接触Σ-Δ调制的时候发现国内有关的资料比较匮乏,因为缺乏了解还有一些人把其中的原理吹得神乎其神难以理解。其实Σ-Δ调制的原理是很简单、逻辑上很自然的,可以定性理解成传统ADC/DAC量化的是模拟量绝对值,而Σ-Δ调制量化的是(单比特的)变化量(Δ),然后将其累积(Σ)。这里找到一篇比较浅显易懂的对-Δ调制进行定量分析的文章,想试着翻译一下。如有错漏或不妥之处还请指点。


理解Σ-Δ调制

特定的公式可以帮助设计者量化Σ-Δ调制带来的各种提升。

         Σ-Δ 模数转换器(ADCs)是迷人的——它在中低速高分辨率的应用中有神话一般的性能。它有模拟电路的速度优势,又兼具数字电路的容错性,还降低了转换器中模拟电路的规模;更重要的是,它使用的模拟元件不需要很高的精度。当然,它的数字部分必须在更高频的采样时钟下工作,因此有相对高的功耗。

目录

Σ-Δ调制

一个Σ-Δ ADC通常由Σ-Δ调制器和之后的抽取滤波器组成。Σ-Δ调制是数据变换器领域中最高效的一种变换形式,在通信系统、专业音响和精密测量中都有应用。
        Σ-Δ调制的目的在于,通过传输连续采样点之间的值变化量(Δ)而不是采样值本身,来达到更高的传输效率。ADC和DAC都可以采用Σ-Δ调制。
        过采样减轻了带内噪声的影响,这有利于Σ-Δ ADC的模拟部分的工作;而噪声成型将噪声移出信号频带;之后数字滤波将噪声从需求频带内去除,并最终抽取或降采样数据。在考虑调制器本身之前,有必要理解一些相关的重要概念:量化噪声、过采样和噪声成型。

量化噪声

一个ADC的量化信号可以被表述为输入信号和量化噪声之和:

 
VQuantized = VIn + ε          (1)

        其中VQuantized为量化信号, VIn为输入信号,ε 为此过程中的噪声或输入与量化器输出之差。
 
        变换器的最低有效位(LSB)定义为其满量程与其量化电平数目之比。一个N位的变换器有N阶的量化电平,因此任意一个量化电平的幅度为FS/(2N – 1)。(Full Scale,FS,即满量程——译者注)对于一个量化电平幅度为∆的ADC,其量化噪声等可能地落在–∆/2和+∆/2之间,且概率密度函数在量化噪声范围内一致。量化噪声的功率可以通过误差在其范围上的积分计算:
 (2)

        该式用LSB来表述噪声功率。同时,该式也可被改写为用位数和满量程来表述的形式:

(3)

过采样

一般而言,信号可被远大于其奈奎斯特频率的采样率采样。采样率(ratio of sampling frequency,fs)与信号对应奈奎斯特频率(Nyquist frequency,2fO)之比被称为过采样率(oversampling ratio,OSR),其中fO为输入信号频率。因此,OSR可被写成如下形式:

(4)

在过采样的情形下,落在信号带宽(0 到 fO)内的噪声功率由下式给出:

(5)

正如等式反映的情况,过采样将带内均方根噪声减少至过采样率的平方根分之一。

1.一个假想的Σ-Δ ADC中的信号分量频谱图包括一个在任意采样率fs(其中fs> 2fO,例如大于奈奎斯特频率)下的平均噪声基底(average noise floor)(a)。当采样率乘上一个因子k时,噪声功率被分散在一个更宽的频率范围上 (b)。

        噪声的减少可表示如下:(式(6)和式(5)相同,原文如此。——译者注)
(6)

过采样对于噪声的影响

对输入过采样可以减少噪声,这个效应在。计算一个L阶M倍过采样率的调制器的噪声的通用公式如下:

(7)

注意,在未采用Σ-Δ调制器的情况下,式(6)可以从式(7)中得出,这时调制的阶数应视为0。

 

噪声成型

通过过采样,噪声频谱被分散在一个更宽的范围。 Σ-Δ调制的下一步是成型噪声并将大多数的噪声频谱移到更高频上,因此带内噪声被显著降低,这个概念被称为噪声成型。(Fig. 2)。

