透过更高的类比信号取样速率,超取样技术(Oversampling)可以增加解析度;无论采用更高的取样速率,或由MCU 或DSP演算法实作适当的数位滤波器,都可以让有效解析度高于原来的类比数位转换器。
超取样理论
类比数位转换器会采用下列步骤进行超取样:先以更高速率取样类比信号,再使用数位低通滤波器对来过滤取样资料,最后透过资料提取(decimation)降低取样速率(图一)。在某些实际应用里,滤波和资料提取会分成多个阶段完成,这是为了以最少运算次数得到合于要求的结果。
高取样速率可以保护目标频带的完整性,同时减少类比信号频谱所受的限制,让这类子系统拥有更高解析度。
奈奎斯特定理(Nyquist Theorem)
要将类比信号数位化,则此信号必须是有限频宽(band limited),且成份频率不可超过取样频率fs的一半;若违反奈奎斯特定理,即会造成叠频效应(aliasing effects),无法再根据数位资料序列重建完整的类比信号。
因此类比数位转换应用需要非常陡峭的低通滤波器,以便限制类比信号的频谱;一个理想滤波器可让频率小于fs / 2的信号全部通过,不造成任何衰减,同时阻挡所有频率高于取样频率一半的信号。选择滤波器与取样速率时,通常会让目标频带落在直流与f s / 2的范围内。
若提高取样速率,就能减少低通滤波器所受的限制,(图二)即为一个范例,其中类比信号的取样速率是原取样速率的一倍;此时,类比滤波器会在fs / 2的地方开始下滑,让目标频带内的信号全部通过,并抑制1.5 fs以上的所有主要频率成份。由于这已违反奈奎斯特定理,我们可使用一个数位滤波器,将频带限制在f s / 2以内。相较于f s取样频率所使用的反叠频(anti-aliasing)滤波器,这种类比滤波器的实作更简单。
量化(Quantization)
滤波完成后,类比信号即被取样,然后转换成数值资料;由于数值资料是由有限位数的字元组成,但它又必须代表时间连续的信号,因此转换步骤必然会引入量化误差。
理想量化器的最大误差值为(0.5 LSB,若类比数位转换器为N位元,则其输入范围会被分成2N个阶数,每个阶数都由一个N位元的二进位数字代表,因此类比数位转换器的输入范围与字元宽度N都是重要参数,可由它们计算出最大绝对误差值。
信号杂波比
除此之外,量化步骤的分析也可以在频域进行:信号杂波比是由代表数值资料的位元数目决定,因此若能增加信号杂波比,即可提高转换过程的有效解析度。
白杂讯信号
若输入信号不断变动,量化误差即可视为是白杂讯(white noise )信号,其能量均匀分布在整个频宽,从直流开始到取样速率的一半。另一方面,假设类比数位转换器是一个理想元件,输入信号振幅又几乎没有改变或变动程度很小,那么我们可以证明在此条件下,量化误差不能再以白杂讯源来代表。
因此若要应用这套理论,类比数位转换器的输入必须是一个连续变动信号,使得量化器输出端保持在「忙碌」状态;在实作上,我们会在类比数位转换器输入端叠加一个误差信号,其振幅不小于1 LSB,它通常被称为抖动信号(dithering signal)。对于振幅等于输入范围的弦波信号,信号杂波比理论值可由下式估计:
SNR max [db] ~6.02 × N + 1.76 |
其中N是代表数值资料的位元数目。
因应对策
加入白杂讯以改善信号杂波比
如前所述,量化杂讯功率均匀分布于整个频谱,从直流到取样速率的一半,且其大小与取样速率无关。若使用较高取样速率,杂讯功率会分散至更宽频率范围;换言之,在较高的取样频率下,目标频带的有效杂讯功率密度会降低。
如(图三)所示,若使用k倍超取样速率,则实际取样频率将达到k × f s,目标频带的有效杂讯功率也会大幅降低。
数位低通滤波器应该滤掉fs / 2以上的所有频率,有效解析度即是由数位滤波器的品质所决定,因为fs / 2以外的剩余杂讯功率代表了量化误差的大小,也是造成信号杂波比降低的主要原因。
根据奈奎斯特定理,只要信号的频率成份未超过取样速率的一半,它就可以被完整描述与重建;换言之,要描述最大频率为f max的类比信号,我们可以减少所使用的数值资料序列,让它等于2 × f max取样速率即可,这个过程称为「资料提取」(decimation)。
