关于模拟噪声分析的11个误区

目录

1. 降低电路中的电阻值总是能改善噪声性能

2. 所有噪声源的噪声频谱密度可以相加,带宽可以在最后计算时加以考虑

3. 手工计算时必须包括每一个噪声源

4. 应挑选噪声为ADC 1/10的ADC驱动器

5. 直流耦合电路中必须始终考虑1/f噪声

6. 因为1/f噪声随着频率降低而提高,所以直流电路具有无限大噪声

7. 噪声等效带宽会使噪声倍增

8. 电压噪声最低的放大器是最佳选择

9. 在第一级提供大部分增益可实现最佳噪声性能

10. 给定阻值时,所有类型电阻的噪声相同

11. 给定足够长的采集时间,均值法可将噪声降至无限小


噪声是模拟电路设计的一个核心问题,它会直接影响能从测量中提取的信息量,以及获得所需信息的经济成本。遗憾的是,关于噪声有许多混淆和误导信息,可能导致性能不佳、高成本的过度设计或资源使用效率低下。本文阐述关于模拟设计中噪声分析的11个由来已久的误区。

1. 降低电路中的电阻值总是能改善噪声性能

噪声电压随着电阻值提高而增加,二者之间的关系已广为人 知,可以用约翰逊噪声等式来描述:erms = √4kTRB,其中erms为均方根电压噪声,k为玻尔兹曼常数,T为温度(单位为K),R为电阻值,B为带宽。这让许多工程师得出结论:为了降低噪声,应当降低电阻值。虽然这常常是正确的,但不应就此认定它是普遍真理,因为在有些例子中,较大的电阻反而能够改善噪声性能。举例来说,在大多数情况下,测量电流的方法是让 它通过一个电阻,然后测量所得到的电压。根据欧姆定律V = I ×R,产生的电压与电阻值成正比,但正如上式所示,电阻的约翰逊噪声与电阻值的平方根成正比。由于这个关系,电阻值每提高一倍,信噪比可以提高3 dB。在产生的电压过大或功耗过高之前,此趋势一直是正确的。

2. 所有噪声源的噪声频谱密度可以相加,带宽可以在最后计算时加以考虑

将多个噪声源的噪声频谱密度(nV/√Hz)加总(电压噪声源按平方和开根号),而不分别计算各噪声源的rms噪声,可以节省时间,但这种简化仅适用于各噪声源看到的带宽相同的情况。如果各噪声源看到的带宽不同,简单加总就变成一个可怕的陷阱。图1显示了过采样系统中的情况。从噪声频谱密度看,系统总噪声似乎以增益放大器为主,但一旦考虑带宽,各级贡献的rms噪声其实非常相近。

3. 手工计算时必须包括每一个噪声源

设计时有人可能忍不住要考虑每一个噪声源,但设计工程师的时间是宝贵的,这样做在大型设计中会非常耗时。全面的噪声计算最好留给仿真软件去做。不过,设计人员如何简化设计过程需要的手工噪声计算呢?答案是忽略低于某一阈值的不重要噪声源。如果一个噪声源是主要噪声源(或任何其他折合到同一点的噪声源)的1/5 erms值,其对总噪声的贡献将小于2%,可以合理地予以忽略。设计人员常会争论应当把该阈值选在哪里,但无论是1/3、1/5还是1/10 (分别使总噪声增加5%、2%和0.5%),在设计达到足以进行全面仿真或计算的程度之前,没必要担心低于该阈值的较小噪声源。

4. 应挑选噪声为ADC 1/10的ADC驱动器

模数转换器(ADC)数据手册可能建议利用噪声为ADC 1/10左右的低噪声ADC驱动放大器来驱动模拟输入。但是,这并非总是优质选择。在一个系统中,从系统角度权衡ADC驱动器噪声常常是值得的。

首先,如果系统中ADC驱动器之前的噪声源远大于ADC驱动器噪声,那么选择超低噪声ADC驱动器不会给系统带来任何好处。换言之,ADC驱动器应与系统其余部分相称。

其次,即使在只有一个ADC和一个驱动放大器的简单情况下,权衡噪声并确定其对系统的影响仍是有利的。通过具体数值可以更清楚地了解其中的理由。考虑一个系统采用16位ADC,其SNR值相当于100 μV rms噪声,用作ADC驱动器的放大器具有10μV rms噪声。按和方根加总这些噪声源,得到总噪声为100.5 μVrms,非常接近ADC单独的噪声。可以考虑下面两个让放大器和ADC更为平衡的方案,以及它们对系统性能的影响。如果用类似的18位ADC代替16位ADC,前者的额定SNR相当于40 μV rms噪声,则总噪声变为41 μV rms。或者,如果保留16位ADC,但用更低功耗的放大器代替上述驱动器,该放大器贡献30 μV rms噪声,则总噪声变为104 μV rms。就系统性能而言,以上两种方案之一可能是比原始组合更好的选择。关键是要权衡利弊以及其对系统整体的影响。

