8.3AD变换的量化效应.pptVIP

8.3 A/D变换的量化效应 8.3.1A/D变换模型 A/D变换器的典型应用场合 声音、图像等信息的采集 通信接收机 工业控制领域 A/D变换器的分类 直接型 并行比较型 逐次渐进型 间接型 8.3.1A/D变换器模型 A/D变换器的功能原理图如下图8.3所示 8.3.1A/D变换器模型 A/D变换器的主要指标 转换精度－－字长 转换时间－－速度、带宽 其他指标 分析A/D变换器量化效应的目的是选择合适的字长，以满足信噪比的指标(可将量化器产生的量化误差看成是一种噪声 　　　　　　　量化噪声) 8.3.1A/D变换器模型 考虑A/D变换器噪声源e(n)以后的统计模型如图8.4所示 8.3.1A/D变换器模型 上图即为A/D变换器的统计模型，其中 由图可知,ADC的输出为 　的统计模型. e(n)是A/D变换器的噪声源 8.3.1A/D变换器模型 之所以一般均采用图8.4模型来分析ADC的量化效应而不用图8.3的模型，原因主要是： ADC可应用于各种应用场合，不同应用对应的信号特点不同，所以应用图8.3对于某一确定信号经过ADC后的量化分析 8.3.1A/D变换器模型 8.3.2量化误差统计分析 问题：序列e(n)的统计特性 常用的统计模型：白噪声序列 很多实际信号，如语音信号－－取值较复杂、变化剧烈－－（符合） 简单的信号，如方波，单频的正弦波　　　　－－（不符合） 好处： e(n)与信号不相关、常用的分析模型－－便于分析 8.3.2量化误差统计分析 为了讨论ADC对各种不同的信号的量化性能，可以从统计平均的角度来考虑。此时，对于量化误差有如下假设： ⑴ e(n)是一个平稳随机序列;(随时间和时间差 变化，e(n)的统计特性不变 ) ⑵ e(n)与x(n)不相关; ⑶ e(n)序列本身的任意两个值之间是不相关的， e(n)是白噪声序列； ⑷ e(n)在其取值范围内是均匀等概分布的； 8.3.2量化误差统计分析 首先研究e(n)的统计性能，也就是研究e(n)的均值和方差 1、定点舍入情形： 此时e(n)的概率密度函数为 8.3.2量化误差统计分析 2、定点补码截尾： 此时 8.3.2量化误差统计分析 对于定点原码和反码截尾，有 请同学们自己求其统计特性 和 。 8.3.2量化误差统计分析 说明： ① e(n)的方差和A/D的字长b有关( )，字长越长，则 越小，因而 也就越小，当均值为零时，而　 描述了e(n)的功率； ② 采用定点补码截尾量化时，ADC的量化噪声有直流分量( )，这将影响信号的频谱结构，所以很少采用它. 8.3.2量化误差统计分析 根据图8.3，ADC可建模为一个无限精度的数字信号 和量化误差 的叠加，即 这时我们常采用信噪比SNR来衡量量化效应： 8.3.2量化误差统计分析 对于 ①舍入误差：（　　信号功率) 8.3.2量化误差统计分析 ②动态压缩： 当输入信号的动态范围过大(超过ADC允许的动态范围时)，应对输入信号进行压缩，即将输入信号压缩至 ,其中 。此时的x(n)变为Ax(n)，而Ax(n)的功率(方差)为 ，此时 8.3.2量化误差统计分析 ③常见的压缩处理: 对许多模拟信号，例如语音和音乐信号，可用高斯(正态)随机过程去建模 工程上认为　　　的幅度落入 之外的概率很小。 8.3.2量化误差统计分析 取 ，则不出现限幅失真的概率极高 思考 是不是b取的越大越好呢？ b越大SNR越高，但芯片的复杂度越高 输入信号本身也含有噪声，n(t) 芯片本身热噪声 电磁发射 通信信道干扰 增加b，使量化噪声功率远小于信号本身携带的噪声功率即可 总结：提高ADC的量化SNR的办法： 一、增大输入信号(增大 )，但这受到ADC动态范围的限制； 二、增加字长b A/D变换器的两个指标 字长 一般的对于低阶调制，取8比特足够 　对于高阶调制，取10比特或更高 取样速度 　一般取基带信号带宽的3～4倍 * * 抽样 量化器 图8.3 A/D变换器功能原理图 理想ADC x(n) e(n) 图8.4　A/D变换器的统计模型 抽样 量化器 理想ADC x(n) e(n) e P[e(n)] P[e(n)] 0 e e P[e(n)] 当均值为零时: 用dB表示有 结论：⑴ 越大，则SNR越高； ⑵ 随b的增加，SNR增加,