眾所周知，ADC主要用于對模擬信號進(jìn)行數(shù)字采集，以進(jìn)行數(shù)據(jù)處理。我們周圍的信號一般都是不斷變化的模擬量，如光、溫度、速度、壓力、聲音等。然而，我們大多數(shù)人都使用數(shù)字設(shè)備。如果我們想方便地使用和處理信息，就需要將模擬量轉(zhuǎn)換為數(shù)字量，并傳送到微控制器或微處理器。那么ADC轉(zhuǎn)換是如何實(shí)現(xiàn)的呢？這是一個什么樣的過程？閱讀下面的筆記，你一定會對模數(shù)轉(zhuǎn)換器有更全面、更系統(tǒng)的了解。

在電子信息系統(tǒng)的學(xué)習(xí)中，我們或許早就被告知現(xiàn)實(shí)世界是模擬的，而數(shù)字化的模擬世界則越來越展現(xiàn)更多的風(fēng)采。但是所謂的數(shù)字和模擬只是相對的而已，你可以把模擬量當(dāng)做無窮數(shù)字量的組合，也可以把數(shù)字量當(dāng)做具有不同間隔特征的模擬量。這模數(shù)之間的差別也就是采樣和量化的差別而已！

那么Analog如何才能走到Digital呢？

一、ADC幾個步驟

1、采樣和保持

如果把模擬信號比作無限采樣點(diǎn)的數(shù)字信號，那么我們就需要采取其中一些有限點(diǎn)才能進(jìn)行真正的數(shù)字化傳輸。采多少點(diǎn)？怎么采？

奈奎斯特(Nyquist)采樣定理：

簡單來說就是采樣頻率必須大于信號頻率的2倍，fs≥2fn。這樣才能重新恢復(fù)信號。如果不，會因?yàn)轭l譜混疊而無法復(fù)原，具體原因自行查找公式推導(dǎo)及分析。如下圖頻譜

保持的意思簡單理解就是讓采樣后的數(shù)值保存到下一步轉(zhuǎn)換。

2、量化和編碼

所謂的量化是把采樣后的N多個點(diǎn)數(shù)值按照一定標(biāo)準(zhǔn)和步驟轉(zhuǎn)化為數(shù)字式的0和1，這個過程根據(jù)方式的不同可以分為很多種ADC類型，因此具有不同的性能特性，見下文。

二、ADC的幾種架構(gòu)

1、積分型ADC

顧名思義，積分ADC的基本原理就是利用運(yùn)放對輸入信號和參考信號進(jìn)行積分輸出，這里參考信號一般與輸入信號極性相反，這樣輸出電壓就會有上升時間和下降時間，根據(jù)計(jì)數(shù)器來統(tǒng)計(jì)時間，最后按照函數(shù)關(guān)系得到采樣信號的值。

特征簡介：

A：積分時間決定轉(zhuǎn)換精度，因此犧牲轉(zhuǎn)換速度可以提升精度，在早期的一些儀表轉(zhuǎn)換精度要求不高的場合應(yīng)用，后來的ADC很少采用這種架構(gòu)了。

B：抗噪聲能力強(qiáng)。對于零點(diǎn)正負(fù)的白噪聲，積分時可以消除。

2、逐次比較型SAR

顧名思義是利用比較的方式來轉(zhuǎn)換輸出數(shù)字量，這個用來比較的值由DAC產(chǎn)生，如下圖：初始化DAC的輸出由寄存器設(shè)置為1/2Vref，然后由比較器判斷大小來決定輸出1或0，進(jìn)而進(jìn)行下一步再次設(shè)置寄存器輸出DAC，如此循環(huán)到最后一次LSB。依次輸出的0和1即為轉(zhuǎn)換后的數(shù)字量。算法核心就是二分法搜索，類似于猜數(shù)字值的游戲。

