段&#xff0c;我们可以枚举一个分界线i&#xff0c;子段1在 i 的左边&#xff0c; 子段2在 i 的右边&#xff0c;分别找到子段1和子段2的最大值、最小值。 ②怎么确…

Linux作业2——有关文件系统权限的练习

1、创建/www目录&#xff0c;在/www目录下新建name和https目录&#xff0c;在name和https目录下分别创建一个index.html文件&#xff0c;name下面的index.html文件中包含当前主机的主机名&#xff0c;https目录下的index.html文件中包含当前主机的ip地址。 #创建/www目录&…

leeCode 70. 爬楼梯

假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢&#xff1f; 示例 1&#xff1a; 输入&#xff1a;n 2 输出&#xff1a;2 解释&#xff1a;有两种方法可以爬到楼顶。 1. 1 阶 1 阶 2. 2 阶 示例 2&#x…

算法题(105):小猫爬山

审题&#xff1a; 本题需要我们找出将n个小猫放在有限重的缆车上运下山所需的最小缆车数 时间复杂度分析&#xff1a;本题的数据量小于等于18&#xff0c;所以我们在做好剪枝的前提下可以使用深度优先搜索解题 思路&#xff1a; 方法一&#xff1a;dfs 搜索策略&#xff1a;将小…

第十六章:Specialization and Overloading_《C++ Templates》notes

Specialization and Overloading 一、模板特化与重载的核心概念二、代码实战与测试用例三、关键知识点总结四、进阶技巧五、实践建议多选题设计题代码测试说明 一、模板特化与重载的核心概念 函数模板重载 (Function Template Overloading) // 基础模板 template<typename…

多协议兼容+高并发处理:EasyCVR如何破解AI安防规模化落地难题?

随着AI技术在安防领域的深入应用&#xff0c;规模化部署面临两大核心挑战&#xff1a;设备协议碎片化导致的接入壁垒与海量视频流并发带来的性能瓶颈。TSINGSEE青犀视频的EasyCVR平台通过“多协议兼容高并发处理”双引擎驱动&#xff0c;结合云边端协同架构与智能算法优化&…

IntelliJ IDEA 中 Git 高频问题与操作详解|新手避坑指南

标签&#xff1a;IntelliJ IDEA Git操作, Git教程, 版本控制, 冲突解决, 分支管理 引言 你是否遇到过这些问题&#xff1f; 代码提交后想撤销怎么办&#xff1f;合并分支时冲突不会解决&#xff1f;不小心把错误代码推送到远程仓库&#xff1f; 本文针对 IntelliJ IDEA 中 Git …

【聊聊层次式架构设计:像搭乐高一样构建软件大厦】

文章目录 聊聊层次式架构设计&#xff1a;像搭乐高一样构建软件大厦理论篇&#xff1a;层次式架构的“千层套路”最底层&#xff1a;基础设施层——默默付出的“基石侠”数据访问层&#xff1a;“数据快递员”业务逻辑层&#xff1a;智慧的“大脑中枢”表示层&#xff1a;软件的…

N列股票收盘价为起点的马科维茨(Markowitz)均值—方差理论

1. 数据准备与收益率计算 输入数据&#xff1a; 假设你有一个矩阵&#xff0c;每一列代表一只股票的历史收盘价序列。每一行对应一个时间点的收盘价。 计算收益率&#xff1a; 马科维茨理论要求使用资产的收益率而非价格。常用的收益率计算方法有对数收益率或简单收益率。 2.…

Conda常用命令汇总(持续更新中)

原文章&#xff1a;安装和使用Miniconda来管理Python环境-CSDN博客 一、Miniconda的使用 Miniconda没有GUI界面&#xff0c;只能通过conda命令对Python环境和软件包进行管理&#xff0c;所以这里主要介绍一下conda的常用命令。 1. Conda相关 (1)查询conda版本 conda --vers…

Redis Cluster 详解

Redis Cluster 详解 1. 为什么需要 Redis Cluster&#xff1f; Redis 作为一个高性能的内存数据库&#xff0c;在单机模式下可能会遇到以下问题&#xff1a; 单机容量受限&#xff1a;Redis 是基于内存存储的&#xff0c;单机的内存资源有限&#xff0c;单实例的 Redis 只能…

利用 MATLAB/Simulink 建立完整的控制系统模型,并进行阶跃响应和负载扰动响应仿真

-利用 MATLAB/Simulink 建立完整的控制系统模型,包括单一控制回路(电流、速度、位置)和整个系统的级联模型 仿真任务包括验证各回路的阶跃响应、负载扰动响应等,确保系统在动态性能上满足设计要求。 以下是在MATLAB/Simulink中建立完整控制系统模型(包含单一控制回路和级联…

python基于spark的心脏病患分类及可视化(源码+lw+部署文档+讲解),源码可白嫖!

摘要 时代在飞速进步&#xff0c;每个行业都在努力发展现在先进技术&#xff0c;通过这些先进的技术来提高自己的水平和优势&#xff0c;汽车数据分析平台当然不能排除在外。本次我所开发的心脏病患分类及可视化系统是在实际应用和软件工程的开发原理之上&#xff0c;运用Pyth…

3.milvus索引-HNSW

索引作用 加速大型数据集上的查询。 向量字段&#xff0c;仅只能创建一个索引。 milvus支持的向量索引类型大部分使用 近似最近邻搜索算法。ANNS该算法的核心不局限于返回最准确的结果&#xff0c;而是仅搜索目标的邻居。ANNS通过在可接受的范围内牺牲准确性提高检索效率。 …

Python(学习二)

列表&#xff1a;[] 列表是可以容纳不同类型的数据的 列表取&#xff1a; 列表切片&#xff1a;一次去获取多个元素 第三个参数&#xff0c;设置跨度值&#xff1a; 列表倒序输出 列表增&#xff1a; 列表后面添加元素&#xff1a; 切片&#xff1a;实现添加元素 任意位置…

【中文翻译】第1章-The Algorithmic Foundations of Differential Privacy

为方便阅读&#xff0c;故将《The Algorithmic Foundations of Differential Privacy》翻译项目内容搬运至此&#xff1b; 教材原文地址&#xff1a;https://www.cis.upenn.edu/~aaroth/Papers/privacybook.pdf 中文翻译版 Github 项目地址1&#xff1a;https://github.com/gu…