完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>
標簽 > ∑-△ADC
Σ-Δ型模數(shù)轉換器方案早在20世紀60年代就已經有人提出,然而,直到不久前,在器件商品化生產方面,這種工藝還是行不通的。今天,隨著1微米技術的成熟及更小的CMOS幾何尺寸,Σ-Δ結構的模數(shù)轉換器將會越來越多地出現(xiàn)在一些特定的應用領域中。
近年來,隨著超大規(guī)模集成電路制造水平的提高,Σ-Δ型模數(shù)轉換器正以其分辨率高、線性度好、成本低等特點得到越來越廣泛的應用。Σ-Δ型模數(shù)轉換器方案早在20世紀60年代就已經有人提出,然而,直到不久前,在器件商品化生產方面,這種工藝還是行不通的。今天,隨著1微米技術的成熟及更小的CMOS幾何尺寸,Σ-Δ結構的模數(shù)轉換器將會越來越多地出現(xiàn)在一些特定的應用領域中。特別是在混合信號集成電路(Mixed-signal ICs,指在單一芯片中集成有模數(shù)轉換器、數(shù)模轉換器以及數(shù)字信號處理器功能的集成電路芯片)中。目前,Σ-Δ型模數(shù)轉換器主要用于高分辨率的中、低頻(低至直流)測量和數(shù)字音頻電路。用于低頻測量的典型芯片有16位分辨的AD7701,24位分辨的AD7731等;用于高品質數(shù)字音頻場合的典型芯片有18位分辨率的AD1879等。隨著設計和工藝的水平的提高,目前已經出現(xiàn)了高速Σ-Δ型模數(shù)轉換器產品。例如AD7723(1.2MSPS),AD9260(2.5MSPS)等。
近年來,隨著超大規(guī)模集成電路制造水平的提高,Σ-Δ型模數(shù)轉換器正以其分辨率高、線性度好、成本低等特點得到越來越廣泛的應用。Σ-Δ型模數(shù)轉換器方案早在20世紀60年代就已經有人提出,然而,直到不久前,在器件商品化生產方面,這種工藝還是行不通的。今天,隨著1微米技術的成熟及更小的CMOS幾何尺寸,Σ-Δ結構的模數(shù)轉換器將會越來越多地出現(xiàn)在一些特定的應用領域中。特別是在混合信號集成電路(Mixed-signal ICs,指在單一芯片中集成有模數(shù)轉換器、數(shù)模轉換器以及數(shù)字信號處理器功能的集成電路芯片)中。目前,Σ-Δ型模數(shù)轉換器主要用于高分辨率的中、低頻(低至直流)測量和數(shù)字音頻電路。用于低頻測量的典型芯片有16位分辨的AD7701,24位分辨的AD7731等;用于高品質數(shù)字音頻場合的典型芯片有18位分辨率的AD1879等。隨著設計和工藝的水平的提高,目前已經出現(xiàn)了高速Σ-Δ型模數(shù)轉換器產品。例如AD7723(1.2MSPS),AD9260(2.5MSPS)等。
2. ∑–△型ADC的理論基礎
與一般的ADC不同,∑–△型ADC不是直接根據抽樣數(shù)據的每一個樣值的大小進行量化編碼,而是根據前一量值與后一量值的差值即所謂的增量的大小來進行
量化編碼。從某種意義上講,它是根據信號波形的包絡線進行量化編碼的。∑–△型ADC由兩部分組成,第一部分為模擬∑–△調制器,第二部分為數(shù)字抽取濾波器,如下圖所示。
∑–△調制器以極高的抽樣頻率對輸入模擬信號進行抽樣,并對兩個抽樣之間的差值進行低位量化,從而得到用低位數(shù)碼表示的數(shù)字信號即∑–△碼;然后將這種∑–△碼送給第二部分的數(shù)字抽取濾波器進行抽取濾波,從而得到高分辨
率的線性脈沖編碼調制的數(shù)字信號。因此抽取濾波器實際上相當于一個碼型變換器。由于∑–△調制器具有極高的抽樣速率, 通常比奈奎斯特抽樣頻率高出
許多倍,因此∑–△調制器又稱為過抽樣ADC轉換器。這種類型的ADC采用了極低位的量化器, 從而避免了制造高位轉換器和高精度電阻網絡的困難;另一方面,因為它采用了∑–△調制技術和數(shù)字抽取濾波,可以獲得極高的分辨率;同時由于采用了低位量化輸出的∑–△碼,不會對抽樣值幅度變化敏感,而且由于碼位低,抽樣與量化編碼可以同時完成,幾乎不花時間,因此不需要采樣保持電路,這就使得采樣系統(tǒng)的構成大為簡化。這種增量調制型ADC實際上是以高速抽樣率來換取高位量化,即以速度來換精度。
從調制編碼理論的角度看,多數(shù)傳統(tǒng)的ADC,例如并行比較,逐次逼近型等,均屬于線性脈沖編碼調制(LPCM,Linear Pulse Code Modulation)類型。這類ADC根據信號的幅度大小進行量化編碼,一個分辨率位n的ADC其滿刻度電平被分為2n個不同的量化等級,為了能區(qū)分這2n個不同的量化等級需要相當復雜的電阻(或電容)網絡和高精度的模擬電子器件。當位數(shù)n較高時,比較網絡的實現(xiàn)是比較困難的,因而限制了轉換器分辨率的提高。同時,由于高精度的模似電子器件受集成度,溫度變比等因素的影響,進一步限制了轉換器分辨率的提高。
∑–△型ADC與傳統(tǒng)的LPCM型ADC不同,它不是直接根據信號的幅度進行量化編碼,而是根據前一采樣值與后一采樣值之差(即所謂增量)進量化編碼,從某種意義上來說它是根據信號的包絡形狀進行量化編碼的。從這一點上看,它與跟蹤計數(shù)型ADC有一點類似。
△表示增量,∑表示積分或求和。在下面可以看到,∑–△型ADC采用了極低位的量化器(通常是1位),從而避免了LPCM型ADC在制造時面臨的很多困難,非常適合用MOS技術實現(xiàn)。另一方面,又因為它采用了極高的采樣速率和∑–△調制技術,可以獲得極高的分辨率。同時,由于它采用低位量化,不會像LPCM型ADC那樣對輸入信號的幅度變化過于敏感。
