ADC的量化噪声和信噪比，过采样

简单记录几个ADC的东西

1. 量化噪声
   下图中，蓝色斜线是连续的模拟信号，阶梯状波形是经过ADC转换后的离散信号。如果我们把这个两个相减，会得到右边那个像锯齿波一样的量化误差。

量化噪声（Quantization Noise），这里Q值代表量化，如果采样越快，两个Q之间的距离越小，Q的幅值越低，也就是量化噪声的幅值越低。虽然Q值幅值变低，但是它包围的面积不变。因此，改变采样速度，可以改变量化噪声的幅值，但不能改变量化噪声的总能量。

从时域里看，对于一个模拟的Sine波形，经过ADC转换数字化后，我们会得到锯齿状的Sine波形。我们加快采样速度，可以把锯齿变得很细，但是依旧存在，并且量化噪声的总能量不变
2. 信噪比
如果我们把上面的Sine波形放到频域里看。我们希望信号频率的幅值尽量大，而噪声幅值尽量小
在这里插入图片描述
上图的噪声主要来源于量化噪声，通过信噪比计算，我们会得到一个固定的公式：

信噪比SNR(dB) = 6.02N + 1.76（噪声仅考虑量化噪声）

• SNR：指的是量化噪声信噪比（Signal noise ratio）
• N：指的是ADC采样位数。如果我们把N提高，信噪比提高，即信号更大，噪声更小。采样质量变好，因此，提高ADC采样位数，可以提高采样质量。
  一般来说，提高采样位数，往往意味着ADC的成本可能也会更高。
  有没有不提高位数，同样优化信噪比的方法呢？答案是“有的”，那就是过采样

3. 过采样提高信噪比
   我们把图3进一步简化。下图红色箭头表示主信号的幅值，灰色代表噪声幅值，平均分布在DC到fs/2之间。（fs为采样频率）
   
   如上图，如果我们将采样率提高K倍，噪声能量不变，并且平均分布在更宽范围，从而噪声的幅值降低。原始信号没变，但是噪声幅值减少，也就是信噪比提高了。提高采样率之后的信噪比公式：
   SNR=6.02N+1.76dB+10log(OSR)
   其中，过采样速率OSR = Fs/(2 ᵡ BW), BW为带宽。（注意：此公式仅适用于只存在量化噪声的理想ADC）
   因此，提高采样率有助于提高信噪比。