为何通过过采样可以提升有效分辨率，以及公式 Δ Bits = 0.5 × log ⁡ 2 ( OSR ) ΔBits=0.5×log 2 (OSR) 的来源

苏西月

于 2024-11-26 23:24:28 发布

阅读量1.1k

点赞数 6

分类专栏： dsa 文章标签：人工智能

本文链接：https://blog.csdn.net/qq_51011530/article/details/144070600

版权

83 篇文章

订阅专栏

在使用 $n$ -位量化器对模拟信号进行量化时，会引入一种误差，称为量化噪声。这种噪声通常被建模为均匀分布在量化区间内的随机变量。

量化噪声功率 ( $N_q$ ) 对于位宽为 $n$ 、满量程范围为 $V_{FS}$ 的量化器：

$N_q = \frac{V_{FS}^2}{12 \times 2^{2n}}$

（这里的除以 12 是因为均匀分布的方差公式。）
信号功率 ( $P_s$ )（假设为满量程的正弦波）：

$P_s = \frac{V_{FS}^2}{8}$
未过采样时的信噪比 (SNR)：

$\text{SNR}_{\text{base}} = 6.02n + 1.76 \ \text{dB}$

这是量化位数 $n$ 与信噪比关系的经典公式。

过采样会将采样频率 ( $f_s$ ) 提高到高于奈奎斯特率的水平。其关键影响如下：

当过采样时，采样频率 $f_s$ 增加，相同的总量化噪声会被分散到更宽的频率范围，从而信号带宽内的噪声功率减少。

过采样时信号带宽内的噪声功率 ( $N_q'$ )：

$N_q' = N_q \times \frac{B}{f_s/2} = N_q \times \frac{1}{\text{OSR}}$

其中 过采样比 (OSR) 定义为：

$\text{OSR} = \frac{f_s}{2B}$

信号带宽内的噪声功率减少导致信噪比（SNR）提高。

过采样后的信噪比 ( $\text{SNR}_{\text{OSR}}$ )：

$\text{SNR}_{\text{OSR}} = \text{SNR}_{\text{base}} + 10 \log_{10}(\text{OSR})$

这一公式表明，由于过采样，信噪比提升了 $\log_{10}(\text{OSR})$ dB。

每增加 1 位量化位数，信噪比大约提升 6.02 dB：

因此，因过采样增加的有效位数 ( $\Delta \text{Bits}$ ) 可表示为：

$\Delta \text{Bits} = \frac{\Delta \text{SNR}_{\text{OSR}}}{6.02}$

将 $\Delta \text{SNR}_{\text{OSR}} = 10 \log_{10}(\text{OSR})$ 代入：

$\Delta \text{Bits} = \frac{10 \log_{10}(\text{OSR})}{6.02}$

使用对数性质和常数简化：

将 10 底对数转换为 2 底对数：

$\log_{10}(\text{OSR}) = \frac{\log_2(\text{OSR})}{\log_2(10)} \approx 0.301 \times \log_2(\text{OSR})$
计算 SNR 每位的比例：

$\frac{10}{6.02} \approx 1.66$

综合得：

$\Delta \text{Bits} = \frac{10 \times 0.301 \times \log_2(\text{OSR})}{6.02} \approx 0.5 \times \log_2(\text{OSR})$

因此：

$\Delta \text{Bits} = 0.5 \times \log_2(\text{OSR})$

每次过采样倍率翻倍：
- 当过采样比 ( $\text{OSR}$ ) 翻倍时， $\log_2(\text{OSR})$ 增加 1。
- 因此， $\Delta \text{Bits}$ 增加 $0.5 \times 1 = 0.5$ 位。
意义：
- 每当过采样倍率翻倍，有效分辨率增加 0.5 位。

已知条件：
- OSR = 512
- $log_2(512) = 9$
- 因此：
  
  $\Delta \text{Bits} = 0.5 \times 9 = 4.5 \ \text{位}$

这表明通过 512 倍的过采样，可以获得 额外的 4.5 位分辨率。

抖动噪声是为了随机化量化误差并线性化系统而加入的噪声。然而，抖动的加入会略微提高噪声底，从而降低信噪比。

抖动的影响：
- 使信噪比降低约 0.5 位。
最终有效位数 (ENOB)：

$\text{ENOB} = \text{原始位数} + \Delta \text{Bits} - \text{抖动损失}$

$\text{ENOB} = 12 + 4.5 - 0.5 = 16 \ \text{位}$

公式为何成立？
- 过采样通过将量化噪声分散到更宽的频率范围内，降低了信号带宽内的噪声。
- 信噪比随过采样比 $\text{OSR}$ 的对数（以 2 为底）增长，具体为 $\log_{10}(\text{OSR})$ dB。
- 每位分辨率对应约 6.02 dB 的信噪比增长。
- 综合这些关系，得到公式：
  
  $\Delta \text{Bits} = 0.5 \times \log_2(\text{OSR})$
关键点：
- 过采样通过扩展噪声频谱来降低信号带宽内的噪声。
- 每次过采样倍率翻倍，有效分辨率增加 0.5 位。
- 抖动噪声改善了量化误差的线性化，但略微降低了整体精度（本例中约 0.5 位）。