特征簡介：

A：100K到1M的中等速度，12到16位的中等精度，綜合性能較好，因此是目前應(yīng)用最多的ADC架構(gòu)之一。

B：精度主要決定于DAC的轉(zhuǎn)換精度，因此DAC需要校準(zhǔn)，比較器也需要滿足高速和能夠匹配系統(tǒng)的較高精度。

C：功耗可調(diào)，由轉(zhuǎn)換速度決定，因此也限制了高速應(yīng)用。

D：總之SAR型ADC的內(nèi)部各組成模塊需要組合設(shè)計(jì)性能匹配最優(yōu)。

3、Pipeline流水線型ADC

基本原理如圖，利用多個比較器進(jìn)行并行處理，很明顯，高速!

特征簡介：

A：很明顯夠快，比較器并行處理。
B：功耗大，面積大，自然是因?yàn)楸容^器多。
C：分辨率不夠，也是因?yàn)楣拇?，多?shù)小于16位。
D：轉(zhuǎn)換周期需要不斷校準(zhǔn)以保證一定精度。

兩種ADC架構(gòu)的比較：

4、Σ-Δ型ADC

Sigma-Delta 型ADC也是目前應(yīng)用相當(dāng)多的一種ADC架構(gòu)，尤其是在高位數(shù)分辨率的ADC設(shè)計(jì)上，這種調(diào)制型的ADC轉(zhuǎn)換設(shè)計(jì)盡可能采用數(shù)字電路來處理并結(jié)合算法實(shí)現(xiàn)更好的性能。核心技術(shù)點(diǎn)：過采樣和噪聲整形。

Sigma-Delta調(diào)制過采樣：

如圖，sigma-delta的意思是差分求和，我們來顧名思義一下這個過程：

假設(shè)第一個積分運(yùn)放輸出1，則到后面Q輸出也為1，第二個運(yùn)放輸出則為+V。

+V反饋到第一個運(yùn)放輸入，驅(qū)動積分器向反方向輸出，待采集信號Vi也會驅(qū)動積分器輸出，綜合而言如果積分器輸出為0，第二個比較器反饋回來的就是-V，以驅(qū)動積分器向輸出。這個環(huán)路最后的目的是實(shí)現(xiàn)運(yùn)放的基本特性：反相端應(yīng)該為0！

這樣整個輸出的1的個數(shù)比例對應(yīng)的電壓值其實(shí)就是待測信號的電壓值！能否理解？就是通過對誤差的不斷累積求和得到對應(yīng)值！Q會輸出一串01值即完成。

過采樣：

上述過程中的觸發(fā)器時鐘非?？?，遠(yuǎn)大于奈奎斯特采樣要求，這樣可以將量化噪聲推到更高頻段內(nèi)。量化噪聲：數(shù)字量化的最小單位存在的誤差被稱為量化噪聲，即1LSB和2LSB之間的誤差值。

噪聲整形：

前一步得到的高速01數(shù)字流可以通過數(shù)字方式進(jìn)行處理得到最后的輸出結(jié)果。因?yàn)樵谶^采樣過程中是以速度換取精度的方式來操作的，高速但是噪聲大，在噪聲整形過程中通過數(shù)字濾波器和抽取電路把噪聲消除并降低最終的信號輸出速率，實(shí)現(xiàn)高精度的數(shù)據(jù)轉(zhuǎn)換結(jié)果！

如下圖總結(jié)：

幾種ADC架構(gòu)的簡單比較：

大家在學(xué)習(xí)ADC的過程中一定有很多問題，我這邊也總結(jié)了一些學(xué)習(xí)中遇到的問題，現(xiàn)在分享給大家，希望能從中學(xué)習(xí)到一些有用的知識。

Q1

設(shè)計(jì)一個電路是怎么樣的一個過程啊？如何從架構(gòu)開始一步一步到滿足性能要求的電路來? 特別是各管子的參數(shù)是靠手算出來的還是工具仿真出來的?

