tag 标签: 积分非线性

相关博文
  • 热度 3
    2015-3-14 20:42
    1541 次阅读|
    0 个评论
    前面我们确定了模数转换器 (ADC) 的分辨率和精度间的差异。现在我们深入研究一下对ADC总精度产生影响的因素,通常是指总不可调整误差 (TUE)。 曾经想到过ADC的TUE技术规格中的“总”代表什么吗?它是不是简单到将ADC数据表的所有DC误差技术规格(即偏移电压,增益误差,INL)相加,还是要更复杂一些?事实上,TUE是总系统误差相对于ADC工作输入范围的比率。 更确切地说,TUE是单位为最低有效位 (LSB) 的DC误差技术规格。最低有效位 (LSB) 代表ADC的实际和理想传递函数之间的最大偏离。这个技术规格假定未执行系统级校准。在概念上,TUE是ADC运行方式中以下非理想类型数值的组合: ● 偏移误差 (VOS):如图1所示,ADC实际和理想传递曲线间的恒定差异。这个值是测得的将ADC输入短接至地而获得的数字输出。 图1. ADC偏移误差与输入电压之间的关系 ● 增益误差:ADC输出的实际和理想斜率之间的差异。他通常表示为满量程输出码上的ADC范围或最大误差的比率。如图2中所示,增益误差的绝对值在模拟输入接近满量程值时增加。 图2. ADC增益误差与输入电压之间的关系 ● 积分非线性 (INL):实际ADC传递曲线到理想直线运行方式的最大非线性偏离。ADC的INL响应没有一定的形状,并且取决于内部电路架构,以及由前端信号调节电路导致的失真。 图3. ADC INL误差与输入电压之间的关系 大多数ADC数据表指定所有上述DC误差的典型值和最大值,但是未指定TUE这方面的数值。计算TUE的最大值可不像将所有单独的DC误差最大值加在一起那么简单。这是因为所有这些误差是不相关的,并且在出现最差偏移的情况下,增益和线性误差也许不全都出现在ADC传递函数的同一个输入电压上。因此,误差的简单求和也许使系统精度看起来未必那么差。这在应用的动态范围被限制在传递函数的中间时更是如此。 在这典型数据采集系统中,与ADC在一起的还有一个输入驱动器和一个电压基准,他们也会影响总体偏移和增益误差。因此,在大多数没有校准的系统中,偏移和增益误差决定了计算TUE最大值时用到的INL。计算特定模拟输入电压上的最大TUE的推荐方法是,那一点上所有单个误差最大值的和方根,(方程式1)。将所有这些误差转换为同样的单位很重要,通常转换为LSB。 方程式1生成一个针对TUE的典型“蝴蝶结”形状的误差图。对于具有较高偏移误差的系统,“蝴蝶结”图有一个更厚的结(图4A)。相反,对于增益误差较高的系统,“蝴蝶结”的结变薄,而弓形变厚(图4B)。 图4.“蝴蝶结”形状的ADC TUE与输入电压间的关系 总的来说,由于误差取决于ADC工作时的输入电压范围,所以没有计算ADC最大TUE的确定公式。如果系统不要求采用整个ADC输入范围,你可以通过使ADC远离其传递函数的端点运行来大大减少TUE。
  • 热度 15
    2015-3-12 15:34
    1424 次阅读|
    0 个评论
    前面我们确定了模数转换器 (ADC) 的分辨率和精度间的差异。现在我们深入研究一下对ADC总精度产生影响的因素,通常是指总不可调整误差 (TUE)。 曾经想到过ADC的TUE技术规格中的“总”代表什么吗?它是不是简单到将ADC数据表的所有DC误差技术规格(即偏移电压,增益误差,INL)相加,还是要更复杂一些?事实上,TUE是总系统误差相对于ADC工作输入范围的比率。 更确切地说,TUE是单位为最低有效位 (LSB) 的DC误差技术规格。最低有效位 (LSB) 代表ADC的实际和理想传递函数之间的最大偏离。这个技术规格假定未执行系统级校准。在概念上,TUE是ADC运行方式中以下非理想类型数值的组合: ● 偏移误差 (VOS):如图1所示,ADC实际和理想传递曲线间的恒定差异。这个值是测得的将ADC输入短接至地而获得的数字输出。 图1. ADC偏移误差与输入电压之间的关系 ● 增益误差:ADC输出的实际和理想斜率之间的差异。他通常表示为满量程输出码上的ADC范围或最大误差的比率。如图2中所示,增益误差的绝对值在模拟输入接近满量程值时增加。 图2. ADC增益误差与输入电压之间的关系 ● 积分非线性 (INL):实际ADC传递曲线到理想直线运行方式的最大非线性偏离。ADC的INL响应没有一定的形状,并且取决于内部电路架构,以及由前端信号调节电路导致的失真。 图3. ADC INL误差与输入电压之间的关系 大多数ADC数据表指定所有上述DC误差的典型值和最大值,但是未指定TUE这方面的数值。计算TUE的最大值可不像将所有单独的DC误差最大值加在一起那么简单。这是因为所有这些误差是不相关的,并且在出现最差偏移的情况下,增益和线性误差也许不全都出现在ADC传递函数的同一个输入电压上。因此,误差的简单求和也许使系统精度看起来未必那么差。这在应用的动态范围被限制在传递函数的中间时更是如此。 在这典型数据采集系统中,与ADC在一起的还有一个输入驱动器和一个电压基准,他们也会影响总体偏移和增益误差。因此,在大多数没有校准的系统中,偏移和增益误差决定了计算TUE最大值时用到的INL。计算特定模拟输入电压上的最大TUE的推荐方法是,那一点上所有单个误差最大值的和方根,(方程式1)。将所有这些误差转换为同样的单位很重要,通常转换为LSB。 方程式1生成一个针对TUE的典型“蝴蝶结”形状的误差图。对于具有较高偏移误差的系统,“蝴蝶结”图有一个更厚的结(图4A)。相反,对于增益误差较高的系统,“蝴蝶结”的结变薄,而弓形变厚(图4B)。 图4.“蝴蝶结”形状的ADC TUE与输入电压间的关系 总的来说,由于误差取决于ADC工作时的输入电压范围,所以没有计算ADC最大TUE的确定公式。如果系统不要求采用整个ADC输入范围,你可以通过使ADC远离其传递函数的端点运行来大大减少TUE。
相关资源
  • 所需E币: 5
    时间: 2019-12-24 22:46
    大小: 255.96KB
    上传者: 微风DS
    摘要:尽管积分非线性和微分非线性不是高速、高动态性能数据转换器最重要的参数,但在高分辨率成像应用中却具有重要意义。本文简要回顾了这两个参数的定义,并给出了两种不同但常用的测量高速模数转换器(ADC)的INL/DNL的方法。高速模数转换器(ADC)的INL/DNL测量Aug20,2009摘要:尽管积分非线性和微分非线性不是高速、高动态性能数据转换器最重要的参数,但在高分辨率成像应用中却具有重要意义。本文简要回顾了这两个参数的定义,并给出了两种不同但常用的测量高速模数转换器(ADC)的INL/DNL的方法。近期,许多厂商推出了具有出色的静态和动态特性的高性能模数转换器(ADC)。你或许会问,“他们是如何测量这些性能的,采用什么设备?”。下面的讨论将聚焦于有关ADC两个重要的精度参数的测量技术:积分非线性(INL)和微分非线性(DNL)。尽管INL和DNL对于应用在通信和高速数据采集系统的高性能数据转换器来讲不算是最重要的电气特性参数,但它们在高分辨率成像应用中却具有重要意义。除非经常接触ADC,否则你会很容易忘记这些参数的确切定义和重要性。因此,下一节给出了这些定义的简要回顾。INL和DNL的定义DNL误差定义为实际量化台阶与对应于1LSB的理想值之间的差异(见图1a)。对于一个理想ADC,其微分非线性为DNL=0LSB,也就是说每个模拟量化台阶等于1LSB(1LSB=VFSR/2N,其中VFSR为满量程电压,N是ADC的分辨率),跳变值之间的间隔为精确的1LSB。若DNL误差指标≤1LSB,就意味着传输函数具有保证的单调性,没有丢码。当一个ADC的数字量输出随着模拟输入信号的增加而增加时(或保持不变),就称其具有单调性,相应传输函数曲线的斜率没有变号。DNL指标是在消除了静态增益误差的影响后得到的。具体定义如下:DNL=|[(VD+1-VD)/VLSB-IDEAL-1]|,其中0VD是对应于数字输出代码D的输入模拟量,N是AD……
  • 所需E币: 4
    时间: 2019-12-24 22:46
    大小: 265.94KB
    上传者: givh79_163.com
    摘要:MATLAB®是一个强有力的工具,可用来快速分析从模数转换器(ADC)输出所捕获的数据。本应用笔记演示了如何使用MATLAB来突破逻辑分析仪存储深度的局限。描述并比较了三种数码拼接方式(基本,超前和反转)。并给出了三种方法所得的结果。逻辑分析仪内存不足?“拼”出解决之道!Dec12,2005摘要:MATLAB是一个强有力的工具,可用来快速分析从模数转换器(ADC)输出所捕获的数据。本应用笔记演示了如何使用MATLAB来突破逻辑分析仪存储深度的局限。描述并比较了三种数码拼接方式(基本,超前和反转)。并给出了三种方法所得的结果。介绍要评估一个高速模数转换器(ADC)的性能,就需要捕获其数字输出码,然后进行分析。逻辑分析仪的存储深度常常成为一个重要局限,妨碍系统捕获足够的数据点,以生成高分辨率FFT,或者精确的INL/DNL图。解决该问题的一个简单办法是使用某种数学工具,例如MATLAB(图1),将多组数据连接起来。连接数据的一个缺点是,通常会在两组数据之间的连接点出现很大的不连续性。尽管不连续性对INL/DNL图的影响极小,但对高分辨率FFT而言,几乎是毁灭性的(图2)。图1.连接后的数据在两组数据之间出现不连续。图2.a)捕获单组16384点数据并分析;b)捕获两组8192点数据,连接,然后分析“拼接”技术。有一种办法可以消除不连续性,就是在各组数据中寻找相同的点簇(一般为3到4个点),然后在这些点将两组数据“拼接”在一起(图3)。最简单的“拼接”方法是,记录下第一组数据中的最后四个点,然后在第二组数据里寻找相同的点簇。相同点簇出现在第二组数据中的位置称为“拼接点”。第二组数据中在拼接点之前的所有数据均被舍弃;第二组数据中的剩余部分与第一组数据合并。这种技术即所谓的基本数码拼接,实现起来非常简单,可以在MATLAB中非常快地运行。图3.基本数码拼接后得到的最终“拼接”数组。采用基本拼接方法拼接数据时,有时必须丢掉第二组数据中的近一半,才能找到与第一组数据最后四个点相匹配的一簇点。……