5. 直流耦合电路中必须始终考虑1/f噪声

1/f噪声对超低频率电路是一大威胁,因为许多常用噪声抑制技术,像低通滤波、均值和长时间积分等,对它都无效。然而,许多直流电路的噪声是以白噪声源为主,1/f噪声对总噪声无贡献,因而不用计算1/f噪声。为了弄清这种效应,考虑一个放大器,其1/f噪声转折频率fnc为10 Hz,宽带噪声为10 nV/√Hz。对于各种带宽,计算10秒采集时间内包含和不含1/f噪声两种情况下的电路噪声,以确定不考虑1/f噪声的影响。当带宽为fnc的100倍时,宽带噪声开始占主导地位;当带宽超过fnc的1000倍时,1/f噪声微不足道。现代双极性放大器可以具有比10 Hz低很多的噪声转折频率,零漂移放大器则几乎完全消除了1/f噪声。

6. 因为1/f噪声随着频率降低而提高,所以直流电路具有无限大噪声

虽然直流对电路分析是一个有用的概念,但真实情况是,如果认为直流是工作在0 Hz,那么实际上并不存在这样的事情。随着频率越来越低,趋近0 Hz,周期会越来越长,趋近无限大。这意味着存在一个可以观测的最低频率,哪怕电路在理论上是直流响应。该最低频率取决于采集时长或孔径时间,也就是观测器件输出的时长。如果一名工程师开启器件并观测输出100秒,则其能够观测到的最低频率伪像将是0.01 Hz。这还意味着,此时可以观测到的最低频率噪声也是0.01 Hz。

现在通过一个数值例子来展开说明,考虑一个DC至1 kHz电路,连续监控其输出。如果在前100秒观测到电路中一定量的1/f噪声,从0.01 Hz至1 kHz(5个十倍频程的频率),则在30年(约1nHz,12个十倍频程)中观测到的噪声量可计算为√12/5 = 1.55,或者说比前100秒观测到的噪声多55%。这种增加几乎没有任何意义,即使考虑最差情况——1/f噪声持续增加到1 nHz(目前尚无测量证据)——也是如此。理论上,如果没有明确定义孔径时间,1/f噪声可以计算到一个等于电路寿命倒数的频率。实践中,电路在如此长时间内的偏差以老化效应和长期漂移为主,而不是1/f噪声。许多工程师为直流电路的噪声计算设定0.01 Hz或1 mHz之类的最低频率,以使计算切合实际。

7. 噪声等效带宽会使噪声倍增

噪声等效带宽(NEB)对噪声计算是一个很有用的简化。由于截止频率以上的增益不是0,某些超出电路带宽的噪声会进入电路中。NEB是计算的理想砖墙滤波器的截止频率,它会放入与实际电路相同的噪声量。NEB大于–3 dB带宽,已针对常用滤波器类型和阶数进行计算,例如:对于单极点低通滤波器,它是–3dB带宽的1.57倍,写成公式就是NEB1-pole = 1.57 × BW3dB。然而,关于应把该乘法因数放在噪声公式中的何处,似乎一直存在混淆。请记住,NEB调节的是带宽,而非噪声,因此应在根号下面,如下式所示:

0

8. 电压噪声最低的放大器是最佳选择

选择运算放大器时,电压噪声常常是设计人员考虑的噪声规格。其实电流噪声同样不能忽略。除非在有输入偏置电流补偿等特殊情况下,电流噪声通常是输入偏置电流的散粒噪声:in = √2 × q × IB。电流噪声通过源电阻转换为电压,因此,如果放大器输入端前面有一个大电阻,那么电流噪声对系统噪声的贡献可能大于电压噪声。电流噪声会成为问题的典型情况是使用低噪声运算放大器且其输入端串联一个大电阻时。例如,考虑低噪声运算放大器ADA4898-11,其输入端串联一个10 kΩ电阻。ADA4898-1的电压噪声为0.9 nV/√Hz,10 kΩ电阻的噪声为12.8 nV/√Hz,2.4 pA/√Hz电流噪声乘以10 kΩ电阻等于24nV/√Hz这是系统中的最大噪声源。在类似这种电流噪声占主导地位的情况下,常常可以找到电流噪声较低的器件,从而降低系统噪声;对精密放大器尤其如此,不过高速FET输入运算放大器对高速电路也可能有帮助。例如,若不选择ADA4898-1(从而得不到电压噪声低至0.9 nV/√Hz的好处),可以选择AD8033或ADA4817-1等JFET输入放大器。

