了解积分非线性(INL)规范及其与模数转换器(ADC)误差的关系。
本文引用地址:https://www.eepw.com.cn/article/202409/462860.htm
三个参数,即偏移误差、增益误差和INL,决定了ADC的精度。偏移和增益误差可以校准出来,这让我们把INL作为主要的误差因素。INL规范描述了实际传递函数的转变点与理想值的偏差。
什么是积分非线性(INL)?
理想的ADC具有均匀的阶梯式输入输出特性,这意味着每次转换都发生在距离前一个转换1 LSB(最低有效位)处。然而,对于真实世界的ADC,步骤并不一致。例如,考虑图1所示的传递曲线。
ADC的传输曲线示例。
1.png
图1。ADC的传输曲线示例。
步长与理想值的偏差由微分非线性(DNL)规范表征。然而,DNL误差不能完全描述传递函数与理想响应的偏差,因为我们获得的响应取决于正负DNL误差在不同代码中的传播方式。INL规范允许我们描述代码转换与其理想值的偏差。为了计算代码k的INL,我们可以使用以下方程式:
2.png
其中Ta(k)和Tidal(k)分别表示从代码k-1到k的实际和理想过渡;“理想步长”是ADC的LSB。对于上述示例,从代码1(001)到代码2(010)的实际转换发生在理想转换之上0.125 LSB处。因此,代码2的INL是INL(2)=+0.125 LSB。
从这里,我们可能会问,下一个转换(从代码2到3)是什么?注意到从代码1到2的转换发生在理想值以上0.125 LSB处,并考虑到代码2的宽度误差(或DNL)为+0.25 LSB,我们可以推断出从代码2到3的转换应该发生在理想值以上0.375 LSB处。因此,我们得到INL(3)=+0.375 LSB。如您所见,代码3的INL等于代码1和2的DNL之和:
3.png
将上述分析扩展到其他代码,很容易通过应用以下方程来验证第m个代码的INL:
4.png
INL代表DNL误差的累积效应。在计算DNL和INL值时,我们假设ADC的偏移和增益误差已经校准。结果,第一个代码(代码1)和最后一个代码的INL为零。对于代码0,未定义INL。
表示ADC INL信息
就像DNL一样,我们可以将INL信息表示为INL与代码值的关系图。对于上述示例,我们得到如图2所示的下图。
显示INL与代码值的示例图。
5.png
图2:显示INL与代码值的示例图。
INL通常也表示为所有代码的最小值和最大值。我们假设的ADC的INL在-0.71 LSB和+0.5 LSB之间。INL图不仅表示ADC的线性性能,还揭示了ADC内部架构的一些信息。例如,子范围ADC具有三角形INL图(图3(a)),而闪存ADC通常具有随机模式(图3)。
子范围ADC三角形INL图(a)和闪存ADC随机模式图(b)的示例。
6.png
图3。子范围ADC三角形INL图(a)和闪存ADC随机模式图(b)的示例。图片由M.Pelgrom提供
INL:ADC量化误差之外的误差
值得注意的是,INL除了指定ADC的量化误差外,还指定了一个误差。由于ADC将连续的模拟输入范围转换为几个离散的输出码,即使是理想的ADC也会在系统中固有地引入一些误差,称为量化误差。如果我们将斜率为1的斜坡输入应用于ADC,我们可以从输入中减去输出代码的模拟等效值,以找到量化误差。如图4所示。
全文链接:https://www.eepw.com.cn/article/202409/462860.htm