对于使用k倍超取样速率的典型超取样系统,样本资料的提取比例因素也是k,这可以在滤波过程中或滤波结束后进行;此时,理想低通滤波器与资料提取器可将量化杂讯减少k倍。由于目标频带内的信号不会受到滤波器影响,故信号杂波比即可大幅增加。
改善后的信号杂波比可由下式算出:
SNR max [db] ~ 6.02 × N +1.76 + 10 × log10 (k) |
这会导致(表一)的改善结果:
表一 改善信号波比结果分析表
超取样技术(倍数k) |
信号杂波比改善值(分贝值)
|
增加的解析度(位元数)
|
2
|
3
|
0.5
|
4
|
6
|
1.0
|
8
|
9
|
1.5
|
16
|
12
|
2.0
|
32
|
15
|
2.5
|
64
|
18
|
3.0
|
128
|
21
|
3.5
|
256
|
24
|
4.0
|
512
|
27
|
4.5
|
1024
|
30
|
5.0
|
2048
|
33
|
5.5
|
4096
|
36
|
6.0
|
特性与限制
超取样技术使用白杂讯来增加解析度,只要超取样速率提高一倍,就能得到约3分贝的解析度增益,等于是半个位元;若此增益对应用系统已经足够,那么这种实作方式也是一个很好选择。
白杂讯信号的提供通常最省事,有时甚至类比数位转换器的内部杂讯就已足够,不必再使用任何外部杂讯源。上述方法并未对波形做任何限制,故可用于许多场合,特别是超取样因数很大的应用系统。
加入三角波信号以改善信号杂波比
若在输入信号叠加一个三角波信号,即可把解析度提高一倍,这与Δ-Σ调变器的方法非常类似。
若输入信号介于两个的量化阶数之间,其中较高的是q1,较低的是q0,那么量化器可能把它转换成较高的量化值,也可能转换成较低的量化值;此时,若能加入适当的三角波信号,量化器即会产生一系列q1与q0值,其比例代表了输入信号在两个量化阶数之间的相对位置。换句话说,计算q1在某段时间内的平均值,即可决定它在较高量化值与较低量化值之间的位置。
要利用这种方式得到最佳结果,三角波信号的振幅必须是n + 0.5 LSB,其中n是0, 1, 2...
由于取样速率很高,输入信号的变动可视为很小,以(图四)0.6 LSB输入信号为例,普通类比数位转换器取样此信号后,会把它转换成LSB等于1的资料;如果加入一个三角波信号,然后以较高速率取样,转换过程即会产生一系列0或1样本值,两者出现的比例就代表了0与1 LSB之间的实际值。同时也把超取样因数设为16,结果产生七个0和九个1的样本值,计算9与16比值可以得到0.563,此量化误差小于全部使用1的取样值。
一般说来,三角波调变的超取样技术可以使用下列方程式:
SNR gain [db] = 20× log10 (k/2) |
这会导致(表二)的信号杂波比与额外解析度:
表二 信号杂波比与额外解析度
超取样技术(倍数k)
|
信号杂波比改善值(分贝值)
|
额外解析度(位元数)
|
2
|
-
|
0
|
4
|
6
|
1
|
8
|
12
|
2
|
16
|
18
|
3
|
32
|
24
|
4
|
64
|
30
|
5
|
128
|
36
|
6
|
256
|
42
|
7
|
512
|
48
|
8
|
1024
|
54
|
9
|
2048
|
60
|
10
|
4096
|
66
|
11
|
特性与限制
使用超取样技术时,若在信号输入端叠加一个三角波信号,那么每当超取样速率提高一倍,就能得到约6分贝的解析度增益,等于是一个位元;相较于2.4节使用白杂讯的超取样技术,这种方式可将解析度效能增加一倍。
另一方面,若要使用这种方法,输入信号就不能与三角波有任何关联性;如果无法保证这一点,那么在一个k × fs的超取样周期内,三角波信号的变动幅度就不应超过解析度期望值的(0.5 LSB。
结论
超取样技术的运用是种可藉由简化类比反叠频Filter的电路设计及运用数位资料提取方式来提升解析度的最佳方法之一。
TI MSP430 的高效能运算能力及内建的类比线路可将ADC解析度由内建的12-bits提升至18-bits的能力,当然,有各种不同的方式达到提高解析度的需求,每种方法也各有优缺点,所以各位在使用取样技术时,必须考虑输入信号频谱,取样速率及所需要的解析度来选择最佳化的设计。 (作者为德州仪器资深工程师)