先初步手算的 然后仿真精細(xì)化。比如BGR，先確定電流、功耗、輸出電壓等基本指標(biāo)，然后選擇電路結(jié)構(gòu)，再進(jìn)行手算。有了初步參數(shù)，就可以仿了，然后再調(diào)。設(shè)計(jì)的尺寸還要看工藝和版圖的可行性

Q2

同步sar邏輯和異步的區(qū)別是什么呢？哪個更好一些？

同步SAR更多是應(yīng)用于低速，一般采樣率不會超過5MHz，而且高速時鐘需要外灌溉；異步SAR可以做到很高速，對于40nm這種工藝，單通道可以到100MHz左右，如果是Finfet工藝，可以更高。由于異步SAR ADC在面積和功耗上遠(yuǎn)遠(yuǎn)優(yōu)于pipelined ADC，在精度要求不是太高的應(yīng)用領(lǐng)域（不超過10Bit），異步SAR可以代替pipeline了。

Q3

計(jì)算SNR的時候，諧波功率也算到噪聲功率嗎？計(jì)算ENOB用的是SNR還是SNDR？

是信號和其他所有比，當(dāng)然這個也要看定義，有的地方把snr和sndr區(qū)分開，sndr是信號比諧波＋噪聲，snr就是信號比噪聲了。事實(shí)上大家大部分情況下說的snr就是sndr，不特別強(qiáng)調(diào)的話，習(xí)慣性默認(rèn)snr就是sndr。就是說通常說snr是加上了諧波失真的sndr，而不是僅用enob公式算出來的snr。

Q4

對怎么做一些屏蔽，隔離，匹配，floorplan等等能不能給說一說，因?yàn)楫吘刮覀円艿念l率還不低呢。

說白了就是DAC的布局布線，這可以是一個專門的Topic。我們通常所說的中心對稱圖形其實(shí)大部分只能消除一階的系統(tǒng)失配，但是一不小心就可能放大高階失配。涉及到我們SAR ADC里面的CDAC，要分情況來討論，如果是低速的高精度SAR ADC，由于速度低，我們的CDAC可以采用很多方式來消除系統(tǒng)失配。但是對于高速SAR ADC，一個電容拆分的越散，雖然系統(tǒng)匹配越好，但是布線越復(fù)雜，寄生效應(yīng)越明顯，對速度的影響越大。我在做100MHz采樣率這種數(shù)量級的SAR ADC的時候，我們的總電容其實(shí)都不大的，LSB電容不足1fF，整個SAR ADC的面積也很小，具體到CDAC，也就100*100左右。我們會更多地從速度的角度觸發(fā)，MSB電容做一些拆分散開，其他電容以layout優(yōu)先，layout舒服了，電路性能才能上去。這里有幾張關(guān)于DAC Layout的圖給大家看看，大概需要考慮到哪個程度。

一階線性匹配和高階非線性失配都要考慮，最終layout布局要能消除或者減弱所有mismatch。

類似的有Q^2隨機(jī)游走式布局。

平衡環(huán)的方式，目的就是要將DAC的器件單元完全打散，消除一階和高階系統(tǒng)mismatch，最終的目的都是為了在惡劣的環(huán)境下實(shí)現(xiàn)較低的INL。

Q5

仿單級放大器是應(yīng)該去跑仿真仿瞬態(tài)仿真合適還是交流仿幅頻特性曲線合適?

不矛盾，這兩都需要跑，或者是需要跑哪些仿真得看實(shí)際需求。AC或者STB是得到幅頻特性，諸如低頻增益、GBW、穩(wěn)定相關(guān)的PM和GM等這些參數(shù)。但是AC畢竟只是基于某個特定工作點(diǎn)的電路性能，實(shí)際中OP的輸出輸入都是有一定范圍的，工作點(diǎn)偏了OP性能肯定也會發(fā)生改變，跑Tran，對Tran波形做DFT就能夠知道信號的質(zhì)量，DFT是對OP輸出信號的線性度進(jìn)行定量計(jì)算，反映了不同工作點(diǎn)情況下的OP性能參數(shù)變化（增益的變化、GBW的變化等）。