 
 2. 为了完成噪声成型,输出信号Y被反馈并叠加在输入信号X上。叠加结果被馈入一个增益为1/f的放大器,之后放大器的输出与信号Q(n)相加。
        
        这个简单的反馈系统可表示如下:

(8)

(9)

注意在式(8)中,当频率趋向于0时,Y趋近于输入分量X;当频率上升时,首项(包含输入分量)趋向于0,同时输出趋近于Q(n)。换言之,在较高的频带上,输出主要由量化噪声组成。总体来看,似乎有一个低通滤波器作用在信号前向传输的通路上,同时有一个高通滤波器作用在反馈通路上,这达到了噪声成型的目的。之后,只需要把高频噪声滤除即可。


3. 噪声成型之后,通过一个数字滤波器可以去除掉多数的噪声。滤波可以采用数字或模拟方式,在此情形下,调制器输出一串比特流,所以数字滤波较为适宜。因为过采样因子是k,噪声被移向更高频。通过在 fs/2处滤波,多数噪声将被移出频带。

调制器如何工作

一个一阶Σ-Δ调制器包括一个子DAC和由一个积分器,一个比较器组成的子ADC。子DAC通常简单地由一个在两个基准电压源之间切换的开关构成,锁存功能通常嵌入在比较器中。

4.在一个典型的一阶Σ-Δ调制器中,输入信号被送入一个差分单元,在其中与反馈信号相减。之后信号进入积分器,比较器作用于积分器的输出。比较器将一个基准电压与积分器的输出比较并相应地输出高/低电平。反过来,子DAC又根据ADC的输出产生两个基准电压,并送入差分单元与输入再次相减。这个反馈迫使DAC的输出平均值与输入信号相等。DAC的输出是其输入的模拟表征,也是调制器的输出。(限于自身水平这段翻译很难得明了,就我自己的理解简而言之,积分器累积DAC输出平均值与输入信号的误差,并通过负反馈将该误差逐渐降低,最终使得DAC输出平均值趋向于输入信号。——译者注)

 

过采样对于信噪比(SNR)的影响

过采样提升了信噪比(signal-to-noise ratio ,SNR),当噪声功率降低时,可以预见SNR将提高。定量地看,对于非过采样变换器而言,其量化噪声由式二给出,它的由量化噪声决定的理论SNR值可以用输入信号和噪声信号之比表示:

(10)

(11)

其中N为变换器的位数。式(6)表示了过采样变换器的噪声功率,通过式(6)和式(10),对于过采样率为OSR的变换器的SNR可以计算如下:

 
        SNR每上升3dB或0.5bit,采样率就要翻一倍。例如,一个16位的变换器拥有98dB的理论信噪比,但是当其过采样率为8时,其SNR因3dB每二倍频,总计9dB的提升而达到107dB。
 

高阶调制器对信噪比的影响

通过高阶调制,Σ-Δ调制器还能进一步提升SNR。二阶Σ-Δ调制器每增加一倍的采样率就可以提升15dB的SNR。一般来说,采样率每翻一倍,信噪比得到的提升是

3(2L + 1)dB          (13)

每二倍采样率。式(13)也呈现了对于一阶调制器(其L = 1),其采样率每翻一倍就有9dB的信噪比提升。对于OSR相同的二阶调制器(其L = 2),该单位信噪比提升增加到15dB,也就是说,调制器每增加一阶,就有额外6dB的单位信噪比提升。

高阶调制器

因为调制器的输出是比特流,对其输出的可视化和验证正确性较为困难。(见图5和表格)
 
5.在这个一阶调制器的概念图中,调制器输入为1V,DAC的两个基准电压(VRef)为±2.5 V。下表展示了电压在调制器中是如何被计算和传递以产生输出比特流的。

例如,通过逐次读取比较器的输出,我们得到了编码10111011,该例中的满量程是(2.5 – (–2 .5)) = 5 V。
        在5 V的范围内,因为下基准是–2 .5V,1V的信号将比下基准高出3.5 V ,相当于3.5/5 = 0.7倍的满量程。生成的编码(HLHHHLHH 或 10111011)有6个高位和2个低位,所以八分之六的比特流编码是高位。因此,平均值是6/8 = 0.75。该平均值接近于实际的输入(0.7)。
如果继续重复操作,得到该表格中更多的数位,均值将越来越接近0.7。对于这种调制器,显然当输入接近上基准(+VRef)时,调制器输出更多的高位,当输入接近下基准(–VRef)时,调制器输出更多的低位。一个典型的正弦波输入产生一串在两个峰值(指正负峰值——译者注)处有更多的高位和低位的编码;而当输入趋近于中值时,输出的1和0的数量变得相近。


        
        通常,调制器的阶数大于一。

7. 调制器的阶数决定了之后滤波器的阶数。一般来说滤波器的阶数等于调制器的阶数或阶数加一。

一个六阶调制器和其后的预选滤波器组成了一个24位的Σ-Δ ADC,并产生了该输出。同上,当输入幅度上升时,调制器产生更多的1,当输入趋近最小值时,产生更多0 (Fig. 8)


8.(该段图注与上文相同,故略——译者注)。 

 

引用

1. Delta-Sigma Data Converters; Theroy, Design, and Simulation, S.R. Norseworthy, R. Schreier, G.C. Temes, Wiley Interscience, 1997.

2. “A Sigma-Delta Modulator as an A/D Converter,” R.J. Van de Plassche, IEEE Transactions on Circuits and Systems, Vol. CAS-25, July 1978, pp. 510-514.

3. “Principles of Oversampling A/D Conversion,” Max W. Hauser, Journal Audio Engineering Society, Vol. 39, No. 1/2, January/February 1991, pp. 3-26.

4. “On Design & Implementation of a Decimation Filter for Multi-standard Wireless Transceivers,” A. Ghaze & et al., IEEE Transactions of Wireless Communications, Vol. 1, No. 4, Oct. 02.

5. “Understanding Cascaded Integrator Comb Filters,”Richard Lyons, Embedded Systems Programming, March 2005, www.design-reuse.com/articles/10028/understanding-cascaded-integrator-comb-filters.html

6. “An Economical Class of Digital Filters for Decimation and Interpolation,” E.B. Hogenauer, IEEE Transactions on Acoustics, Speech, and Signal Processing, Vol. 29, No. 2, April 1981, pp 155-162

7. “Design Tradeoffs for Linear Phase FIR Decimation Filters and∑-∂ Modulators,” A. Blad, P. Lowenborg, H. Johansson, 14th European Signal Processing Conference, 2006

8. “Low power Decimation Filter Architectures for∑-∂ ADCs,” Özge Gürsoy, Orkun Sağlamdemir, Mustafa Aktan, Selçuk Talay, Günhan Dündar

9. For more information on data converters, visit www.ti.com/dataconverters-ca.

Arash Loloee 是德州仪器技术工作组的成员。作为一位高级集成电路设计工程师,他负责设计晶体管到系统级的工程。他在南卫理工会大学获得了电子工程学博士和机电工程学硕士学位,并在北德克萨斯州大学获得了物理学学士学位。他也在2005年至2011年间任德克萨斯大学达拉斯分校的讲师,并教授了各类模拟相关的课程。他有三项专利,其中一项正在申请。可通过ti_arashloloee@list.ti.c和他联系。

试译 Understanding Delta-Sigma Modulators的更多相关文章

  1. [译]Understanding ECMAScript6 函数

    函数 函数是任何编程语言的重要组成部分,而自从JavaScript被引入以来,JavaScript的函数就未有太多改变.遗留下来的积压问题及微妙行为使我们很容易犯错误,或者需要更多的代码来实现一个非常 ...

  2. iBt(001-004)原文与试译

    Unit 001 Basic building materials include: timber, mud, stone, marble, brick, tile, steel, and cemen ...

  3. [译]Understanding ECMAScript6 迭代器与生成器(未完)

    迭代器在许多编程语言中被作为一种更易处理数据集合的方式被使用.在ECMAScript6中,JavaScript添加了迭代器,将其作为此语言的一个重要特征.当再加上新的方法和新的集合类型(比如集合与映射 ...

  4. [译]Understanding ECMAScript6 对象

    对象 ECMAScript6将大量精力聚焦在提升对象的实用性性上.聚焦的意义在于JavaScript中几乎每一个值是由对象中的某种类型表示.此外,在一个普通的JavaScript程序中使用对象的数量持 ...

