ADC学习（1） |
您所在的位置：网站首页 › 什么是数字量化 › ADC学习（1） |
ADC学习（1）
|
ADC学习（1）——采样、重建、量化
参考：Boris Murmann Stanford University
文章目录
ADC学习（1）——采样、重建、量化一. 总览二. 混叠效应三. 采样定理四. 抗混叠滤波器和过采样五. 保持与重建六. 量化七. DAC八. 静态非理想性8.1 失调和增益误差8.2 差分非线性8.3 积分非线性
一. 总览
从一个功能性的“黑盒”角度来看ADC与DAC的构建块。 DAC主要包括：DAC、模拟保持、重构滤波器 二. 混叠效应如下面三个余弦函数的例子所示，不同的信号频率在相同的采样频率下，可以得到相同的采样波形。 是因为离散采样信号具有2π的相移不变性，
f
s
i
g
f
s
\frac{f_{sig}}{f_s}
fsfsig需要通过加或减整数修改为绝对值最小的结果作为最终的表达式一部分。 为了消除混叠效应，采样必须遵循Nyquist采样定理： f s i g , m a x < f s 2 f_{sig,max} |
ADC主要包括：抗混叠滤波器、采样、量化
结论是频率
f
s
i
g
f_{sig}
fsig和
N
∗
f
s
±
f
s
i
g
N*f_s±f_{sig}
N∗fs±fsig在离散时域中不可区分。【本文地址】
今日新闻 |
推荐新闻 |