【ADC】系统误差分析中的统计原理

概述

本文学习于TI 高精度实验室课程，讨论典型和最大数据表规格的统计含义，分析最坏情况分析和查看典型值的统计分析之间的差异。

---

---

一、最坏情况下的误差大小及其概率

为了更好地理解信号链系统中总失调误差的概念，我们从基本的误差分析开始。下图展示了用于此误差分析的示例电路。它是一个高侧电流分流检测器，可检测 50mA 至 20A 的电流。下面考虑信号链中的所有元素，找出总的失调误差。

电流分流放大器 U1 的增益为 20，缓冲器 U2 的增益为 1。因此，U1 的输出偏移量直接添加到 U2 和 ADC U3 的偏移量中。常用方法是取三个设备中每个设备的最大限值（MAX），然后直接将它们相加，以找到最坏情况偏移量，这种计算假设所有三个设备同时具有最坏情况偏移量。

不过，所有这些最坏情况同时出现的统计可能性有多大？下图显示了数据表中典型和最大规格背后的统计学原理。对于零中心规格，典型值是一个标准差的绝对值加上分布的平均值。

通常，平均值接近零。因此，为了便于讨论，我们假设平均值为零。在此示例中，典型偏移量（TYP）为正负 1 毫伏，相当于正负一个标准差。最大偏移量是一个经过测试的参数，任何超过最大限制的设备都会被丢弃，不会发给客户。

因此，该分布实际上是截断的高斯分布，因为没有高于最大值或低于最小值的设备。最大限度设置在分布的尾部，以尽量减少制造过程中的良率损失。通常，最大值设置在三个标准差以上。在此示例中，最大值设置为四个标准差。注意，68.27% 的概率处于典型限值内。从统计角度来看，我们找到处于最大限值的设备的可能性有多大？对于此示例，我们找到正好处于 4 毫伏的设备的可能性有多大？

由于概率等于曲线下的面积，而单个点下的面积为零，因此从技术上讲，概率为零。这没什么用。因此，考虑一下接近最大限值的概率。在此示例中，介于 2 毫伏和 4 毫伏之间的概率为 2.272%。下图根据数据表规格显示了所有三个组件的高斯分布。所有三个器件都接近最坏情况的概率是多少？

可以看到，对于每个设备，接近最坏情况的概率约为 2%。由于这三个分布是随机且不相关的，因此所有三个事件同时发生的复合概率是三个概率的乘积。通过数学运算，可以看到所有设备接近最坏情况的概率为 0.0011%。因此，随着系统中组件数量的增加，它们全部处于最坏情况值的概率非常小。

---

二、估计误差更好的方法

由上文可知，直接添加每个设备的最坏情况偏移并不是了解系统总误差的最佳方法。下面介绍一种可以更好地统计理解误差的方法。下图显示了信号链中所有三个设备的分布：

不相关高斯分布的标准偏差可以合并为平方的平方根和。在此示例中，所有分布都参考数据转换器的输入。因此，U1 的偏移量乘以我们之前提到的 20 的增益。总组合偏移量分布的标准偏差为 ±1.887 毫伏，这类似于系统的典型 ±1.887 毫伏。但是我们系统的最大偏移误差是多少？最大值可以根据系统规范中的风险容忍度来设置。

下表显示了根据标准差数设定的限制内有多少百分比的器件。例如，如果系统规格最大值设置为 ±3 个标准差，则 99.73% 的器件将在该限制内，而 0.37% 的器件将超出该限制。

根据要求，可以设置更保守的限制。重要的是要意识到大多数规格（如偏移）都有其他可能影响总误差的因素。注意不要将统计限制调整到我们开始时的最坏情况限制之外。