9. 在第一级提供大部分增益可实现最佳噪声性能

为了实现更好的噪声性能,常常建议在第一级提供增益,这是对的,因为信号会比随后各级的噪声要大。然而,这样做的缺点是会削弱系统能够支持的最大信号。某些情况下,与其在第一级提供很大一部分增益(虽然这样可以提高测量灵敏度,但会限制动态范围),不如限制第一级提供的增益,并用高分辨率进行数字化处理,使灵敏度和动态范围都达到较大。

10. 给定阻值时,所有类型电阻的噪声相同

电阻的约翰逊噪声非常重要,以至于我们需要一个简单的公式来计算某一电阻在某一温度下的噪声。然而,约翰逊噪声是电阻中可以观测到的最小噪声,而且并非所有类型的电阻都有同等噪声。还有过量噪声,它是电阻中1/f噪声的来源之一,与电阻类型密切相关。过量噪声(有时候也误称为电流噪声)与电流在非连续介质中流动的方式有关。它被规定为噪声指数(NI),单位为dB,以每十倍频程1 μV rms/Vdc为基准。这意味着:如果一个0 dB NI的电阻上有1 Vdc电压,则给定十倍频程时的过量噪声为1 μV rms。碳和厚膜电阻的NI最高,可能高达+10 dB左右,在信号路径的噪声敏感部分中最好避免使用。薄膜电阻一般要好得多,约为–20 dB;金属箔和绕线电阻可以低于–40 dB。

11. 给定足够长的采集时间,均值法可将噪声降至无限小

一般认为均值法可将噪声降低均值数的平方根倍。这在一定条件下是成立的,即NSD必须保持平坦。然而,在1/f范围内和其他几种情况下,这种关系不成立。考虑在一个以恒定频率fs采样的系统中使用均值法,对n个样本求均值并进行1/n抽取,返回m个抽取样本。取n个平均值会将抽取后的有效采样速率变为fs/n,系统看到的有效最大频率降低n倍,白噪声降低√n倍。然而,获得m个样本的时间也会延长n倍,因此系统可以看到的最低频率也会降低n倍(记住,没有0 Hz这种事)。取的均值数越多,频段上的这些最大和最小频率就越往下移。一旦最大和最小频率均在1/f范围内,总噪声便仅取决于这些频率之比,再提高均值数对降低噪声没有进一步的好处。同样的道理也适用于多斜率等积分ADC的长积分时间。除了数学上的限制以外,还存在其他实际限制。例如,若量化噪声是主要噪声源,使得直流输入电压下的ADC输出为一个无闪烁的恒定码,则任何数量的均值都会返回同一个码。

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/76235.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

vue,uniapp解决h5跨域问题

如果有这样的跨域问题,解决办法: ✅ 第一步:在项目根目录下创建 vue.config.js 和 package.json 同级目录。 // vue.config.js module.exports {devServer: {proxy: {/api: {target: https://app.yycjkb.cn, // 你的后端接口地址changeOrig…

SQL通用语法和注释,SQL语句分类(DDL,DML,DQL,DCL)及案例

目录 SQL通用语法和注释 SQL语句分类(DDL,DML,DQL,DCL,TPL,CCL) DDL(数据定义语言) 数据库操作 查询(SHOW、SELECT) 创建(CREAT…

Linux:线程概念与控制

✨✨所属专栏:Linux✨✨ ✨✨作者主页:嶔某✨✨ Linux:线程概念于控制 var code “d7e241ae-ed4d-475f-aa3d-8d78f873fdca” 概念 在一个程序里的一个执行路线就叫做线程thread。更准确一点:线程是“一个进程内部的控制序列” …

人脸识别联合行为检测的办公管理新模式

基于人脸识别与行为检测的办公智能化解决方案 一、背景 在传统办公场景中,员工考勤管理、工位使用情况统计、安全监控等环节存在诸多痛点。例如,传统考勤方式如指纹打卡、刷卡等存在代打卡现象,考勤数据不准确;对于员工是否在工…

ceph weight 和 reweight 的区别

ceph osd df ID CLASS WEIGHT REWEIGHT SIZE RAW USE DATA OMAP META AVAIL %USE VAR PGS STATUS0 nvme 6.98630 0.95508 7.0 TiB 5.0 TiB 4.9 TiB 13 GiB 33 GiB 2.0 TiB 71.10 0.96 83 up1 nvme 6.98630

WInform当今技术特性分析

Windows Forms (WinForms) 技术特性分析 引言 Windows Forms (WinForms) 作为微软最早推出的基于.NET的图形用户界面开发框架,已经存在了20多年。在如今充满了各种现代UI框架的软件开发生态系统中,WinForms仍然保持着其独特的地位。本文将深入分析WinF…