  5. [译]Understanding ECMAScript6 基本知识

    基本知识 ECMAScript 6在ECMAScript 5之上做了大量的改变.一些改变很大,比如添加新的类型或者语法,而其它的非常小,提供了语言之上的渐进改进.这个章节包含了那些渐进改进,它们可能不 ...

  6. [译]Understanding ECMAScript 6 内容目录

    说明 浏览器与Node.js兼容 这本书是写给谁的 概述 帮助与支持 基本知识 更好的Unicode支持 其他字符串变化 其他正则表达式变化 Object.is() 块绑定 解构赋值 数字 总结 函数 ...

  7. [译]Understanding ECMAScript 6 说明

    说明 JavaScript核心语言功能定义在ECMA-262中,此标准定义的语言是ECMAScript,浏览器中的JavaScript和Node.js环境是它的超级.当浏览器与Node.js想要通过额 ...

  8. sigma网格中水平压力梯度误差及其修正

    1.水平梯度误差产生 sigma坐标系下,笛卡尔坐标内水平梯度项对应形式为 \[\begin{equation} \left. \frac{\partial }{\partial x} \right| ...

  9. 水平梯度在sigma坐标对应形式

    sigma 坐标变换 一般 \(\sigma\) 坐标转换方程为 \[\sigma = \frac{z-\eta}{D} = \frac{z-\eta}{H+\eta} \] 转换后水深 z 范围由原 ...

随机推荐

  1. 从假图片到假新闻,AI就这样“控制”了我们

    在评论某位新蹿红的明星时,围观群众总是习惯性地先从长相上来判定,如"像周润发和梁朝伟的合体"."刘德华和郭富城的合体"等--反正比"黄渤和王宝强的合体 ...

  2. windows的各种扩展名详解

    Windows系统文件按照不同的格式和用途分很多种类,为便于管理和识别,在对文件命名时,是以扩展名加以区分的,即文件名格式为: 主文件名.扩展名.这样就可以根据文件的扩展名,判定文件的种类,从而知道其 ...

  3. [PyTorch入门]之从示例中学习PyTorch

    Learning PyTorch with examples 来自这里. 本教程通过自包含的示例来介绍PyTorch的基本概念. PyTorch的核心是两个主要功能: 可在GPU上运行的,类似于num ...

  4. MySQL增、删、改、查基础操作(C++)

    系统平台:Centos7 MySQL版本:5.7.19 连接MySQL数据库 MySQL::MySQL(string host, string user, string passwd, string ...

  5. History of AI

    人工智能的历史源远流长.在古代的神话传说中,技艺高超的工匠可以制作人造人,并为其赋予智能或意识.[1]现代意义上的AI始于古典哲学家用机械符号处理的观点解释人类思考过程的尝试.20世纪40年代基于抽象 ...

  6. FPGA小白学习之路(5)clk为什么要用posedge,而不用negedge(转)

    clk为什么要用posedge,而不用negedge 转自:http://www.cnblogs.com/dangxia/archive/2012/03/07/2383744.html Verilog ...

  7. python爬虫-MongoDB安装配置

    MongoDB安装配置: 在安装配置MongoDB的过程中遇到了很多问题,现在重新梳理一遍安装流程.遇到的问题及其解决方法 系统版本:Windows 10 MongoDB版本:4.2.1 1.下载地址 ...

  8. VirtualBox上使用kubeadm安装Kubernetes集群

    之前一直使用minikube练习,为了更贴近生产环境,使用VirtualBox搭建Kubernetes集群. 为了不是文章凌乱,把在搭建过程中遇到的问题及解决方法记在了另一篇文章:安装Kubernet ...

  9. bootstrap简介与入门

    bootstrap前端框架 1.概念:一个前端开发的框架,Bootstrap,来自 Twitter,是目前很受欢迎的前端框架.Bootstrap 是基于 HTML.CSS.JavaScript 的,它 ...

  10. python django 之 django自定制分页

    自定制的分页模块 #!/usr/bin/env python3 # V1.1 解决问题: # 1). p 参数 为 负数 与 p 参数查过总页数时报错的问题 # V1.2 解决的问题: # 1). 点 ...