與傳統(tǒng)LPCM型ADC相比,∑–△型ADC實際上是一種用高采樣速率來換取高位量化,即以速率換分辨率的方案。
過采樣(Oversampling)技術是改善模數(shù)轉換器總體性能諸多技術中的一種。∑—△結構的ADC是一種內在的過采樣轉換器。∑—△型ADC以很低的采樣分辨率(1位)和很高的采樣速率將模擬信號數(shù)字化,通過使用過采樣技術,噪聲整形和數(shù)字濾波技術增加有效分辨率,然后對ADC輸出進行抽?。―ecimation)處理,以降低ADC的有效采樣速率,去除多余信息,減輕數(shù)據處理的負擔。由于∑—△型ADC所使用的1位量化器(即1位比較器)和1位數(shù)模轉換器(為一開關)具有良好的線性,所以∑—△型ADC表現(xiàn)出的微分線性和積分線性性能是非常優(yōu)秀的,并且,不像其它類型的ADC那樣,它無需任何的修調。
3. 一階∑–△型ADC的基本原理
要了解∑—△型ADC的工作原理,必須熟悉過采樣,噪聲整形,數(shù)字濾波和采樣抽取等幾個基本概念。下圖是一階∑—△型ADC含有非常簡單的模擬電路(一個比較器,一個開關,一個或幾個積分器及模擬求和電路)和十分復雜的數(shù)字信號處理電路。
一階∑—△型ADC
Σ-Δ轉換器具有相對簡單的結構,又稱為過采樣轉換器。這種轉換器由Σ-Δ調制器(虛線框內)及連接于其后的數(shù)字濾波器構成。調制器的結構非常近似于雙斜率ADC,包括一個積分器和一個比較器,以及含有一個1位ADC的反饋環(huán)。這個內置的DAC僅僅是一個開關,它將積分器輸入切換到一個正或負的參考電壓。Σ-ΔADC還包括一個時鐘單元,為調制器和數(shù)字濾波器提供適當?shù)亩〞r。
下圖是輸入Vin=0和Vin=+Vref/4兩種情況下,電路中各點的電壓波形示意圖??梢钥闯鰞煞N情況下,C點輸出的碼流中“0”和“1”的個數(shù)是不一樣的。
波形圖
窄帶信號送入Σ-ΔADC后被以非常低的分辨率(1位)進行量化,但采樣頻率卻非常高,如2MHz或更高。經過數(shù)字濾波處理后,這種過采樣被降低到一個比較低的采樣率,如8KHz左右,同時ADC的分辨率(即動態(tài)范圍)被提高到16位或更高,盡管比流水線ADC要慢且限于比較低的輸入帶寬,這種Σ-Δ技術在模數(shù)轉換器市場上仍占據了很重要的位置。它具有三個主要優(yōu)勢:
低價格、高性能(最高可到24位)
集成化的數(shù)字濾波
與DSP技術的兼容性便于實現(xiàn)系統(tǒng)集成
主要應用在:音頻和測量
芯片實例:ADS1210系列:24位A/D轉換器。Burr-Brown公司
近年來,采用高分辨率的Σ-Δ型ADC頗為流行,它的一個突出優(yōu)點是在一片混合信號CMOS大規(guī)模集成電路上實現(xiàn)了ADC與數(shù)字信號處理技術的結合。這一技術的其它優(yōu)點:分辨率高達24位;比積分型及壓頻變換型ADC的轉換速率高; 采用混合信號CMOS工藝,可實現(xiàn)低價格、高分辨率的數(shù)據采集和數(shù)字信號處理;由于采用高倍頻過采樣技術,降低了對傳感器信號進行濾波的要求,實際上取消了信號調理。缺點:當高速轉換時,需要高階調制器;在轉換速率相同的條件下,比積分型和逐次逼近型ADC的功耗高。
目前,Σ-Δ型ADC分為四類:(1)高速類ADC;(2)調制解調器類ADC;(3)編碼器類ADC;(4)傳感器低頻測量ADC。其中每一類Σ-Δ型ADC又分為許多型號,給用戶帶來極大方便。
編輯推薦廠商產品技術軟件/工具OS/語言教程專題
電機控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無刷電機 | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機 | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網 | NXP | 賽靈思 |
步進電機 | SPWM | 充電樁 | IPM | 機器視覺 | 無人機 | 三菱電機 | ST |
伺服電機 | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網 | 國民技術 | Microchip |
開關電源 | 步進電機 | 無線充電 | LabVIEW | EMC | PLC | OLED | 單片機 |
5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
NB-IoT | LoRa | Zigbee | NFC | 藍牙 | RFID | Wi-Fi | SIGFOX |
Type-C | USB | 以太網 | 仿真器 | RISC | RAM | 寄存器 | GPU |
語音識別 | 萬用表 | CPLD | 耦合 | 電路仿真 | 電容濾波 | 保護電路 | 看門狗 |
CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
SDI | nas | DMA | HomeKit | 閾值電壓 | UART | 機器學習 | TensorFlow |
Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |