信号链噪声分析19

news2024/11/17 1:48:51

文章目录

    • 概要
    • 整体架构流程
    • 技术名词解释
    • 技术细节
    • 小结

概要

提示:这里可以添加技术概要

     用于定量表示 ADC 动态性能的常用指标有六个,分别是:SINAD(信纳比)、ENOB (有效位数)、SNR(信噪比)、THD(总谐波失真)、THD+N(总谐波失真加噪声) 和 SFDR(无杂散动态范围)。对于这些指标,虽然大部分 ADC 制造商采用相同的定 义,但也存在一些例外。比较 ADC 时,这些指标非常重要,因此不仅要了解各指标反 映哪一方面性能,而且要明白它们之间的关系。

整体架构流程

提示:这里可以添加技术整体架构

    有多种方法可以量化 ADC 的失真和噪声,但所有方法均基于一种使用一般化测试设置 的 FFT 分析,例如图 1 所示的设置。

 

技术名词解释

提示:这里可以添加技术名词解释

ADC:
      模拟数字转换器即A/D转换器,或简称ADC,通常是指一个将模拟信号转变为数字信号的电子元件。通常的模数转换器是将一个输入电压信号转换为一个输出的数字信号。由于数字信号本身不具有实际意义,仅仅表示一个相对大小。故任何一个模数转换器都需要一个参考模拟量作为转换的标准,比较常见的参考标准为最大的可转换信号大小。而输出的数字量则表示输入信号相对于参考信号的大小

技术细节

     FFT 的频谱输出是频域中连续的 M/2 个点(M 为 FFT 的大小,即缓冲存储器中存储的 采样点数)。两点之间的间隔为 fs/M,覆盖的总频率范围为 DC 至 fs/2,其中 fs为采 样速率。各频率“仓”的宽度(有时也称为 FFT 的“分辨率”)为 fs/M。图 2 所示为 使用 ADI 公司 ADIsimADC®程序得到的一个理想 12 位 ADC 的 FFT 输出。注意,FFT 的理论噪底等于理论 SNR 加上 FFT“处理增益”10×log(M/2)。必须记住,用于计算 SNR 的噪声值是分布于整个奈奎斯特带宽(DC 至 fs/2)的噪声,而 FFT 用作一个带 宽为 fs/M 的窄带频谱分析仪,它扫描整个频谱,其结果是将噪声下推一个与处理增益 相等的量,该效应与模拟频谱分析仪的带宽窄化相同。 图 2 所示的 FFT 数据代表 5 次独立 FFT 的平均值。注意,求多次 FFT 的平均值不会 影响平均噪底,只会“熨平”各频率仓所含幅度的随机变化的作用。

 FFT 输出可以像模拟频谱分析仪一样用来测量各次谐波的幅度和数字化信号的噪声成 分。输入信号的谐波可以通过其在频谱中的位置与其它失真积相区别。图 3 显示了一 个以 20MSPS 速率进行采样的 7MHz 输入信号及前 9 次谐波的位置。fa的混叠谐波处于|±Kfs±nfa|的频率位置,其中 n 为谐波的次数,K=0,1,2,3,....。数据手册一般仅说明 二次和三次谐波,因为这些谐波往往是最大的,但也有一些数据手册说明了最差谐 波的值。 谐波失真通常用 dBc(低于载波的分贝数)来表示,不过音频应用可能会用百分比来 表示,它指的是信号均方根值与相关谐波的均方根值之比。谐波失真一般用接近满量 程的输入信号(一般比满量程低 0.5-1dB 以防止箝位)来规定,但也可以用任何电平 来规定。对于远低于满量程的信号,转换器微分非线性(DNL)引起的其它失真积——非 直接谐波——可能会限制性能。

 

小结

提示:这里可以添加总结

总谐波失真(THD)指的是基波信号的均方根值与其谐波(一般仅前 5 次谐波比较重要) 的和方根的平均值之比。ADC 的 THD 虽然可以用任何电平来规定,但是一般也用接近 满量程的输入信号来规定。 总谐波失真加噪声(THD)指的是基波信号的均方根值与其谐波加上所有噪声成分(直流 除外)的和方根的平均值之比。必须说明噪声测量的带宽。对于 FFT,带宽为 DC 至fs/2。如果测量带宽为 DC 至 fs/2(奈奎斯特带宽),则 THD+N 等于下文所述的 SINAD。 不过应注意,在音频应用中,测量带宽不一定是奈奎斯特带宽。 无杂散动态范围(SFDR)指的是信号的均方根值与最差杂散信号(无论它位于频谱中何 处)的均方根值之比。最差杂散可能是原始信号的谐波,也可能不是。在通信系统中, SFDR 是一项重要指标,因为它代表了可以与大干扰信号(阻塞信号)相区别的最小 信号值。SFDR 可以相对于满量程(dBFS)或实际信号幅度(dBc)来规定。图 4 以图形化 方式说明了 SFDR 的定义。

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.coloradmin.cn/o/705929.html

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,一经查实,立即删除!

相关文章

keil_arm 大端小端 寄存器 栈

.text .global _start _start: /* 单寄存器ldr r0,0x40000800ldr r1,0x12345678将r1寄存器中的值,写到r0指向的地址空间中[0x40000800]0x12345678str r1,[r0]将r0指向地址空间中的内容,读到目标寄存器r2中,r20x12345678 ldr r2,[r0] */ /*ldr…

前端设计模式学习

UML类图 1.工厂模式 设计原则:最重要的就是开放封闭原则,对扩展开放,对修改封闭。 1.工厂和类分离,解耦 2.可以扩展多个类 3.工厂的创建逻辑也可以自由扩展 工厂模式可以拆分成三个,分别是工厂方法模式、抽象工厂…

C/C++图形库EasyX保姆级使用教程(二) 图形化窗口设置以及简单图形的绘制

C/C图形库EasyX保姆级使用教程 第一章 Microsoft Visual Studio 2022和EasyX的下载及安装使用 第二章 图形化窗口设置以及简单图形的绘制 文章目录 C/C图形库EasyX保姆级使用教程前言一、窗口!1.如何生成一个图形化窗口?1.头文件2.初始化一个图形化窗口…

基于Java+Swing+Mysql人口普查登记系统

基于JavaSwingMysql人口普查登记系统 一、系统介绍二、功能展示1.主页2.新增人口信息3.查询人口信息 三、数据库四、其他系统实现五、获取源码 一、系统介绍 该系统实现了查看列表、新增人口信息、删除人口信息 运行环境:eclipse、idea、jdk1.8 二、功能展示 1.…

常州工学院数字图像处理及应用2022-2023第二学期实验报告 + 期末

《数字图像处理及应用》 课程 实验报告书 专业班级: 21计二 姓 名: 王梓权 学 号: 21030228 指导教师: 徐则中 计算机信息工程学院 《数字图像处理》实验 实验教学目的和要求 《数字图像处理》课程内容是一门综合…

Python MongoDB复习第一章

Python 可以在数据库应用程序中使用。 最受欢迎的 NoSQL 数据库之一是 MongoDB。 MongoDB MongoDB 将数据存储在类似 JSON 的文档中,这使得数据库非常灵活和可伸缩。 为了能够测试本教程中的代码示例,您需要访问 MongoDB 数据库。 您可以在 https:/…

论文学习笔记:增强学习应用于OS调度

【引子】周末,读了一篇同事推荐的论文《STUN: Reinforcement-Learning-Based Optimization of Kernel Scheduler Parameters for Static Workload Performance》,很有启发,遂加入个人思考编译成文。 从小型物联网设备到大型服务器&#xff0c…

VIM编辑器的命令使用总结

(该图由AI绘制 关注我 学习AI画图) 目录 一、VIM编辑器 1、vi概述 2、vim编辑器 3、vim编辑器的安装 4、vim编辑器的四种模式(重点) ☆ 命令模式 ☆ 编辑模式或输入模式 ☆ 末行模式 ☆ 可视化模式(了解&am…

Apache Doris (十三) :数据存储模型之Duplicate数据存储模型

进入正文之前,欢迎订阅专题、对博文点赞、评论、收藏,关注IT贫道,获取高质量博客内容! 在某些多维分析场景下,数据既没有主键,也没有聚合需求,只需要将数据原封不动的存入表中,数据有…

神经网络初谈

文章目录 简介神经网络的发展历程神经网络的初生神经网络的第一次折戟神经网络的新生,Hinton携BP算法登上历史舞台命途多舛,神经网络的第二次寒冬神经网络的重生,黄袍加身,一步封神神经网络的未来,众说纷纭其他时间点 …