Q6

我在想是不是我不做太高速的，可以不用太在意這個頻域的東西？因?yàn)槲覀兪菕煸?a target="_blank">MCU上的一個模塊，萬一不行，我就讓他們軟件多給點(diǎn)時間去采結(jié)果。

大家先看DFT譜線圖的物理意義很重要，從不懂到似懂非懂再到明白，總要有個過程，該經(jīng)歷的痛苦要經(jīng)歷的。事實(shí)上工作好多年不會用DFT分析信號線性度的大有人在，這種情況下就比較被動了，每次要請人幫忙搭建仿真Bench，關(guān)鍵是仿完心里還底氣不足。你們學(xué)完能有個似懂非懂的狀態(tài)就差不多了，答疑的時候我再幫大家梳理一遍，從似懂非懂到明白也就是一線之隔，一瞬間的事兒。

Q7

其實(shí)我對歸一化，dB的意思也沒理解透。

譜線的Y軸是dB就是說這根譜線的功率吧，這個能理解。

這里的功率，是指某信號在某點(diǎn)的電流電壓積么？

高考，各地的滿分不一樣，假設(shè)湖北滿分750，上海滿分600。現(xiàn)在分別有2個學(xué)生A和B，A是湖北考生，B是上?？忌?，A考了600分，B考了500分，我們怎么來判斷他們誰的成績更好呢？單單比較分值的絕對值沒有意義，我們把總分歸一化到100分上來，A=600/750100=80分，B=500/600100=83.3分，簡單來說B成績更好。這就是歸一化，以統(tǒng)一的標(biāo)準(zhǔn)來衡量。

Q8

我感覺明明簡單的一個誤差指標(biāo)，但是卻要搞出這么多分散的指標(biāo)來表達(dá)這個誤差，太暈了，ADC判斷誤差，這個看起來覺得應(yīng)該好理解，就是搞出各種誤差指標(biāo)，這下就難理解了

對信號歸一化的意思是，所有頻譜對應(yīng)的功率值都除以信號功率值，由于縱坐標(biāo)已經(jīng)變成了log軸，所以直接減法就行。

20log10(A/B)=20log10(A) - 20*log10(B)

在DFT頻譜里面，信號功率是最大值，對應(yīng)著考試的滿分，對信號歸一化就是對滿分歸一化。

Q9

s=20log10(2s/N/FS); 對數(shù)里面2*s/N/FS什么意思？

好問題,你發(fā)現(xiàn)了程序里的一個小bug。

Q9.1

直接log10(s),不對嗎？

2s/N/fs=s（2/N/fs），其中2/N/fs是一個常數(shù)。我們關(guān)注FFT的結(jié)果只關(guān)注信號和諧波以及噪聲之間的相對差值，所以所有的s元素都乘以一個常數(shù)是不影響結(jié)果的。

但是這里的歸一化確實(shí)不對，s是fft結(jié)果，如何對s進(jìn)行歸一化呢？最簡單粗暴的方法是 log之后 s=s-max(s)。

如果按照DFT的理論公式，歸一化的方法應(yīng)該是2s/N，為什么要2呢？我們在此之前只取了N/2個點(diǎn)，丟了一半，這里的2是補(bǔ)那一半回來。為什么/N呢？因?yàn)闀r域采了N個點(diǎn)，對應(yīng)頻域也是N個點(diǎn)，/N的意思是求平均。

所以這里的代碼里多了一項(xiàng)/fs，正確的應(yīng)該是s=20log10(2s/N)

從這個圖你們應(yīng)該能看的更清楚，第一章圖的FFT結(jié)果沒有對信號進(jìn)行歸一化，信號的值不為0，第二張圖僅僅是對信號進(jìn)行了歸一化，信號顯示為0，噪底整體下移。

如果看不懂就略過，畢竟是乘以一個常數(shù)。我建議你們以后歸一化就直接 s = s-max(s)，簡單粗暴好理解。