Spark rdd算子解析与实践

一、RDD基础回顾 RDD(Resilient Distributed Dataset) 是Spark的核心抽象,代表一个不可变、分区的分布式数据集合。其核心特性包括: 容错性:通过血缘(Lineage)记录数据生成过程,支…

sqlite3的API以及命令行

sqlite是目前最流行的嵌入式数据库。 所谓嵌入式,就是足够简单,可以嵌入到我们自己开发的应用程序之中。 在Linux系统中,sqlite的使用只需要使用它的API,连接它的动态连接库,甚至都不用连接,sqlite的实现…

Allure测试报告按测试终端和测试类型智能分类查看

以下是实现Allure测试报告按测试终端和测试类型智能分类的完整方案: 一、测试框架分层设计 # 项目结构 project/ ├── api_tests/ # API测试 │ └── test_order.py ├── app_tests/ # 移动端测试 │ ├── android/ │ └── ios/ ├── pc_te…

Spine-Leaf 与 传统三层架构:全面对比与解析

本文将详细介绍Spine-Leaf架构,深入对比传统三层架构(Core、Aggre、Access),并探讨其与Full-mesh网络和软件定义网络(SDN)的关联。通过通俗易懂的示例和数据中心网络分析,我将帮助您理解Spine-L…

图像预处理-图像噪点消除

一.基本介绍 噪声:指图像中的一些干扰因素,也可以理解为有那么一些点的像素值与周围的像素值格格不入。常见的噪声类型包括高斯噪声和椒盐噪声。 滤波器:也可以叫做卷积核 - 低通滤波器是模糊,高通滤波器是锐化 - 低通滤波器就…

安卓手机如何改ip地址教程

对于安卓手机用户而言,ip修改用在电商、跨境电商、游戏搬砖、社交软件这些需要开多个账号的项目。因为多个设备或账号又不能在同一ip网络下,所以修改手机的IP地址防检测成为一个必要的操作。以下是在安卓手机上更改IP地址的多种方法及详细步骤&#xff0…

对象池模式在uniapp鸿蒙APP中的深度应用

文章目录 对象池模式在uniapp鸿蒙APP中的深度应用指南一、对象池模式核心概念1.1 什么是对象池模式?1.2 为什么在鸿蒙APP中需要对象池?1.3 性能对比数据 二、uniapp中的对象池完整实现2.1 基础对象池实现2.1.1 核心代码结构2.1.2 在Vue组件中的应用 2.2 …

本地部署大模型实现扫描版PDF文件OCR识别!

在使用大模型处理书籍 PDF 时,有时你会遇到扫描版 PDF,也就是说每一页其实是图像形式。这时,大模型需要先从图片中提取文本,而这就需要借助 OCR(光学字符识别)技术。 像 Gemini 2.5 这样的强大模型&#x…

《Operating System Concepts》阅读笔记:p700-p732

《Operating System Concepts》学习第 60 天,p700-p732 总结,总计 33 页。 一、技术总结 1.Virtual machine manager (VMM) The computer function that manages the virtual machine; also called a hypervisor. VMM 也称为 hypervisor。 2.types …

软件项目验收报告模板

软件项目验收报告 一、项目基本信息 项目名称XX智能仓储管理系统开发单位XX科技有限公司验收单位XX物流集团合同签订日期2023年3月15日项目启动日期2023年4月1日验收日期2024年1月20日 二、验收范围 入库管理模块(包含RFID识别、库存预警)出库调度模…

深度学习笔记39_Pytorch文本分类入门

🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 | 接辅导、项目定制 一、我的环境 1.语言环境:Python 3.8 2.编译器:Pycharm 3.深度学习环境: torch1.12.1cu113torchvision…

二分查找-LeetCode

题目 给定一个 n 个元素有序的(升序)整型数组 nums 和一个目标值 target,写一个函数搜索 nums 中的 target,如果目标值存在返回下标,否则返回 -1。 示例 1: 输入: nums [-1,0,3,5,9,12], target 9 输出: 4 解释: …

从 Ext 到 F2FS,Linux 文件系统与存储技术全面解析

与 Windows 和 macOS 操作系统不同,Linux 是由爱好者社区开发的大型开源项目。它的代码始终可供那些想要做出贡献的人使用,任何人都可以根据个人需求自由调整它,或在其基础上创建自己的发行版本。这就是为什么 Linux 存在如此多的变体&#x…

leetcode:3210. 找出加密后的字符串(python3解法)

难度:简单 给你一个字符串 s 和一个整数 k。请你使用以下算法加密字符串: 对于字符串 s 中的每个字符 c,用字符串中 c 后面的第 k 个字符替换 c(以循环方式)。 返回加密后的字符串。 示例 1: 输入&#xff…