当前位置: 首页 > news >正文

【每周分享】ADC芯片的有效位数和无噪声位数的区别

很多高精度的24位以上分辨率的ADC芯片(比如TI的ADS1262,ADI的AD7191,HCT的HCT6805等等),其性能参数中的有效位数(ENOB,Effective Number of Bits)无噪声位数(NFB,Noise Free Bits)是衡量ADC芯片的实际分辨率的重要指标,两者的实际含义和侧重点也是不一样的,我们详细说说。

1.ENOB(Effective Number of Bits,有效位数)

ENOB表示ADC芯片在实际工作条件下(包含噪声和非线性失真)能够提供的有效分辨率。由于实际ADC存在噪声、谐波失真和非线性误差等因素,其性能会低于理想的理论位数(也就是数据手册标称的分辨率,比如32位)。

ENOB通常通过信噪比(SNR,Signal-to-Noise Ratio)计算得出,比如:

ENOB = (SNR-1.68)/ 6.00;

其中:

SNR是信号功率与噪声功率的比值(单位dB);

1.68 dB是理想ADC的量化噪声理论值;

6.00 dB对应1个有效位的分辨率提升。

比如TI的ADS1262芯片,查看数据手册,其ENOB通常与采样率,滤波器模式和增益配置有关,如下图来源于数据手册:

一般情况下,在高采样率或更宽带宽下,由于输入噪声增加,ENOB往往会降低。

再比如HCT的HCT6805芯片:

综上,ENOB反映了ADC的实际可用分辨率。例如,若ENOB=19位,意味着ADC的实际精度相当于一个理想19位ADC的性能,在使用的时候,代码上就可以对采集的ADC数据进行预处理再计算实际的输入电压:

复制

  1. valid_data_NFB = temp_average &0xFFFFFE000;
  2. actual_vol_NFB=valid_data_NFB *INTERNAL_ADC_REF_VOLTAGE / (ADC1_FSR * ADC1_PGA_GAIN);

2. NFB(Noise Free Bits,无噪声位数)

NFB表示ADC输出码中完全不受噪声波动影响的位数,它通常通过峰峰值噪声(Noise Peak-to-Peak)进行计算,比如:

NFB = log2(FSR / Noisep-p);

其中:

FSR,即Full Scale Range,是ADC芯片的满量程输入范围(如±2.5V)。

Noisep-p是在特定条件下测得的峰峰值噪声(通常通过统计或观察输出码的波动范围获得)。

比如ADS1262芯片的NFB,在数据手册中一般是直接给出相应寄存器配置下的NFB值,例如如果峰峰值噪声为1uV,满量程为5V,则:

NFB = log2(5 / 0.000001),大概是22.3位。

在数据手册上其实也可以查到噪声电压值,如下图所示:

综上,NFB表示输出码中稳定不变的部分,是系统能够可靠分辨的最小信号变化的指标,它通常比ENOB更低(因为ENOB包含统计噪声,而NFB是考虑最坏情况下的峰峰值噪声)。

以下通过表格列出ENOB和EFB的关键区别:

参数

ENOB

NFB

计算依据

基于RMS噪声(统计平均)

基于峰峰值噪声(最坏情况)

物理意义

实际可用的动态分辨率

输出码中绝对无波动的位数

数值关系

ENOB ≥ NFB

NFB ≤ ENOB

应用场景

动态性能(如信号频谱分析)

静态精度(如直流测量)

所以,对应这类高精度ADC芯片的应用,给出一些参考建议:

高精度直流测量(如称重、温度检测):关注NFB,确保微小信号不被噪声淹没;

动态信号采集(如振动分析):关注ENOB和SNR,优化信号带宽和滤波设置;

数据手册查阅:查看不同采样率、滤波器配置下的ENOB和噪声曲线,以权衡速度与精度。


---------------------
作者:dffzh
链接:https://bbs.21ic.com/icview-3488271-1-1.html
来源:21ic.com
此文章已获得原创/原创奖标签,著作权归21ic所有,任何人未经允许禁止转载。

http://www.cnnetsun.cn/news/138297.html

相关文章:

  • 03.统计学机器学习
  • [Poi2011]Lightning Conductor题解
  • 一文读懂大模型:收藏级教程,助你从入门到精通
  • Nginx云计算大数据——安装AND版本升级(普通升级+平滑升级+失败回滚)
  • GPT-5.2 实测数据流出:逻辑推理性能翻倍,大模型“幻觉”真的被终结了吗?
  • SQL SERVER——通过计划任务方式每月对配置数据、审计数据等进行备份
  • 前端——跨平台桌面应用开发实践
  • OpenAI 的反击!GPT-5.2 强行拉开代差,Gemini 3 和 Claude 4 还有机会吗?
  • 零售打工人加薪难?靠这张证,我在激烈竞争里站稳了脚跟
  • 基于springboot的多媒体素材库的开发与应用毕业论文+PPT(附源代码+演示视频)
  • 从离线语音到多模态智能体四博智联 AI 硬件整体解决方案全景解析
  • 我发现跨医院联合训练让诊断准确率飙升后来才知道是横向联邦学习在数据孤岛中的绝招
  • 性能压测工具:wrk
  • 论文引用标注工具排名2025:6大平台+自动规范推荐
  • Kotaemon AWS EC2部署实例:国际业务首选
  • 实在没货,简历(软件测试)咋写?
  • 网约车服务端线上流量巡检与测试验收技术
  • 公考日记7
  • 火电一次调频、自抗扰调频及群智能算法智能调频在MATLAB/Simulink中的应用
  • 科研实验室温湿度监控新范式:以太网 POE 技术全场景解决方案
  • RV1126 NO.57:ROCKX+RV1126人脸识别推流项目之读取人脸图片并把特征值保存到sqlite3数据库
  • 探索SAR ADC:45nm工艺下的高速高精度设计
  • 【小增长技术团队东哥分享】Electron vs Electron-Vite vs Electron-Egg:桌面端开发到底该选谁?
  • 测试价值的量化评估:从成本中心到价值证明的路径探索
  • 测试领导力:在敏捷洪流中筑造质量堤坝
  • C++常用设计模式
  • Spring Boot 自动配置深度解析:原理、实战与源码追踪
  • 无代码解决方案:破解企业数字化转型效率困局
  • SAM (Segment Anything Model):万物皆可分割-k学长深度学习专栏
  • Mysql 报错 “Public Key Retrieval is not allowed”