【实战】 四、JWT、用户认证与异步请求(下) —— React17+React Hook+TS4 最佳实践,仿 Jira 企业级项目(五)

文章目录 一、项目起航:项目初始化与配置二、React 与 Hook 应用:实现项目列表三、TS 应用:JS神助攻 - 强类型四、JWT、用户认证与异步请求1~56.用useAuth切换登录与非登录状态7.用fetch抽象通用HTTP请求方法,增强通用性8.用useHt…

基于Hadoop的网上购物行为分析设计与实现

有需要本项目的可以私信博主,提供部署和讲解服务!!!!! 本研究基于淘宝用户行为的开源数据展开大数据分析研究,通过Hadoop大数据分析平台对阿里天池公开的开源数据集进行多维度的用户行为分析&a…

4.1ORB-SLAM3之处理缓存队列中的关键帧

0.简介 该函数主要包括以下几个部分&#xff1a; 计算该关键帧特征点的Bow信息更新当前关键帧新增地图点的属性更新共视图中关键帧间的连接关系将该关键帧插入到地图中 1.计算该关键帧特征点的Bow信息ComputeBoW() vector<cv::Mat> vCurrentDesc Converter::toDescr…

ModaHub魔搭社区:向量数据库功能主要特点和应用场景

目录 主要特点 向量数据库功能 高性能向量搜索 低延迟高召回率 多向量搜索索引 向量数据库可以帮助的领域 图像相似性搜索 视频相似性搜索 音频相似性搜索 主要特点 向量数据库功能 高性能向量搜索 存储、索引和管理由深度神经网络和其他机器学习&#xff08;ML&…

Matlab论文插图绘制模板第106期—带误差棒的堆叠柱状图

在之前的文章中&#xff0c;分享了Matlab带误差棒的折线图绘制模板&#xff1a; 带误差棒的柱状图绘制模板&#xff1a; 进一步&#xff0c;再来分享一下带误差棒的堆叠柱状图的绘制模板。 先来看一下成品效果&#xff1a; 特别提示&#xff1a;本期内容『数据代码』已上传资源…

管理类联考——数学——技巧篇——公式——几何题

三角形 三角形面积公式 S 1 2 b c s i n A 1 2 a c s i n B 1 2 a b s i n C S\frac{1}{2}bcsinA\frac{1}{2}acsinB\frac{1}{2}absinC S21​bcsinA21​acsinB21​absinC(正弦定理)&#xff1b; S p ( p − a ) ( p − b ) ( p − c ) S\sqrt{p(p-a)(p-b)(p-c)} Sp(p−a)…

JAVA-编程基础-06-数组

Lison <dreamlison163.com>, v1.0.0, 2023.03.22 JAVA-编程基础-06-数组 什么是数组 ​ 数组是一种线性数据结构&#xff0c;是一个使用连续的内存空间存放相同的数据类型的集合容器&#xff0c;与其他容器相比&#xff0c;数组的区别主要在于性能与保存基本类型的能力…

ASUS华硕天选air笔记本FX516P原装出厂原厂Win10系统镜像

ASUS华硕笔记本天选air FX516P原厂Windows10系统恢复原装出厂OEM预装自带系统 系统自带所有驱动、出厂主题壁纸LOGO、Office办公软件、华硕电脑管家、奥创控制中心等预装程序 链接&#xff1a;https://pan.baidu.com/s/150QimXQfATAhzxNCl690Nw?pwdhvj6 提取码&#xff1a;h…

10年来测试行业所遇问题,功能/接口/自动化测试?

目录&#xff1a;导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结&#xff08;尾部小惊喜&#xff09; 前言 10年来测试行业发…

Apache Doris (八) :Doris分布式部署(五) Broker部署及Doris集群启动脚本

目录 1.Broker部署及扩缩容 1.1 BROKER 部署 1.2 BROKER 扩缩容 2. Apache Doris集群启停脚本 进入正文之前&#xff0c;欢迎订阅专题、对博文点赞、评论、收藏&#xff0c;关注IT贫道&#xff0c;获取高质量博客内容&#xff01; 1.Broker部署及扩缩容 Broker 是 Doris 集…